AIOT实作课程对高中学生学习成效的影响

ImpactsofAIOTImplementationCourseontheLearningOutcomesofSeniorHighSchoolStudentsAIOT实作课程对高中学生学习成效的影响论文摘要本研究旨在探讨小型非公开在线课程(SPOC)人工智能物联网(AIOT)教学模型的发展、课程设计模型和教学策略，并提出一个针对高中的“SPOC-AIOT教育课程设计模型”。通过实验来确认此教学模型的适用性。论文摘要本研究将传统课堂与在线数位学习结合，应用4D双钻石模式建构课程，进行高中AIOT实作课程的教学。以“技术接受模型”作为理论基础，将自我效能和学习焦虑视为自变项，探究学生在学习AIOT课程后的学习成果和满意度(依变项)。实际规划如下：以高雄一所高中36名高一学生作为研究对象，每周2次进行为期13周的课程使用问卷调查和质性访谈，评估各变项之间的相关性使用4D双钻石模式做为课程设计和教学实施的设计框架教学过程中，理论内容与实作课程相结合，教师提供相关的在线教学短影片让学生浏览预、复习。再者，透过学生彼此分享学习经验，修改错误来降低学习焦虑，实现共同学习的效果数据分析部分，使用SmartPLS3分析测量模型和结构模型，并使用bootstrap重复抽样模拟母体论文摘要本研究的结果显示：“自我效能”对使用者的“感知有用性

“(perceivedusefulness)”和“感知易用性(perceivedeaseofuse)”有显著的正向影响“学习焦虑”与用在线数位教材进行学习的“感知易用性”或“感知有用性”无显著相关“感知易用性”和“感知有用性”对于用在线数位教材进行学习的“行为意图”有正向影响“感知易用性”对“感知有用性”的影响是正向且高度显著“学习投入”对学生实际学习的“行为意图”有正向影响学生对于学习科技新知识持有高度接受度研究背景与动机传统课堂教学着重于“思考”甚于“实作”，而“做中学”则强调通过实作及应用与社会环境互动。这种“创新思维”的学习方式激发了师生的热情，成为教育的驱动力，目前也成为了重要的研究领域创客学习(makerlearning)与科学、技术、工程和数学(STEM)学习密切相关，希望学生以“做中学”的概念，实际呈现他们的想法，培养学生的创新精神和实践能力创客学习是“问题导向”和“主题导向”的学习法，目标为解决实际问题研究背景与动机现在，各国的教育必须培养21世纪的创新人才，以满足人工智能时代的需求。为了提高国家竞争力，教育改革将运算思维、物联网(IOT)和人工智能(AI)纳入课程大纲，以建立学生的信息素养和应用能力，并通过信息科技的学习过程，培养学生的创造性思维和问题解决能力。美国、英国、德国、澳大利亚等国已认知到“运算思维”在学习和就业方面的重要性，将信息教育列为教育改革的重点随着工业4.0时代的到来，物联网和人工智能已成为新兴主题。然而，目前高中课程规划不是基于学生的需求或行业趋势，而是基于教师的专业知识或教学意图，这导致学生的专业知识和产业环境之间存在鸿沟，意味着学生难以直接应用所学就业研究背景与动机如何在短时间内有效实施AIOT课程，使学生获得最大的学习成果，是对教师课程设计和实施的考验。面对科技的快速发展，学习已不再只是传统的课堂讲述。自2008年加拿大学者BryanAlexander和Dave推出大规模开放式在线课程(MOOC)以来，利用互联网进行在线学习这类课程如雨后春笋出现研究者搜集了以创客学习进行的60个研究，其中高比例(48个研究)与学习成果的感知有关，28个子项目与STEM有关，这显示了创客学习中，感知学习结果的重要性。由此可以看出，以学生和独立学习为核心的“创客学习”已成为学习的新趋势研究背景与动机为了在科技领域实施“运算思维”和“创客精神”，本研究进行了一项AIOT课程研究，通过“4D双钻石模型(探索discover，定义define，发展develop，实施deliver)”进行课程规划和教学，实施了从海龟绘图(TurtleGraphics)到Python的程序教学，然后通过有形物体的生产和应用，实践学生的“做、用、想”的学习迁移和运算思维能力之培养。