「AI與外語學習」講座課程之實踐成果——為了培育AI時代所需跨域升級技能

論文基本資訊

精簡摘要與研究框架

本文是淡江大學外國語文學院通識講座課程「AI 與外語學習」（2 學分、一學期、18 週、13 位講師協同授課）第二次開設（110 學年度）的教學實踐成果報告。作者主張在後疫情「新常態」與 AI（Artificial Intelligence，人工智慧）、DX（Digital transformation，數位轉型）的時代潮流下，外語學習傳統的 5 項基礎技能（讀、說、聽、寫、譯）之外，必須再加上「AI 思維力」與「AI 技術應用力」，以提升學習者的就業競爭力；第二年因此把「APP 製作發表」新增為成績評定項目之一。作者以四項指標檢核學習成效：PED（Performance Engagement Diagram）所呈現的每週學習狀況、學期成績分布、APP 製作發表與競賽成果、以及用 AI 技術（KH Coder 詞頻與共起網絡、文字雲、情感分析）解析期末報告。結果顯示登錄 160 名、最終 153 名修課生的平均成績 76.3 分，80 分以上者 97 名（約 65%），作業平均完成度 82.1%，期末報告情感分析總平均 0.778，34 名學生分 5 組完成跨系 APP 作品。作者據此認為教育目標已達成，並提出 4 項今後課題。

研究框架

• 本文屬「單一課程、單一學期」的教學實踐報告（practice report），採取「教育目標設定 → 課程介入 → 多指標成效檢核 → 課題反思」的敘事框架，並非假設檢定式的實證設計。
• 介入項（可視為自變項性質的課程設計變動）：在第二次開設時新增「APP 製作發表」為成績評定項目，並前置 3 次 APP 技術支援（構想作業、PowerApps 初體驗、發表前工作坊）。
• 成效項（可視為依變項性質的檢核指標）共 4 項：PED 象限分布、學期成績、APP 製作發表與競賽成果、期末報告的 AI 文本／情感分析。
• PED 以 X 軸「表現」（Performance）、Y 軸「參與」（Engagement）構成座標平面，一點代表一位修課生，愈集中於右上第一象限即代表學習成效愈好——這是本文最主要的可視化分析架構。
• 研究並未設置對照組、前後測或統計檢定，亦未報告任何信度係數與效果量；四項指標皆為描述統計與質性觀察（原文未明示任何顯著性檢定）。

研究動機與研究目的

研究動機

• 後疫情「新常態」（New Normal）成為常態：作者撰稿時點為 2022 年 4 月，台灣疫情持續擴大，如何面對新常態成為高等教育的急迫課題。
• 國家政策的推力：行政院第十一次全國科學技術會議（2020.12）報告書提出「五大新常態 STEEP」（Society、Technology、Economy、Environment、Politics）與「台灣 2030——創新、包容、永續」願景，其中與高教關係最深的科技面向即為 AI 與 DX 的推進；教育部「111 學年度素養導向高教學習創新計畫」被視為回應新常態的一環。
• 外語人才培育的技能缺口：傳統外語學習只重讀、說、聽、寫、譯 5 項技能，缺少「AI 思維力」與「AI 技術應用力」，難以支撐就業競爭力，故有必要透過與 AI 的跨域協働加以補強。
• 第一次開課的未完成任務：109 學年度首次開設時，僅以 3 項指標（PED、學期成績、以 AI 技術解析作業）檢核，已達成「兼具 AI 與 HI（Human Intelligence）的外語人才 2.0」目標（曾秋桂 2021）；第二次開設則進一步把目標推向「AI 時代所需跨域升級技能」，並新增 APP 製作發表作為評定項目，其成效仍待檢證。

研究目的／研究問題

原文未以「研究問題」編號列出，以下依第 1 節（はじめに）與第 5 節（おわりに）明示的四項檢核點保留其原始順序與名稱。

1. 報告以「APP 製作發表」為新增成績評定項目的第二次「AI 與外語學習」講座課程之實踐結果（本文自述：「本論文は、成績評定として新たに APP 制作発表に焦点を当てて…実践した結果を報告したものである」）。
2. 「根據 PED 檢視學生的學習成效」——以每週可視化的表現／參與座標檢核修課生學習狀況。
3. 「根據學期成績檢視學生的學習效果」——以出席 10%、感想文與課堂參與 50%、期末報告 40% 之配分結果檢核。
4. 「根據 APP 製作和發表成果檢視學習效果」——以發表會及競賽的參與組數、跨系組成、評審評語檢核跨域協働成效。
5. 「以 AI 技術解析學生期末報告」——以詞頻、共起網絡、文字雲、情感分析檢核修課生的主觀感受與滿意度。
6. 綜合上述四點判斷「AI 時代所需跨域升級技能」之教育目標是否達成，並整理今後課題。

