講題：「運算紮根理論的取徑：主題建模技術於質性研究之應用」

摘要：近年來，有關人工智慧輔助質性分析的討論和應用日漸增多，尤其是自然語言處理領域所發展的技術，可協助教育研究者在短時間分析大量的語言資料。其中，主題建模技術（topic modeling），如：Latent Dirichlet allocation、BERTopic等，可結合過去質性研究學者熟知的紮根理論研究法，由大量語言資料中尋求相似主題或重複出現的語意內容，新興研究法—運算紮根理論（computational grounded theory）也應運而生。運算紮根理論研究法強調利用運算模型自動進行資料分析，降低傳統質性研究中人為編碼和分析的主觀程度。而且運算紮根理論方法可整合質性和量化分析，通過運算模型的支持，可以同時捕捉資料中的質性訊息和量化特徵，並適當結合人類和機器以相互分配資料進行分析，在科學教育研究中達到互補的效益。然而，主題建模分析如何在不同的質性分析階段中提供有效幫助？如何建立整合人類和機器分析結果以保持分析的深度和品質？本專題演講中，將用實際的科學教育研究為例，說明主題建模技術應用於質性研究分析的潛力和挑戰。

講題：「教育研究中的AI技術應用：開發、分析與實務」

摘要：在現代教育研究中，人工智慧（AI）技術的應用日益重要，能有效提升素養評量、學生認知分析以及研究資料處理的效能與品質。首先，本演講將說明大學生 AI 素養評量工具的開發歷程，探討此工具在當前教育環境中的重要性。接著，將分享質性研究的成果，深入探討大學生對 AI 在學習過程中的應用認知，並利用該工具分析這些認知如何影響學生的 AI 學習態度與學業表現。此外，還將介紹 AI 技術在分析大量學生學習資料中的應用，例如結合布魯姆教育目標分類學（Bloom's Taxonomy）的實作案例，說明如何有效運用 AI 技術來深入理解教師回饋與學生學習行為之間的關聯性。同時，進一步說明人工智慧代理人（AI Agent）的開發與應用，探討其在教育研究中的具體實踐。將舉例討論 AI 在質性研究中的編碼應用，展示其如何簡化並加速資料編碼流程，以提升質性研究的效率和準確性。接下來，將探討 AI 在系統性文獻回顧中的應用，展示如何利用 AI 技術進行資料的系統性整合與分析，並透過實際案例說明 AI 在提升研究品質與效率上的潛力。最後，提醒研究者在學術和教育中使用 AI 工具時，需謹慎遵循相關的倫理規範。

講題：「透過程式學習程式的時代 – ChatGPT對程式教育的革新和挑戰」

摘要：數位化時代下，程式教育的重要性不斷被突顯。然而，程式語言具有開放性且極具彈性，過去許多協助程式教育的工具和系統僅能有限度地協助學生學習。橫空出世的生成式 AI 代表作「ChatGPT」展現了令人驚嘆的自然/程式語言處理能力與知識涵量，突破了過去的限制，為程式教育帶來了前所未有的巨大增進潛力。ChatGPT 在程式教育中，無論是提供內容、除錯、改進、評估、實作、或創造程式方面，都已表現得與真人幾乎無異。而且，它能依據初學者、熟練者、教師及專業職業等不同知識等級的角度給予回應，完整地支持學生進行自主學習。這意味著，我們即將進入透過程式學習程式的時代。本專題演講將以 ChatGPT 融入程式課程為例，討論程式教育的革新、潛在挑戰，以及參考策略，以期師生皆能發展運用人工智慧的「智慧」。