小金姐姐的咕嚕咪

  設計完《說話故事屋大冒險》的 #規則， 又蓋好說話故事屋、 畫出說話之森的地圖（#背景）之後， 我遇到了下一個問題： 「然後呢？」 孩子知道怎麼玩了， 也知道自己要去哪裡了。 可是，他為什麼要去？ （⬆️這個問題真的很重要❗️） 如果只是告訴孩子： 「接下來請完成20個說話任務。」 那麼， 不管前面蓋了多漂亮的故事屋， 畫了多神祕的森林地圖， 最後還是回到了「完成20課」。 但，我不想寫課本。 坊間說話的教材很多， 不差我這一本。 所以， RPG的第三層—故事（Story）， 就變得非常重要。 因為故事要回答的並非： 「孩子要學什麼？」 而是： 「孩子為什麼非得完成這場冒險不可？」 ⸻ ▪️我必須替孩子找到一個「出發的理由」。 一般教材的開始，常常是： 「這一課，我們要學的是……」 但是RPG不是這樣開始的。 冒險故事裡的主角， 總是因為發生了某件事， 所以不得不離開原來的地方。 可能收到一封神祕的信， 可能發現一張藏寶圖， 可能有一個重要的人不見了， 也可能整個世界正在等待他去完成一件重要的事。 所以我問自己： 「如果孩子是《說話故事屋大冒險》的主角，他 #為什麼 要出發？」 最後，我找到一個答案。 因為： 「#說話之心 沉睡了。」 在說話之森裡， 原本存在著一股很重要的力量。 它讓人願意勇敢開口， 讓人知道怎麼傾聽別人， 讓我們把心裡的想法整理清楚， 也讓我們有勇氣把真正想說的話說出來。 可是，慢慢地， 這股力量變弱了。 有人想說， 卻不敢說。 有人說了很多， 別人卻聽不懂。 有人只顧著說自己的話， 忘了聽別人說。 也有人明明準備得很好， 一站到大家面前， 聲音就不見了。 於是， 「說話之心」漸漸沉睡。 這也成為整場冒險真正開始的原因。 ⸻ ▪️被選中的人， 就是翻開這本書的孩子。 這時候， 我做了一個自己很喜歡的決定： 「我不要另外創造一個主角。」 因為真正的主角， 就是正在讀這本書的孩子。 （⬆️嘿嘿，我覺得我很聰明😆） 所以， 當孩子翻開《說話故事屋大冒險》， 故事不是這樣開始的： 「從前從前，有一個小男孩……」 故事是這樣開始的： 「你，被選中了。」 你收到冒險的邀請， 你拿到《小小冒險家任務護照》。 你推開說話故事屋的大門， 你走進說話之森。 接下來遇見米米、小秒、娜娜、比比、小步…… 這個「#你」很重要。 因為從這一刻開始， 孩子不是站...

  開始寫《說話故事屋大冒險》的時候，我發現一件事： 如果只是把20個說話技巧排成20課， 它是一本教孩子說話的「課本」。 可是，我並不想寫課本。 我希望孩子翻開書的時候，不會覺得： 「今天又要學一個說話技巧了。」 而是希望他們會期待著： 「我要去哪裡冒險？」 ——— 所以，在想好遊戲規則之後，我開始做RPG的第二件事： #建立世界 先有一棟房子，再生出一座森林。 最早出現在我腦海裡的，是一棟房子。 我把它叫做： 「說話故事屋」。 它不是普通的房子喔，它是一棟四層樓的小木屋。 當孩子推開門之後，不是乖乖坐著上課，而是成為「冒險家」，從這裡出發，走進更大的世界——說話之森。 於是，一棟房子開始延伸到村莊、湖泊、溪谷和山丘。 所以我把20個任務安排在四個不同的區域： 第一區：#勇氣村 學習勇敢開口，把話說清楚。 第二區：#閱讀湖與故事島 把讀進去的故事，轉化成自己的話。 第三區：#對話溪谷 學習傾聽、禮貌、情緒與說服，知道說話不只是「我想說什麼」，還包括「別人怎麼聽」。 第四區：#表達山丘 一路往上走，把前面累積的說話能力整合起來，最後能夠自信地分享、主持、摘要與導讀。 