*TurtleGraphics是一种Logo编成语言，是Python内建的绘图函示库实验后，进行了“SPOC-AIOT(小型非公开在线课程-人工智能物联网)课程”的定量和质性研究，以验证实验结果。本研究在“AI深度学习”的特色课程中应用翻转教学，开发了一种AIOT课程的教学模式，适用于高中AI和其他相关课程教学研究问题本研究采用翻转教学，使用现有的AI深度学习、Python编程语言和其他相关教学影片，进行了为期13周(共26节课)的实验教学，以了解翻转教学对高中技术学校学生在AI深度学习方面的学习成果和课程满意度。探讨问题如下：“个体差异因素(自我效能、学习焦虑)”与高中AI深度学习的技术接受模型的关系“学习投入”与高中AI深度学习的技术接受模型之间的关系“技术接受模型”与高中AI深度学习的学习成果和课程满意度的关系建构适合高中实施AIOT课程的教学模块文献探讨–

4D双钻石模型在教育中的应用双钻石模型由英国设计委员会于2005年开发，分为探索、定义、发展和实施四个阶段。其特点强调“发散思维”和“收敛思维”，首先产生许多想法，然后将其精炼以产生最佳想法。各阶段重点如下：第1阶段：探索问题：了解实际世界的情况和面临的问题第2阶段：定义问题：记录和将问题按处理优先级排序，以“确定要解决的问题”为何第3阶段：发展可能的解决方案：评估各种解决方案，确认最佳方案第4阶段：选择并实施：实施方案并解决问题为了促进AI技术能更有效地满足使用者的需求，研究者提出了“双钻石设计模型”作为课程设计和教学实施的框架，希望学习者最终能学习并发展AIOT在日常生活中的各类应用文献探讨–人工智能在教育中的影响和应用人工智能可以追溯到1936年，由AlanTuring设计和制造的图灵机，至今，人工智能已经不是一个陌生的领域，随着计算机软件和硬件的进展，它已成为一项在日常生活中不断出现的技术。因此，世界各国正在制定计划，以解决人工智能的适当使用问题，以及确定其对教育与学习的影响研究表明，越来越多的创新工具、智能应用和方法正在改变教育系统，改善学习者体验和学习成果。研究者从文献中发现，人工智能被用于协助学习，例如：学习助理、课程复习、提供学习方法和个性化反馈，甚至使用神经网络分析学生的各项表现，让教师据此评估学生的状态近年来科技巨大飞跃，人工智能技术臻于成熟。许多企业将人工智能视为创造竞争优势的下一个机会，在教育领域，它亦逐渐成为信息教育发展的重点，促使教育革新。人工智能和教育的结合显著提高了教学质量，并开发了新的教学策略。教师受益于其收集数据、协助评估并改善教学策略的能力；学生受益于其提供“智能服务”和“异步学习”的能力。人工智能和教育的结合，将有助于教育的转型，并为人类知识文化的传承提供突破。因此，人工智能在教育领域的应用，已成为教育研究的重点文献探讨–

Python在教育中的应用Python是一种物件导向的直译式程序语言，适用于Linux、Mac和Windows等跨平台系统，近年来它已成为一种流行的程序语言虽然Python是一种直译式程型语言且其速度不及C快，但Python可以灵活地使用C或C++来编写扩充套件。它的优点是自由开放的程序码、强大的社群支持、可读性高和语法简单，因此即使初学者也可以轻易学习此外，Python具有高度互动性，可逐步执行程序码，非常适合学习程序设计和实验。目前它广泛应用于科学计算、图像处理、网络爬虫、自然语言处理、Web开发、大数据、数据挖掘、人工智能、机器人学习、可视化教学、数据分析等领域文献探讨–

