---
title: "從錯題走向學習，製作 AI 錯題分析報告"
description: "這是超越單純正確率，用 AI 分析各學生、各題目的錯題模式，並連結到下一堂課的方法。"
lang: "zh-Hant"
date: "2026-05-20T15:00:00.000Z"
updated: "2026-06-28T02:37:00.000Z"
tags: ["錯題分析","形成性評量","AI 評量","資料驅動課堂"]
canonical: "https://flipsson.com/tw/blog/jsMmnA4tU0e9"
---

# 從錯題走向學習，製作 AI 錯題分析報告

考試結束後，往往只剩下一張正確率表，而「為什麼會卡在這個概念」反倒被埋沒了。第 3 題正確率 52% 這個數字，並不會告訴你該重教什麼。批改真正的價值，在於讀出==錯題裡所承載的資訊==。AI 能把散落的錯題歸納成模式，替你畫出下一堂課的地圖。同樣是 60 分，為什麼是 60 分各不相同，處方也該不一樣。

## 把錯題歸納成模式

一題一題看個別錯題，時間會無限膨脹。把 30 個人的錯題一行一行讀完，一天就過去了。所以要讓 AI ==把錯題依類型分群==。

- **概念錯誤**：對原理本身理解錯誤的情況。例如把負數乘法的正負號規則記反了。
- **程序錯誤**：懂原理，卻在計算步驟上出錯的情況。
- **題意解讀錯誤**：讀錯了題目在問什麼的情況。
- **未作答**：要分辨是時間不夠，還是根本沒學過。

這樣分開之後，同樣是 60 分，處方也會不同。程序錯誤多就開練習量的處方，==概念錯誤多就開重新講解的處方==。該多做練習的班和該重教一次的班就此分道。

## 把報告連結到課堂

1. 由 AI 把全班的錯題依類型統計。
2. 挑出錯誤率最高的 3 道題，以及各自具代表性的錯題案例。
3. 老師下一節課只集中處理這 3 道。沒有時間把所有題目重解一遍。
4. 個人報告則以==自身弱點地圖==的形式提供給學生。

> 當要教的東西太多時，資料會指出「現在最急的那一件事」。

## 現場小訣竅

- 錯題分析從不記名統計開始，避免學生退縮。重要的不是這是誰的錯題，而是這是什麼樣的錯題。
- 同一種錯題類型跨多個單元反覆出現時，就要懷疑先備學習有缺漏。分數不好的學生，在比例的單元也會垮掉。
- 就算正確率高，若答錯集中在某一個選項，也可能是題目本身有問題，要一併檢視。學生集中選同一個錯誤選項時，很可能是選項讓人混淆。
- 分析結果壓縮成一頁，放在下一堂課前能立刻拿出來看的地方。太長就不會看了。

## 把錯題報告交到學生手上

錯題分析若只有老師看，等於只用了一半。學生拿到自己的錯題地圖後，複習的方向就會清楚起來。個人報告建議這樣設計。

1. 把每位學生出現最多的一種錯題類型寫在最上方。像「你的弱點是程序上的失誤」這樣寫成一行。
2. 用兩三題屬於那個類型的自身錯題當作範例展示。比起抽象的指正，自己的失誤更有感。
3. 寫下一項「下次該重看什麼」的行動。沒有處方的報告，就只是成績單。

這樣拿到報告的學生，就不會停在「原來是 60 分啊」，而會前進到「原來我在負數計算時老是漏掉正負號」。這是分數轉變為自身學習地圖的瞬間。

## 重點整理

批改的終點不該是分數，而該是==下一步行動==。AI 錯題分析把散落的失誤歸納成模式，告訴老師「該重教什麼」，告訴學生「該重看什麼」。原本停在一張正確率表上的評量，就此轉變為設計下一堂課的起點。