Evaluating Cognitive Performance Through Prompt-Based Methods Using LLM in Education
Bloom 認知分類法是教育領域廣泛使用的學習評量框架，但在實際應用中， 判斷學生的回答屬於哪個認知層次（記憶、理解、應用、分析、評鑑、創造）需要大量的人工判斷。 當學生透過 AI 對話進行學習時，如何自動評估其認知表現成為重要的研究課題。
本研究探索使用提示工程（Prompt-Based Methods）方法，讓大型語言模型自動評估教育情境中的認知表現。 透過精心設計的提示策略，引導 LLM 根據 Bloom 認知分類法對學生的回答進行層次判斷。
自動化的認知層次評估讓教師能即時了解學生的思考深度， 不再只是看答案對錯，而是深入分析學生「怎麼想」。 這對於促進高階思維能力的培養特別有價值。
Uedu 正在將 Bloom 認知層次分析整合到 ClassroomGPT 中， 未來教師可以在對話分析面板中查看學生互動的認知層次分布， 了解學生的思考深度，並據此調整教學策略。
前往使用