深度学习在教育的运用AI技术从出现到此刻蓬勃发展，已深深影响我们的日常生活，改变了我们的思维、行为和互动方式，特别是随着人工神经网络(ANN)和深度学习(DL)的出现。深度学习并不是一种新技术，早在20世纪60年代和70年代，受生物神经系统启发的信息科学家提出了多层人工神经网络的概念，希望通过模拟生物神经系统，使计算机能够实现像人类一样的智能反应。然而当时由于硬件性能差及数据缺乏而没有重大突破，直到今日物联网(IOT)技术普及，深度学习再度跃上舞台。深度学习的原理是将信息处理视同人类大脑处理，通过一系列的神经网络来提高其预测能力，已逐渐超越现有的其他机器学习方法深度学习已成功应用于视觉和图像处理、语音识别、交通控制、电力和能耗、商业信贷评分、药物分子分析、建筑能源管理、自然语言处理和医学图像解释等领域。此外，在教育方面，通过深度学习技术，也成功预测辍学率高风险学生，有助于及时介入和实施辅导策略，也能帮助分析学习状态并提供支持和指导文献探讨–

技术接受模型当创新的科技产品问世时，都希望能被大众接受和采用。关于新科技产品或创新服务的使用，最广泛使用的理论是技术接受模型(TAM)，它是由Davis(1986)提出。根据42篇关于在线数位学习接受度的研究，其中有86%的研究以“技术接受模型”作为理论基础，可见TAM是在线数位学习研究中最受欢迎的理论研究显示：“认知有用性”和“认知易用性”会直接影响学习者使用数位学习的意愿研究显示：学生的态度和行为意图受到互动性、自我效能、感知易用性和有用性的影响研究显示：技术接受模型主要受到五个外部因素的影响：自我效能、主观规范、享受、计算机焦虑和先备经验研究方法问卷：除了参考Davis(1986)的技术接受模型之外，问卷内容主要以「自我效能」和「学习焦虑」作为自变项，以「学习投入」、「学习成效」和「学习满意度」和作为依变项，并考虑这些变项对技术接受模型的影响研究方法自变项：自我效能(SE)。当一个人相信自己能够独立完成任务时，就会以自愿、高效和积极的态度面对和解决困难。自我效能的概念源自班杜拉的社会学习理论，该理论基于互动决定论。在个体行为与环境的互动中，个体的信念会影响个体的行为和适应环境能力在此研究中，自我效能是指个体对于其计算机、网络和其他IOT相关技能知识有信心自我效能在程序设计学习中也扮演重要作用；例如，视觉编程(VPL)对学习者的自我效能有显著影响，可以减少学习过程中遇到困难的负面态度，并提高学习者的自我效能。在41篇近期研究中，自我效能对于感知易用性(PEOU)有显著正向影响研究方法自变项：学习焦虑。在这里指计算机焦虑(CA)，与较少使用数位学习息息相关计算机焦虑被定义为一种对当前或未来使用计算机感到不安、焦虑或害怕的感觉。它会对学生使用数位学习的意愿有显著的负面影响。同样，对使用计算机感到焦虑的教师，也可能不愿意使用数位学习进行教学因此，采取有效的策略来减少学生在学习过程中的计算机焦虑和降低认知负荷非常重要。学习焦虑也被纳入此研究的重要因素之一研究方法依变项：学习投入。以大型开放式在线课程(MOOCs)为例，最常用来衡量学习成果的指标是学习投入的程度，即学习者持续努力达成其学习目标的过程，可能包含：观看教学影片、在讨论版上发表意见、进行测试和完成任务等。学习投入通常由动机(行为)、知觉和情感因素构成。行为投入指的是学习者在MOOC学习过程中提出问题和参与讨论。知觉投入是指学习者在MOOC学习过程中获得复杂知识或技能的努力程度。情感投入是指学习者对教师、同侪和MOOC学习持积极态度的程度根据研究指出，一些学者将学习投入定义为「学生在学习社群中所使用的能量，可以透过行为、知觉或情感的指标进行观察，并受到一系列因素的影响，包括相互关系、学习活动之间的互动和学习环境」。学生在学习社群中的参与和投入越多，越有可能将学习能量投入到学习中，从而产生一系列短期和长期的学习成果，进一步促进学习投入研究方法依变项：学习成果。