任務護照也把四個區域設計成一張完整的冒險地圖，讓孩子並非「完成第1課到第20課」，而是在地圖上一步步往前走。 ——— #為什麼一定要有地圖 因為我希望孩子知道： 學會說話，本來就不是一天可以完成的。 有時候，我們要先學會勇敢開口； 有時候，要學會把腦袋裡亂七八糟的想法整理清楚； 有時候，明明很會說，卻還要好好聽別人說； 到最後，我們才有可能站在大家面前，自信地表達自己。 所以，「說話之森」就是我心裡的一張說話能力成長地圖。 每走過一個地方，孩子得到的不只是新的說話道具而已，還有新的說話能力。 ——— 於是，#20個說話技巧有了住的地方 這也是建立世界觀之後，我覺得最好玩的地方。 原本散落的20個說話技巧，突然都有了自己的位置。 米米、小秒、娜娜、比比、小步住在冒險開始的勇氣村。 接著，小小冒險家走向閱讀湖與故事島，遇見泡泡、波波、粼粼、妞妞和閃閃。 再往前，就到了需要和別人互動的對話溪谷，遇見可可兔、妙妙貓、朵朵羊、爆爆熊和胖胖狸。 最後，才登上表達山丘，跟飛飛鴿、咕咕雞、啾啾燕、奧斯鴕鳥、貓頭鷹班長一起完成任務。 這時候我發現： 場景不只是背景而已，它本身也在說故事。 出發的地點——勇氣村，就...

  有研究生問我： 「小金老師，現在AI可以幫我們找文獻、整理文獻，甚至寫文獻探討了，那我們還需要自己慢慢看嗎？」 當然要啊！ 因為三種寫文獻探討的時代， 我都。經。歷。過。 以前寫文獻探討， 要去圖書館。 那時候圖書館有一格格#書目卡片， 先從卡片裡找資料， 再去書架上一本一本找， 一本一本翻， 看到重要的地方就得抄筆記。 （我大學還修過「圖書館學」！） 後來有了#電子資料庫。 輸入幾個關鍵詞， 相關的專書、期刊論文， 就都跑出來了。 不用再翻書目卡片， 也不用在圖書館裡慢慢找。 方便很多。 可是，找到文獻之後呢？ 還是要一篇一篇看， 還是要自己整理筆記。 現在又不一樣了。 有了AI之後， 它可以幫你搜尋、分類， 摘要、比較， 甚至把不同觀點整理成表格。 以前要花好幾天做的事情， 現在一下子就完成了。 但是， 你還是要自己看文本。 這三個階段，我都經歷過。 ——— 如果要說最大的不同， 我覺得其實只有兩個字， 那就是：#工具。 工具一直在進步， 但做研究需要的能力， 並沒有因此而消失。 #小提醒一：工具改變的是速度，不是判斷 從書目卡片， 到電子資料庫， 再到AI， 我們尋找與整理文獻的速度越來越快。 但是， -這篇研究適不適合放進你的論文？ -研究設計有沒有問題？ -作者的論證是否合理？ -不同研究為什麼得到不同結果？ 這些問題， AI可以協助你， 卻不能代替你做最後的學術判斷。 （因為作者是我們自己， 文責自負。 如果不知道寫出的是什麼， 哪能說自己是「作者」呢？） #小提醒二：AI可以幫你做筆記，但不能代替你理解 就算AI幫你整理出三個重點， 也不代表你真的理解這篇文章。 真正的閱讀，是你知道： （我說的是「真的」知道喔😏） -作者為什麼做這個研究？ -用了什麼方法？ -得到什麼結果？ -這個結果跟我的研究有什麼關係？ 我現在也會用AI整理文獻。 但重要的文獻， 我還是會自己打開來看。 因為文章是AI讀的， 理解才是你自己的。 ——— #小提醒三：省下來的時間，要做更重要的思考 以前我們花很多時間找資料， 後來花很多時間整理資料， 現在AI把這些工作都加速了。 那研究生真正應該做什麼？ 並非可以少做一點研究， 而是把省下來的時間拿去做更重要的事： 比較、質疑、連結、判斷。 從「這篇文獻說了什麼」， 到進一步問： 「所以呢？」 這才是文獻探討真正開始...

