Please enable JavaScript.
Coggle requires JavaScript to display documents.
0520作業 - Coggle Diagram
0520作業
組員：
1111031005陳虹頻
1111031043謝佳恆
1111031025林韋翔
大規模開放線上課程 (MOOCs)
核心特徵： 大規模 (Massive)、開放 (Open)、非同步線上學習
教學痛點： 生師比極度懸殊（通常 1:1000 以上），教師無法親自批改所有申論或實作作業
數位學習情境與適用課程分析
情境 A：MOOCs 中的同儕評估
適合課程：
跨國通識/人文社會學科： 如《全球現代史》、《心理學導論》。這類課程重視多元思維，同儕評估能展現不同文化背景的視角。
程式設計入門： 如《Python 基礎與應用》。透過閱讀他人的程式碼（Code Review），學生能快速發現自己的盲點。
情境 B：PBL 中的同儕互評
適合課程：
工程與資訊系統專題： 如《畢業專題設計》、《網頁前端開發實案》。需要進行系統架構、使用者體驗等多階段迭代的實作課程。
商業企劃與行銷專案： 如《創新創業企劃競賽》。從市場調查、商業模式到最後簡報（Pitch），均需跨領域團隊協作。
專題導向學習 (PBL)
核心特徵： 學生圍繞現實世界錯綜複雜的問題，進行長期探究、協作並產出具體成果
教學痛點： 傳統紙筆測驗無法評量核心能力；小組合作容易出現「免費搭便車 (Free-riding)」現象
情境 A：MOOCs 同儕評估與量規應用
如何運用評分量規確保評估公平性
行為錨定描述 (Behavioral Anchors)： 量規字句須具體（例如：不寫「寫得很好」，而是寫「正確引用 3 篇文獻並有批判性分析」），減少主觀誤判。
同儕培訓機制 (Calibration)： 系統正式評分前，先讓學生練習批改 2-3 份「範本作業」，當學生的試改分數與教師標準相近時，才開通其評分權限。
如何處理評分差異大的情況
統計中位數與離群值剔除： 每份作業分配 5 位同儕批改，自動剔除最高與最低分，取中間值降低極端評分誤差。
教師/助教仲裁機制： 設定標準差門檻。當某份作業的評分落差過大（如有人給滿分、有人給不及格）時，系統自動觸發「紅旗警告」，由專家人工介入複審。
學生如何從評估過程中學習
「評審視角」的逆向思考： 批改別人的作業時，學生被迫站在評分者角度審視「好作品」與「壞作品」的差異，內化為自身的評分標準（自我反思）。
觀摩同儕多元解法： 在 MOOCs 的大樣本中，能看到完全不同的切入點，打破自身思維定勢（Mindset）。
情境 B：PBL 同儕互評與量規應用
如何設計適合多階段專題的評分量規
動態組合式量規： 將專題拆解為不同里程碑（Milestones），每個階段套用不同的量規矩陣。
前置期： 評量「問題定義與文獻回顧能力」。
中期： 評量「原型設計、執行力與組內協作（個人貢獻度）」。
後期： 評量「成果完整度、簡報發表與危機處理」。
同儕互評如何改善小組合作與專題品質
抑制社會懈怠（搭便車）： 引入「組內互評」（Peer Evaluation），匿名評量組員的參與度和貢獻度，分數直接與個人總分掛鉤。
同儕壓力轉化為進步動力： 定期（如每兩週）的進度互評，能讓小組看到別組的進度與創意，促使團隊在專題截止前持續優化（Iterative Refinement）。
如何平衡過程評估與成果評估的權重
黃金比例配置（建議 40% vs. 60%）：
過程評估 (40%)： 包含組內互評的合作態度、進度回報、修正紀錄。這部分著重於組員的成長軌跡。
成果評估 (60%)： 包含最終產出、報告品質。由教師、業界專家與跨組互評共同決定。
個人係數修正法： 小組成果總分 $\times$ 個人組內互評得分係數（例如 $0.8$ ~ $1.2$），確保「做實事的人拿高分，擺爛的人得到應有的懲罰」。