主要取决于学习的整体收益，可根据学习目标进行评估或测量传统教学通常是以成绩为衡量学习成果的标准，例如分数或等级情境教学法是以学习者为中心，认为教学不是知识转移，而是学习者的知识建构，如翻转教学法，包含了各种小组合作学习活动，象是经验分享、小组问题解决任务和小组讨论等，研究指出进行小组合作学习，可以提高学习成果。既然社会建构主义认为知识是通过人际互动建构的，那么其学习成果的评估，便应该考量个人评估和同侪评估本研究在学习成果的评估上，包含：自我评估、同侪评估、形成性评估和总结性评估研究方法依变项：学习满意度。学习满意度是衡量学习者对学习经验是否满意的指标。许多因素会影响学习满意度，例如：课堂互动、反馈、学生和教师的参与行为、教学活动、教学内容、网络讨论、教学技巧、学生学习风格、自我效能和人口特征等。研究显示，数位技术的快速发展使得教学方法多样化，例如：数位学习、严肃游戏(Seriousgames)、虚拟模拟等，多样的教学法能显著提高学习满意度。此外，在线学习系统能提供多种评估学习和增加学习者互动的方式，亦能提高学习满意度。*Seriousgames是指具有娱乐性质的游戏，但同时也应用于教育、培训、医疗等严肃的领域，可以提供一种交互式学习的方式。这种游戏通常是为了达成某种教育或训练目的而开发，玩家可以透过游戏内容学习、掌握某些知识或技能研究显示，翻转教学可以提高学生在课堂上的参与、动机和学习满意度。在相关研究中，翻转教学模式(FCM)的实验组在满意度上得到了显著的提高，FCM创造了学生的成就感，提高他们在学习过程中的参与动机，并建立了一个积极的学习环境在本研究中，学习满意度指学生对在翻转教学中，学习AIOT的过程满意程度研究方法在AIOT逐渐进入我们的日常生活的同时，高中的信息科技教育仍然仅限于概念介绍，学生缺乏体现AIOT如何应用于各行各业的机会。因此，本研究通过双钻石设计模型构思课程设计和教学实施，结合理论和实作课程，以深化高中生对AIOT概念的理解。其中课程设计如图所示第1阶段：探索-现况分析第2阶段：定义-定义课程第3阶段：发展-课程实施第4阶段：实施-成果展示研究方法第1阶段：探索-现况分析：信息与通讯科技的快速发展、更快的网络速度、更强的计算能力以及不同层面的科技创新，推动了工业4.0的革命，然而教学现场一直无法跟上时代的步伐，导致产业和学习之间存在巨大的鸿沟。为了缩短产业人才培养的转型期，高中学校应如何规划课程，发展科技领域的教学模式？我们应聚焦于课程规划如何与大专院校推广新兴科技相关课程相连接，如何满足产业需求，以及如何让此类课程在学校中成为特色，吸引学生学习。因此，本研究根据工业、政府和大学的现况发展，探索未来的实施趋势和课程内容，以帮助学生了解人工智能物联网的基本概念，不再把人工智能物联网当作科幻电影的情节，而是把它作为一种应用于产业的技术，并将其融入到日常生活中研究方法第2阶段：定义-定义课程：根据探索阶段的现况分析，确立本实验教学的课程内容，要符合三个面向。首先，根据产业中新兴科技的应用趋势和人才需求程度，本课程内容应培养高中学生必须的基础知识和能力。其次，检查了大学的课程网络信息，发现过去三年内的实施的程序语言课程数量(16、55、95)和实施的学校数量(11、18、30)逐年增加。最后，为了成为学校特色课程，课程设计应该满足信息素养以及108课程大纲的运算思维目标综上所述，考虑工业4.0中AIOT的发展趋势与产业需求，选择了在大学AIOT课程中广泛使用的程序语言Python进行教学，让学生了解基本语法和学习编码能力。最后，有别于传统的教学方法，采用SPOC教学模式来激励学生主动学习，以期进一步提高学习成果研究方法第3阶段：发展-课程实施：除了传统课堂教学外，提供与课程内容相关且不超过15分钟的现有在线教学影片。同时邀请业界人士加入教学团队进行协同教学，并依靠实务经验让学生了解产业的实际需求和脉动，强化学生的理论知识和实践应用，实现了“Learningbydoing,anddoingbylearning.”