有研究生問我： 「小金老師，現在AI這麼厲害，什麼都可以幫忙，那我們還可以做什麼呢？」 我想到《綠野仙蹤》裡的機器人。 機器人很厲害。 他有堅固的身體， 也有很厲害的能力， 可是他最想得到的東西， 是一顆「心」。 我覺得， AI也有一點像這樣。 現在的AI真的愈來愈強大。 可以幫我們找資料， 幫我們整理文獻、做摘要， 可以幫我們檢查與修改文字， 甚至可以協助分析資料， 提出研究問題。 以前要花好幾個小時的事情， 現在可能幾分鐘就做好了。 所以我並不反對研究生使用AI。 相反地，我覺得： 工具變強了， 我們當然要好好使用工具。 但有些事情， 我還是會跟研究生說： 「這個，你要自己來。」 為什麼？ 不是因為AI做不到。 而是因為有些事情， 重要的不只是「把它做完」。 ——— 給研究生的小提醒： 小提醒① #AI可以幫你整理文獻但不能替你決定你在乎什麼 AI可以告訴你這個領域， 有哪些研究缺口。 可是， 為什麼你想研究這個問題？ 是哪一堂課、哪一個學生， 或是哪一次經驗讓你覺得： 「我真的很想弄清楚這個問題。」 這就是研究的起點。 研究問題不只是從文獻出現的， 有時候也是從好奇心來的。 小提醒② #AI可以幫你分析資料但不能替你在乎研究參與者 AI可以幫你整理訪談逐字稿， 幫你分類、編碼， 甚至找出主題。 可是， 當受訪者說了一段重要的話， 你為什麼停下來？ 你為什麼覺得這句話不能只被歸在某一個編碼裡？ 為什麼你想再回頭看看他的前後脈絡？ 那是研究者的敏感度， 也是因為你知道： 你分析的不只是文字， 而是一個人的經驗。 小提醒③ #AI可以幫你把論文寫得更漂亮但不能替你成為這篇論文的作者 AI可以幫你修改句子， 讓文字更通順， 讓結構更完整， 讓邏輯更清楚。 但是最後你還是要問自己： 「這真的是我想說的嗎？」 「如果口試委員問我為什麼這樣，我講得出來嗎？」 因為真正的作者， 不只是產出文字的人， 也是願意為自己的文字負責的人。 ⸻ 所以我覺得， AI很像《綠野仙蹤》裡的機器人。 它愈來愈強、愈來愈快， 當然也愈來愈能幹， 可以陪我們走很遠的路， 也可以幫我們完成很多工作。 可是研究裡最珍貴的東西， 不只是「完成」而已啊！ 還有你的好奇， 你的判斷、你的感受， 你對研究對象的理解， 還有你為什麼非得把這個問題弄清楚不可。 那些地方， 都需要一顆「心」❤️ 所以，在AI時代做...

