Paper Insight Report · 總覽索引

論文解析總覽

生成式 AI 工具融入教學增能研習之行動研究 — 以 Vibe Coding 工作坊為例｜文獻資料庫 20 篇深度解析報告索引

▸ 前往研討會論文工作台（寫作進度表 × 文獻清單 × APA7）

獨立論文

20 篇

已產出報告

20 份

中文／英文

10 ／ 10

缺件

Section A

檔案狀態摘要

1. E3 已補齊，缺件歸零。資料夾原本的 E3 與 E4 是同一份 PDF（md5 相同），內容為 E4 那篇 TechTrends 混合方法研究。真正的 E3〈Artificial intelligence in teaching and teacher professional development: A systematic review〉（Tan, Cheng, & Ling, 2025, CAEAI 8, 100355）已於後續補上並完成解析，原本的 E3E4 合併報告已更名為 E4。建議把資料夾中那個誤放的 E3 檔換成正確的 PDF。

2. 兩位 Tan 不是同一人。E2 是 Tan, Q.（華東師範大學，範疇綜述，TTE 168, 105236），E3 是 Tan, X.（香港教育大學，系統性回顧，CAEAI 8, 100355），同姓、同為 2025 年、主題相鄰，內文標注須依 APA 7 加名字縮寫區隔。另注意：工作台原先的 E2 條目是 Li, K. 等人的 TTE 168, 105219（又是同卷不同篇），若你仍要引那一篇需另行下載。

3. E1 與 E9 檔名相同但內容不同。E9 才是真正的 Vibe Coding 引導框架論文（GAIDE, Song et al.）；E1 的實際內容是 Ellis, Han, & Cook (2025) 的〈Qualitatively different teacher experiences of teaching with generative artificial intelligence〉。建議將 E1 更名以反映真實標題。

4. C6、C8 檔名與內文篇名不符。C6 實際為〈應用 AI 工具於數理資優學生之教學：從現場經驗的反思與建議〉；C8 實際為〈從套裝知識到自主學習：運用生成式 AI 與 OKR 的雙師教學模式〉（「教師的變與不變」係其文獻探討引述張芬芬(2023)之語）。各報告第 1 節均已加註。

5. C3 的 PDF 字型嵌入異常，「教」字在文字層被錯誤映射；已於擷取階段以字元校正還原，內容不受影響。

Section B

C 系列：中文文獻（10 篇）

代號	論文（以內文篇名為準）	作者／年代	研究取徑	樣本	報告檔案
C1	Teachers' agency in the era of LLM and generative AI: Designing pedagogical AI agents 大型語言模型與生成式 AI 時代的教師自主性：設計教學 AI 代理	Lan & Chen, 2024 Educational Technology & Society 27(1)	概念性論文＋設計示範	無樣本（1 案例）	C1 報告
C2	快思慢想：運用 ChatGPT 人機協作深化議題思考之設計與實踐探究	張芝萱, 2025 教育部教學實踐研究計畫成果報告	探索式質性＋前後測	25 位師資生	C2 報告
C3	教育面對生成式 AI 的挑戰與因應：重新定義學習、教學與教育的核心價值	柯尚彬, 2025 臺灣教育評論月刊 14(11)	規範性主題評論	不適用	C3 報告
C4	第一線教師對於生成式 AI 在教育現場應用現況及態度	高宛愉, 年代未明示師友雙月刊 644 期	實務報告＋單組前後測	79 份問卷／14 訪談	C4 報告
C5	生成式 AI 融入探究式學習對程式設計學習成效之影響：以國二 Python 課程為例	關宇亨、張循鋰年代與刊名未明示	前實驗單組前後測（進行中研究，無數據）	40 位八年級生	C5 報告
C6	應用 AI 工具於數理資優學生之教學：從現場經驗的反思與建議（檔名與內文不符）	李美惠、吳巧雯, 2025 資優教育論壇 23(1)	教學實踐反思論述	3 位化名學生案例	C6 報告
C7	「AI と外国語学習」講座での実践成果「AI 與外語學習」講座課程之實踐成果	曾秋桂, 2022 刊名未明示, pp.17–40	教學實踐成果報告	153 位修課生	C7 報告
C8	從套裝知識到自主學習：運用生成式 AI 與 OKR 的雙師教學模式（檔名與內文不符）	謝秉澂, 2025 教育部教學實踐研究計畫成果報告	單組前後測＋課程調查	61 位大學生	C8 報告
C9	日本語教育における言語生成 AI の長短語言生成 AI 於日語教育之優缺點	賴錦雀, 2024 台灣日語教育學報 43 期	論述型回顧＋工具操作示範	6 種 AI 工具輸出	C9 報告
C10	運用 ChatGPT 降低高中生英文寫作焦慮與提升英文寫作能力之行動研究	徐偉哲, 2025 臺灣師範大學碩士論文	行動研究（混合方法）	59 位高三生	C10 報告

