“以教學問題為核心的研究實踐”
為協助教師深入理解教學實踐研究計畫之規劃與執行方式，教務處教師教學發展中心辦理教學實踐研究經驗分享講座，邀請淡江大學黃仁俊教授與國立臺北教育大學游志弘助理教授進行經驗交流。此次講座聚焦於「如何從教學現場發現問題，進一步發展教學策略與研究方法」，並透過具體課程案例分享，呈現教學實踐研究從問題診斷、課程設計到成效驗證的完整歷程。
兩位老師雖來自不同領域與背景，但皆強調教學實踐研究並非單純的學術研究，而是從教師真實面對的教學困境出發，透過有系統的教學介入與資料蒐集，驗證學生學習成效與教學改變。
“從真實教學問題出發的研究規劃與成效驗證”
本校資工系黃仁俊老師分享如何從教學現場的真實問題發展研究主題。黃老師指出，教學實踐研究最重要的核心，在於問題必須來自真實教學情境，而非單純的學術議題。因此，教師在規劃計畫時，應選擇自己長期授課且熟悉的課程，才能具體說明學生學習困境與課程需求。
為了讓研究問題更具說服力，黃老師建議可透過歷年修課數據與學生背景資料，具體呈現教學現場的挑戰。例如在工學院常見的問題-「學生先備知識差異過大」，其統整數年來不同系所、不同修課身份學生的組成比例，以量化圖表呈現課堂中跨年級、跨學院學生的分布情形，藉此強化研究問題的真實性與必要性。
在教學設計上，黃老師強調所有策略皆應回扣「提升學生學習成效」的核心目標。例如為提升學生學習動機，課程會結合生活化案例與情境學習，透過真實新聞事件與課前問答，引導學生感受課程內容與日常生活的連結；在大班教學的課堂中，則利用即時線上測驗與課中回饋機制維持學生專注力，並同步掌握學生理解狀況，以利教師即時調整教學深度與進度。
此外，黃老師也特別分享為避免學生僅以背誦方式應付考試，在每個主題結束後，教師會帶領學生進行觀念整理，並要求學生以「手繪」方式完成個人化心智圖，透過心智圖統整強化學生的融會貫通能力。黃老師認為，透過手寫與結構化整理，能有效促進學生對課程脈絡的理解，而非僅停留於片段記憶。
在研究方法與成效驗證方面，黃老師強調應於學期初即進行前測，以建立學生能力基準，而非等到課程結束後才開始整理資料。考量工學院課程通常僅有單一班級，難以進行傳統實驗組與控制組設計，黃老師便透過「單班分群」方式，依據前測結果將學生區分為高、中、低不同能力族群，並於學期末比較各族群能力變化，以觀察教學策略對不同學生的影響。
黃老師也提醒，研究設計需避免受到學生學習的「成熟效果」影響，若僅比較期中與期末成績，學生能力的自然成長可能干擾研究結果，因此以前測與後測作為主要比較基準會較具客觀性。在統計分析上，黃老師則分享可利用 Excel 進行配對樣本 t 檢定，透過較容易操作的工具完成教學成效分析，降低教師進入研究的門檻。
除了研究設計，黃老師亦坦率分享實際執行時所遭遇的困難，包括知情同意書回收、學生前後測作答意願不足、教學平台斷線，以及課後回饋繳交率低等問題。對此，黃老師透過建立學生信任、提供加分誘因、準備備援平台與保留課堂填答時間等方式，逐步建立穩定的資料收集流程，以確保研究資料的完整性與有效性。
“數位工具、AI協作與跨領域教學創新”
國立臺北教育大學數學暨資訊教育學系游志弘老師則以新進教師的角度出發，分享自身執行教學實踐研究計畫的心路歷程，並比較教學實踐研究計畫與國科會計畫在研究導向與執行壓力上的差異。游老師指出，相較於偏重學術發表與長期理論架構的國科會計畫，教學實踐研究更聚焦於教學現場問題，對於剛進入大學任教、仍在建立研究基礎的新進教師而言，是相對友善且容易切入的研究方式。
游老師進一步分享自身如何將研究計畫融入課程之中，並透過教學創新改善學生學習問題。在「視覺化程式設計」課程中，游老師發現學生雖曾接觸 Scratch 積木程式，但在面對較複雜主題時，常出現盲目試錯與缺乏規劃的情形。因此，課程改以學習單引導學生於實作前進行規劃，並透過明確任務指標與競賽作品展示，提升學生挑戰動機與學習投入。
在「電腦動畫設計與製作」課程中，游老師則導入 Processing程式語言，結合 STEAM 跨領域概念，嘗試以視覺藝術為主體、程式設計為工具，引導學生進行創作。第一年實施後，學生的作品品質與學習愉悅感雖明顯提升，但也出現小組分工不均與學習焦慮問題。因此後續計畫中，游老師調整作業量並導入「拼圖法（Jigsaw）」合作學習策略，透過專家角色分工提升學生參與感與團隊凝聚力。
此外，在「跨平台網頁設計」課程中，游老師則進一步探討 AI 協作對程式學習的影響。課程分別以「同儕配對程式設計」與「AI 配對學習」作為兩種教學模式，一組學生透過兩人一組進行程式除錯與討論，另一組則將 GitHub Copilot 視為學習夥伴，透過與 AI 對話完成程式撰寫與修正。
研究結果顯示，兩種模式在整體學習成效上並無顯著差異，但學生在互動形式與學習歷程上展現不同特徵。同儕配對組較著重程式檢查與除錯討論，而 AI 配對組則多集中於程式生成與問題提問。游老師也觀察到，隨著實作次數增加，學生討論熱度會逐漸下降，顯示未來課程仍需進一步設計能持續促進深度討論的任務。
最後，游老師指出AI 協作已逐漸成為未來教學的重要趨勢，大學教育作為學生進入職場前的重要階段，教師有責任培養學生的數位素養與 AI 協作能力。未來課程設計應更明確區分哪些任務需由學生獨立完成、哪些可透過 AI 協助，以建立學生正確的科技使用觀念。
“從教學經驗累積研究能量”
兩位教師的實務經驗分享，呈現無論是理工領域中的數據分析與課堂管理，或是資訊教育中的跨領域課程與 AI 協作應用，皆展現出教學實踐研究與教學現場緊密結合的特性。