  有研究生問我： 「小金老師，現在AI可以找文獻、整理資料、分析內容，甚至給學生回饋，那我們還能做什麼？」 我說： 「AI可以幫我們做很多事，但它不能代替我們做決定。」 這個星期整理AI與教育的相關資料， 我清楚感覺到， 其實不必再討論能不能用AI， 因為真正重要的問題是： 我們能不能按照研究目的與教學目的，正確使用AI？ ——— 這裡有三個小提醒，給研究生也給我自己。 #小提醒一：AI能測量不代表AI能理解 拿我的口語表達研究來說， AI擅長辨識「說了什麼」， 也能測量音長、音量與音高等聲音的正確性。 但是， 當它判斷流利性與得體性時， 就必須更加謹慎。 所以， 在進行AI口語研究時， 需要教師、同儕或學習者來覆核。 AI產出的分析結果不是答案， 而是等待查證的資料。 #小提醒二：不要只問AI準不準，還要問它是否符合研究與教學目標 同樣的語速與語調， 放在不同的口語任務中， 可能產生完全不同的效果。 說故事時要有聲音表情， 教學說明時要條理分明， 分享心情時則不能為了追求漂亮的語調， 而失去了自然。 因此， 我在設計AI口語回饋研究時，不能只比較： 「AI的評分和教師的評分是否一致？」 還必須追問： 「AI提出的建議，是否符合這一次的教學目標？」 AI可以測量什麼， 就把什麼放進研究工具。 這樣好嗎？ 我覺得要先確定教學目標， 再決定AI適合在哪裡提供協助。 #小提醒三：研究焦點不要只放在AI給了什麼，更要看學生做了什麼 如果研究流程只是： AI分析 → AI給分 → 學生照著修改 我們只能證明AI可以提供回饋， 卻無法知道學生是否理解。 我更想觀察的是： AI觀察 → 學生反思 → 教師覆核 → 學生決策 → 修改重試 因此，除了前後測分數， 我也會請學生留下： -如何理解AI回饋？ -同意或不同意哪些建議？ -為什麼接受或拒絕？ -根據哪些回饋進行修改？ -重來一次會有什麼改變？ 這些「思考的證據」， 可能比最後進步幾分， 更能說明AI幫上什麼忙。 AI時代的研究， 不只是檢查學生是否使用AI， 而是要看他能不能查證， 能不能判斷、選擇， 甚至批判AI的建議。 老師也是一樣。 真正重要的AI教學能力， 不是「讓AI幫我完成教案」， 而是能夠回答： -為什麼這建議適合我的學生？ -為什麼另一項不適合？ -哪裡根本不應該交給AI？ ——— 所以， 我把A...

  有研究生問我： 「小金老師，如果研究需要有研究參與者，要怎麼讓他們願意認真做，而不只是敷衍了事？」 這讓我想起， 以前教外國學生華語的時候， 有一次課堂上聊到臺灣的統一發票制度。 我跟學生說， 在臺灣買東西有發票， 還可以對獎。 一位外國學生聽完， 立刻問我： 「這個制度太棒了！可是……沒有老闆不開發票嗎？」 哈哈，當然有可能啊！ 可是我後來覺得， 這個制度真的很了不起， （是誰發明的呢？） 政府不可能派稅務員到每家店， 檢查老闆有沒有開發票。 那怎麼辦？ 乾脆讓每一個消費者， 都主動成為稅務員。 而且還不用提醒， 因為大家會記得問： 「老闆，我的發票呢？」 為什麼？ 因為搞不好會中獎啊！🤣 ——— 最近在寫研究計劃， 我發現： 欸，這不就是研究設計嗎？ 在我的研究裡， 需要請師資生一次次錄下自己的口語表達， 再從這些錄音資料中， 分析他們的發音跟口語表達的變化。 但，問題來了。 我要怎麼讓師資生願意一次又一次「認真」錄音？ 這裡想給自己，也給研究生三個小提醒： #小提醒一 ：不要只想「怎麼要求」，要想「為什麼他願意」 最簡單的研究設計當然是： 「這是研究任務，請大家錄音。」 第一次，大家會錄。 第二次，可能也會。 可是如果第三次、第四次呢？ 所以我更想問的是： 錄音這件事，對師資生自己有什麼意義？ 如果他們知道， 這些錄音不只是「交資料給老師做研究」， 而是可以讓自己知道： 「原來我講話這麼快。」 「我的停頓好像變自然了。」 「我現在比較敢開口了。」 那麼，錄音就不只是研究資料。 它同時也是讓師資生看見自己口語表達進步的證據。 #小提醒二：不要一直追著收資料，要把資料蒐集放進學習歷程 如果每一次錄音都要靠研究者另外通知、催交、收檔案， 研究做到最後， 研究者大概比受試者還累。 所以更好的方法， 是讓錄音成為課程的一部分。 第一次錄音，留下起點； 進行口語訓練之後，再錄一次； 完成Podcast任務，再錄一次； 學期最後，再回頭比較Before跟After。 這樣一來，教學活動就是研究歷程，研究資料也會在學習過程中產生。 對師資生而言， 他是在完成自己的學習任務； 對研究者而言， 這些不同時間點的錄音， 可以用來分析師資生口語表達的改變。 #小提醒三：希望學生認真，老師就要先認真 這一點， 是我自己在教學和研究中很深的感受。 我們常常希望學生： 「作業...