Section C

E 系列：英文文獻（10 篇）

代號	論文（以內文標題為準）	作者／年代	研究取徑	樣本	報告檔案
E1	Qualitatively different teacher experiences of teaching with generative artificial intelligence 大學教師以生成式 AI 進行教學的質性差異經驗（檔名誤標為 Vibe Coding）	Ellis, Han, & Cook, 2025 IJETHE 22:33	現象圖學＋交叉表檢定	30 位大學教師	E1 報告
E2	Reimagining teacher development in the era of generative AI: A scoping review 重新想像生成式 AI 時代的教師發展：範疇綜述	Tan, Q., 2025 Teaching and Teacher Education 168, 105236	範疇綜述（PRISMA＋主題分析）	納入 22 篇	E2 報告
E3	Artificial intelligence in teaching and teacher professional development: A systematic review 人工智慧於教學與教師專業發展：系統性回顧（後補齊）	Tan, X., Cheng, G., & Ling, M. H., 2025 Computers and Education: AI 8, 100355	PRISMA 系統性回顧	納入 95 篇／30 國	E3 報告
E4	Generative AI for Teachers' Self-Directed Professional Development: A Mixed-Methods Study 生成式 AI 用於教師自主導向專業發展	Li, Z., Wang, C., & Bonk, C. J., 2025 TechTrends 70:23–38	解釋性混合方法	N=298 問卷／5 訪談	E4 報告
E5	Integrating generative AI into language teacher professional development: SQD 模式一年期縱貫研究	Zhou, Deng, Chan, & Lin, 2025 Professional Development in Education	混合方法縱貫研究	50 位 TCSL 教師	E5 報告
E6	It's a Tool Not a Crutch: A Pilot Generative AI Intervention to Enhance Pre-service Teachers' Self-efficacy and AI Literacy	Meegan & Young, 2025 Technology, Knowledge and Learning 30	探索性質性＋量化前後測	18 位職前教師	E6 報告
E7	Fostering AI literacy in pre-service teachers: impact of a training intervention on awareness, attitude and trust in AI	Bilbao-Eraña & Arroyo-Sagasta, 2025 Frontiers in Education 10	量化準實驗（單組前後測）	60 位職前教師	E7 報告
E8	Pre-service teachers' GenAI anxiety, technology self-efficacy, and TPACK: structural relations with behavioral intention to design GenAI-assisted teaching	Wang, Ruan, Zhang, Fu, & Duan, 2024 Behavioral Sciences 14(5):373	量化橫斷（CFA＋SEM）	N=606	E8 報告
E9	A Guiding Framework for K-12 Teachers in Creating AI-powered Learning Technologies through Vibe Coding GAIDE 框架（本篇才是真正的 Vibe Coding 引導框架）	Song, Choi, Kim, Kim, Weisberg, & Moon, 2026（推估）投稿手稿	設計與發展研究（質性）	N=7（3 教師／4 導師）	E9 報告
E10	From Code-Centric to Concept-Centric: Teaching NLP with LLM-Assisted "Vibe Coding"	Al-Khalifa, 2026 arXiv:2602.01919v1	混合方法課程實踐評估	N=19 大學生	E10 報告

Section D

對你研究最直接相關的三條線索

Vibe Coding 教師培力的直接前身：E9（GAIDE 框架，八週工作坊帶 K-12 教師用 Google AI Studio 做出數學遊戲平台，含 CORDTRA 互動分析與教師 AI 素養四領域轉變）＋E10（把 Vibe Coding 制度化為「合法化生成程式碼＋強制 prompt log＋反思式評量」的評分權重設計）。你的工作坊行動研究若要找「歷程模型」與「評量設計」的引用來源，這兩篇最貼近。
教師增能研習的成效測量與框架：E5（SQD 七面向＋TPACK／SAMR 分層，並提供「替代→增強→修改→重新定義」的一年期位移數據，是行動研究前後對照的現成量尺）、E6 與 E7（AI 素養四構面／覺察-態度-信任三構念的前後測工具與其失效處——倫理與信任面最難撼動）、E8（以 SEM 指出科技自我效能→TPACK 是最強路徑，可作為工作坊設計的理論依據）。
台灣在地脈絡與缺口論證：C4（79 位教師培訓前僅 1% 能精準下提示詞、培訓後升至 39%）與 C2、C8、C10（三份教學實踐／行動研究的實作樣板，含問卷構面與循環設計）。C1（Lan & Chen）則提供「教師無需寫程式即可設計 AI 代理」的立場性論述，可與 Vibe Coding 主張接軌。

使用提醒：C5 為「進行中研究」，全文無任何統計值，引用時不可將其預期結果敘述為實證發現；C4 未載發表年代；E9 無正式出版資訊（推估 2026）。各報告第 1 節與第 9 節均已逐項標註「原文未明示」欄位。E2 與 E3 兩篇回顧可搭配使用：E3 提供 2015–2024 年 95 篇的宏觀失衡證據（教學 65% vs 教師專業發展 35%），E2 則深入 22 篇生成式 AI 時代的實證研究並歸納七項成效指標。