的STEM精神，以及“实践教育”的特色教师小组列出了与AIOT相关的书籍，学生可以根据自己的兴趣选择一本书，为确保每个单元的课程有效地实施，学生须为每个单元设计学习清单，并分享学习经验和小组报告。这个过程可以促进学生对学习状况的了解，教师亦可根据情况调整课程内容在实验课程结束时，填写SPOC-AIOT问卷，以了解学生的学习成果和课程满意度研究方法第4阶段：实施-成果展示：为了增加学生的学习投入，安排了实作课程，以提高学生的学习兴趣。实作课程内容是根据学生的学习主题量身定制的，以最大程度地产生学习效果首先，以智能音箱教学套件设计实作课程，教师带领学生逐步完成树莓派AI、智能音箱和中文语音的设置，让学生体验AI自然语言的对话能力其次，教师指导继电器、杜邦线等元件的焊接，设计并完成开关灯光的智能音箱语音控制系统，让学生真正参与到AIOT的生活应用研究方法在教学实施部分，同样根据4D双钻石设计模型建构，并分别定义了各个阶段：第1阶段：探索-激发学习兴趣第2阶段：定义-教学活动第3阶段：发展-注重学习第4阶段：实施-成就展示研究方法第1阶段：探索-激发学习兴趣：为了让学生有共鸣并积极参与课程，本阶段的主要目的是激发学习动机，因此本实验采用小组合作学习。为了让课程对学生有趣味性，并非直接在教学中介绍Python语法和编程，而是采用了“海龟绘图”来教学活动通过绘制几何图形的过程让学生了解Python语言的基本指令。在虚拟码的帮助下，进行直观的编译和绘制步骤，帮助学生快速地理解撰写程序语言的概念，学生可以通过重新载入功能，反覆练习每个小组原始的“海龟绘图”作业，如此一来，可避免学生因无法顺利完成而产生挫败感和放弃学习，同时，教师也提供在线影片作为学习的辅助材料，让学生可以提前预习及重复播放复习。研究方法第2阶段：定义-教学活动：此阶段的教学活动着重于基本语法教学，为了引起学生自发学习的兴趣，教学的重点仍在于学生的学习过程，透过相关的在线影片及小组间的分享活动进行学习，学生既是学习者，也是教师，这种双重角色的学习模式，有助于提高学生的学习成果。此外，教师须加强智能音箱相关功能与程序码的说明，以备之后使用。研究方法第3阶段：发展-注重学习：在这个阶段，由经验丰富的业界人士协同指导学生，为了应用在本课程中学习的程序语言，教师和业界人士计划了两个主题。第一个主题是智能音箱的设置操作，这有助于学生感受AI自然语言的对话能力。第二个主题是使用杜邦线将继电器焊接到树莓派电路板，然后利用智能音箱作为媒介，通过自然语言远端开关灯光，实践AIOT精神。研究方法第4阶段：实施-成就展示：在这个阶段，各组展示了不同的成果，包括他们的个人阅读体验和小组的几何图形绘制。在此阶段，邀请业界人士和教师小组按照评分项目进行评分，例如功能性、团队合作等。整体教学时间轴如图所示研究方法本研究采用准实验研究法，并应用小型非公开网络课程(SPOC)实施翻转教学，于高中信息科技AIOT课程中，探讨实验课程的学习成果和满意度。研究框架如图所示：Learningengagement研究方法使用问卷调查法，采五点式立克特量表进行评估，其中1分表示非常不同意，5分表示非常同意。各项「操作型定义和测量方法」如下表所示：研究方法使用SmartPLS3分析测量模型和结构模型，并使用bootstrap重复抽样模拟母体SmartPLS是一种统计分析软件，可以用于建立结构模型。由于本研究采用的实验方法样本数量有限，因此使用SmartPLS进行分析，该软件不受变量分配类型或样本大小的限制，具有良好的预测能力和可行性在本研究中，使用bootstrap重复抽样方法反覆抽样5000个样本，以作为参数估计和推论，来解决样本数量有限的问题，并验证各种影响因素与学习成果和学习满意度之间的关系研究结果背景变项研究结果每个项目的因子负荷量应该大于0.5整体信度和Cronbach‘sα应至少大于0.5，最好大于0.7，以确保内部的一致性研究结果平均萃取方差(AVE)应该大于0.5，每个因子的AVE平方根应该大于该因子与其他因子的相关系数。代表此测量结果具有良好的趋同效度和识别效度。*cross-loadingandtheFormell–Larcker

