📊 4C 學習成效即時評量平台 AI EMPOWERED · ZERO BACKEND

AI 賦能學習生態 · 純前端零後端|學生作答即時寫入資料區,統計與成效分析同步生成

PROJECT SYSTEMS · 即時評量平台

4C 學習成效即時評量

以「批判思考・溝通協調・團隊合作・創新創造」為主軸,橫跨心智圖 → IPO 分析 → Python 編碼三面向。作答即存入網頁前端資料區,統計與報告即時生成——最快蒐集、零等待。

最快蒐集

作答送出即寫入前端資料區,統計同步更新,無須匯出或等待後端。

🗂
前端資料區

答案直接存在瀏覽器(localStorage),只存分數、資料量小,可匯出 JSON/CSV 備份。

🎯
4C × 三面向

12 核心題+4 教學成效題,產生熱力圖、雷達圖、信度與即時趨勢。

🔌
零後端 · 離線可用

單一 HTML 檔,雙擊即用,無安裝、無帳號、無網路依賴。

AI · EMPOWERED LEARNING

AI 賦能學習生態

以 AI 輔助自學、專題創作與成效評量,串連四步驟教學:心智圖 → IPO → Python → 應用模擬。

🧭 教學模式:先思考、後驗證(Think-Then-Verify)

本平台之教學設計依據準實驗研究實證:以學生自主推理為主體(約 70%),AI 作為「驗證夥伴」而非解答提供者(約 30%),維護學習者認知主體性。

1
問題定義與分解IPO 框架+心智圖,降低認知負荷
2
AI 賦能驗證與除錯先自行解題,AI 驗證邏輯、引導精煉
3
應用模擬與專案多媒體腳本、情境化專案開發
4
反思評量與遷移4C 自評、同儕互評、能力遷移

運作流程

1
學生作答網頁填 16 題自評
2
寫入資料區直接存於前端(只存答案)
3
即時統計圖表與趨勢同步生成
4
報告建議自動產出成效報告

學習成效自評問卷

1=非常不同意,5=非常同意。共 16 題,約 3 分鐘。送出即存入前端資料區。

僅填學號後 4 碼,保護隱私並作為前後測配對依據

🗂 前端資料區

所有作答答案即時儲存於此(瀏覽器本機)。此資料區是統計分析的唯一資料來源。

0 筆作答
💾 本機即時儲存

☁ 雲端收集區後端(總表+分類分頁版)

「收集區」總表存全部作答,含「資訊背景/測驗階段/電腦自我效能」欄位;同筆同時鏡射到「資訊相關/非資訊相關/未分類」分頁。統計只讀總表,分頁供分別檢視。若 Drive 沒出現試算表,多半是未先授權,請務必先執行一次 setup()

  1. 貼入 script.google.com 新專案並儲存。
  2. 先「執行」一次 setup():完成授權並建立試算表「4C評量收集區」(含「收集區」總表+資訊相關/非資訊相關/未分類三個分頁)。
  3. 部署 → 新增部署作業 → 網頁應用程式;執行身分:我誰可以存取:任何人
  4. 複製 /exec 網址,貼到本檔頂端 COLLECT_URL(目前已填入你的網址)。
  5. 日後若改後端程式,需「管理部署作業 → 編輯 → 版本:新版本」重新部署才生效。
  6. 若欄位錯位(混到舊版資料):在編輯器執行一次 reset(),會清空舊資料並重建對齊的標頭(總表 20 欄、分頁 19 欄)。

介面:doPost 寫入總表 {ts,sid,group,bg,stage,se,scores[16]} 並鏡射分類分頁;doGet 只讀總表回傳同結構。前端統計、前後測效果量、自我效能調節與分組比較自動沿用。

⚡ 快速批次輸入

老師可逐列鍵入紙本答案:填完一列按 Enter 或「新增」即存入資料區,游標自動回到第一格,連續輸入最快。

每格輸入 1–5;空白或非 1–5 將被忽略。

資料明細

📈
資料區尚無作答。請至「學生作答」填答、用「快速批次輸入」鍵入,或於「前端資料區」載入示範資料。
📝
資料區尚無作答資料。
AI · EMPOWERED LEARNING

AI 賦能學習生態

以 AI 輔助學生自學、專題創作與評量回饋,讓四步驟教學(心智圖 → IPO → Python → 應用模擬)在 AI 的協作下加速深化。

🤖 AI 賦能學習平台 🧠 智慧專題創作 📊 4C 成效評量 🤝 師生協同回饋

課程專屬平台

AI 賦能學習生態的三大入口(網址由教師於檔案頂端 COURSE_PLATFORMS 設定)。

HISTORICAL TREND · 歷史成效

📈 趨勢分析|歷史學習成效

整合「運算思維課程學習調查問卷」前測—後測歷史資料(已內嵌),依學號配對統計歷史成效與趨勢。此層為歷史基準,與上方「即時統計」分流——即時分析持續反映現況時效性。

歷史成效關鍵指標

四構面前測 → 後測(配對樣本效果量)

📈 歷史成效時間趨勢

依填答時間累積之整體運算思維平均走勢(前測、後測分流),呈現歷史成效的時序變化。

累積平均走勢(前測 vs 後測)

構面前後測雷達

前測 後測

分時段歷史成效

🕒 現況即時對照(縱貫趨勢)

將「歷史前測 → 歷史後測 → 現況即時(4C 平台)」置於同一軸,呈現整體 1–5 自評的縱貫走勢;即時統計分頁仍只反映現況。

實線=同量表(運算思維 前→後測) · 虛線=跨量表參照(對照即時 4C,僅供縱貫示意) · ● 歷史 ○ 現況即時

🔄 即時配對統計(4C · 現況)

目前即時 4C 資料依「學號後 4 碼」配對之前後測效果量,隨作答/同步即時重算;與上方歷史基準分流,保有現況時效性。

🔔 配對缺口與提醒

即時比對前後測「學號後 4 碼」,列出待補學生方便提醒(僅顯示後 4 碼,保護隱私)。

📌 研究限制(主客觀)

客觀限制:①單組前後測、無對照組——成熟、測驗、歷史效應無法排除,成長不宜逕作課程之因果結論;②樣本與流失——後測回收與可配對數偏少,檢定力與代表性受限,且可能有流失偏誤;③自陳量表——測得為「自我知覺」之能力提升,非客觀表現;④即時 4C(12 題)與歷史運算思維(16 題)量表構面不同,併入僅限整體 1–5 層級。
主觀/教學實務限制:①課堂施測時間有限、學生自願填答,可能有社會期許共同方法偏誤;②單一教師、單一班級脈絡,外推需審慎;③後測平均偏高時恐有天花板效應;④教學介入為整體課程,難以分離單一教學元素之貢獻。
建議於論文「研究限制與未來研究」段落據實陳述上述各點,並一併報告效果量、95% 信賴區間、無母數(Wilcoxon)與多重比較(Holm)校正結果,以提升可信度。

⬇ 歷史整合資料下載

本分頁所用之運算思維前後測整合資料(已內嵌、清理並依學號配對),可匯出備份或另作分析。

🏠 返回入口頁 AI 賦能教學