criterion研究结果综合分析结果，本研究的测量模型经过共线性分析、信度分析和建构效度的测试，结果均符合学术要求，代表SPOC-AIOT量表的八个因子的测量系统具有信度、趋同效度和识别效度。因此，可以进行结构模型路径分析研究结果结构模型路径分析系数结果：H1(自我效能→知觉易用性)：0.582H3(自我效能→知觉有用性)：0.479H5(知觉易用性→知觉有用性)：0.344H6(知觉易用性→学习投入)：0.300H7(知觉有用性→学习投入)：0.483H8(学习投入→行为意图)：0.744H9(行为意图→学习成果)：0.488H10(行为意图→学习满意度)：0.718以上均达到显著性水平研究结果根据量化研究结果，在实施了翻转学习的AIOT课程后，自我效能确实能提高学生的学习成果。换句话说，学生对于计算机使用、网络和其他信息等相关能力知识的自我感知信心越高，对于数位学习成果就越有帮助根据质化研究结果，采用传统课堂教学和在线学习相结合的翻转学习模式进行AIOT课程教学，可以提高学生的学习满意度。换言之，学生通过越多样的学习管道来学习，其学习满意度越高研究结果而根据科技接受模型的量化研究结果，学习焦虑对于知觉有用性或知觉易用性没有显著影响。换言之，学生在使用数位科技学习新知识时没有焦虑感。这可能是由于实验教学过程中，通过传统课堂教学和小组经验分享减少了学生的学习焦虑质化研究则显示：学生认为对于使用数位科技学习新知识不会感到焦虑，是因为在线影片可以反覆观看，还有年轻人喜欢3C产品，对他们而言计算机很容易上手，相较传统教学而言，数位学习较不受时空限制，可以随时进行研究结果根据量化研究结果，学习投入受到技术接受模型中的感知有用性和感知易用性的显著影响，并将影响学生对使用信息和通信技术的态度和认知。换句话说，在学习新知识的过程中，学生认为数位技术对自主学习有积极促进作用，易于使用，不会造成学习负担。他们会积极参与课程学习，从而提高他们的学习成果和满意度质性研究显示：数位技术影响学习投入的原因包括能实际操作体验，这使理论、应用和人工智能的便利性更容易理解，这个状态不仅能激发学习兴趣，也刺激学生对于人工智能运用的无限想象研究结果关于R2值的标准，当R2接近0.25时，模型的预测力稍弱；当接近0.50时，模型具有中等预测力；当接近0.75时，模型的预测力非常显著(Hairetal.,2014)。在此研究中，学习成果(0.238)属于预测力较弱的因子；而知觉易用性(0.366)具备中等预测力，知觉有用性(0.547)、学习投入(0.506)、行为意向(0.553)和学习满意度(0.515)具备高度预测力根据f2值的标准，评估自变项对依变项是否存在显著影响，其原则是0.02<f2≤0.15被认为是小程度影响，0.15<f2≤0.35被认为是中等程度显著影响，f2>0.35则被认为是大程度显著影响(Cohen,.1988)。在此研究中，自我效能对知觉易用性(0.521)、学习投入对行为意向(1.239)和行为意向对学习满意度(1.036)具有高度显著影响；知觉易用性对知觉有用性(0.166)、知觉有用性对学习投入(0.284)、行为意向对学习成果(0.313)和自我效能对知觉有用性(0.326)具有中等显著的影响；学习焦虑对知觉易用性(0.015)和知觉易用性对学习投入(0.109)具有较弱程度的显著影响；学习焦虑对知觉有用性(0.000)的影响则未达显著标准总体而言，自变项对依变项的影响在中度到高度显著水平之间研究结果本研究的模型适配度评估：结果显示SRMR=0.122>0.08和RMS_theta=0.229>0.12，显示整体模型适配度不佳。然而，在偏最小平方法结构方