文獻探討大綱

• 一、政策與時代背景文獻（第 1 節）
  • 行政院第十一次全國科學技術會議報告書（2020.12）與「五大新常態 STEEP」、「台灣 2030——創新、包容、永續」——論證角色：為課程開設建立國家政策層級的正當性，把 AI／DX 定位為高教必須回應的科技課題。
  • 教育部「111 學年度素養導向高教學習創新計畫」徵件須知；淡江大學獲補助案「涵育永續力：揚帆人文與社會科學教育之新旅」——論證角色：說明本課程得以延續至 111 學年度的制度支撐。
• 二、AI 技術與日語／外語教育接軌的系列研究（落合由治 2019–2020，共 8 篇）
  • 「AI 研究の基本的方向性」、「AI の技術的発展と日本語教育研究との接点」——論證角色：為「外語人才需要軌道修正與擴大」提供學科內部的理論鋪墊。
  • 「テキストマイニング技術の応用と発展可能性」、「日本語教育における AI の自然言語処理の応用」——論證角色：支撐本文用 KH Coder、詞頻與共起網絡分析學生文本的方法正當性。
• 三、科技輔助自主學習與疫情下的學習策略（中文文獻群）
  • 柯志恩（2021）後設認知理論對線上自主學習的啟示；謝為任（2022）後疫情時代科技輔助自主學習策略；楊語承等（2020）科技輔助自主學習——論證角色：呼應疫情脈絡下以平台（iClass）支撐自主學習的課程設計。
  • 林堂馨（2018）以自主學習為主的大學能力本位課程設計——論證角色：為「以能力（技能）為導向」的課程規劃提供參照。
• 四、跨域課程與大型講座課程的規劃與成效（中文文獻群）
  • 邱秀香、周兆儀（2021）大型講座課程規劃與施行成效——論證角色：本課程為 160 人規模的大型講座課程，提供同型課程的比較基礎。
  • 葉興華（2021）以跨域課程促進自主學習；謝如梅（2020）跨域團隊創意實踐與自主學習的挑戰——論證角色：支撐「跨域組隊協働」作為課程核心設計的合理性。
• 五、APP 與使用者經驗
  • 林賢才、邱文靖（2015）APP 遊戲使用者愉悅性要素之分析——論證角色：與「APP 製作發表」及評審 4 項評分標準（獨創性、專業技術、使用便利性、整體品質）的品質關切相互呼應。
• 六、自然語言處理與情感分析的技術基礎
  • 小町守監修等（2018／初版 2016）《自然言語処理の基本と技術》——論證角色：課程技術內容（機器學習、深度學習、文字處理）與 word2vec、KH Coder 教學單元的知識來源。
  • 凃育婷（2020）《基於順序遷移學習開發繁體中文情感分析工具》（國立臺灣大學資訊管理學研究所碩士論文，見腳註 14）——論證角色：本文中文情感分析分數（-1～+1）的工具依據。
• 七、作者自身前作
  • 曾秋桂（2021）「AI の学習効果についての一考察——「AI と外国語学習」の授業を中心に——」——論證角色：第一次開課的成效報告，本文明確定位為其延續與升級（由 3 項指標擴增為 4 項、由「外語人才 2.0」推進到「跨域升級技能」）。
• 八、核心理論／模型的使用情況
  • 本文未採用 TAM、TPACK、ARCS、SQD、SDT 等既有理論模型（原文未明示任何理論框架）。實際承擔框架功能者為三個自創或校內既有概念：PED（Performance Engagement Diagram，淡江大學資訊中心 109 學年度開發之可視化圖表）、「AI＋HI 兼備的外語人才 2.0」、以及外語 5 技能加上「AI 思維力／AI 技術應用力」的技能擴充論。結論另提及應導入「設計思考」（Design Thinking）重新檢視教師角色，但僅止於提議，未展開理論說明。

研究方法介紹

研究取徑

單一課程的教學實踐報告，結合描述性量化資料（成績分布、平台使用紀錄、作業完成度、情感分析分數）與質性資料（評審評語、學生發表感想、期末報告文本），屬「課程實施＋多指標成效檢核」的混合式敘述取徑。無對照組、無前後測、無推論統計。

研究（課程）設計

• 課程定位：淡江大學外國語文學院通識課程「AI 與外語學習」，2 學分、一學期、18 週的講座（協同授課）課程；110 學年度為第二次開設，開放全校各學院學生修習。
• 師資編成：13 位講師（校外 1 位、校內 12 位，其中 7 位來自其他學院）。前半段由 7 位資訊處理領域的工程背景教師授課（機器學習、深度學習等概念與遊戲式體驗）；第 9 週期中考後的後半段由 5 位曾在 AI 相關國際學術會議發表論文的語文教師授課，傳授應用經驗。
• 教學介入的新增項：把「APP 製作發表（發表會及競賽）」列為成績評定項目之一，並前置 3 次支援活動——第 1 週說明趣旨與進度、第 1 次作業「AI 與外語學習用 APP 製作構想」、第 11 週由資管系魏世杰老師指導「PowerApps 初體驗（實機操作）」、發表前一週由張瑞麟講師主持「應用 AI 技術進行 APP 製作實務」工作坊。
• 作業設計：15 週講義之外另有課後作業 3 個主題（「AI 與外語學習用 APP 製作構想」、「如何升級外語人才」、「成為兼具 AI 與 HI 的時代寵兒」）與期末報告「回顧與反省」；15 週中約 2 週進行 KH Coder 與 PowerApps 的實機操作體驗。

對象與抽樣

• 非抽樣，為全班普查（course census）。登錄 161 名，其中 1 名為旁聽助理，故履修登錄者為 160 名；第 9 週期中考後有 7 名辦理停修（日文系 2、英文系 2、俄文系 1、公共行政 1、電機 1），最終以 153 名 為學期成績評定對象。
• 學院分布（原文所列）：文學院 17 名、理學院 1 名、工學院 9 名、商學院 25 名、外語學院 101 名、教育學院 5 名；外語學院約占 6 成，涵蓋淡水校園 7 學院中的 6 個（排除以研究生為主的國際學院）。
• APP 發表會及競賽參與者：153 名中的 34 名（約 2 成強），分為 5 組。
• 期末報告 AI 解析對象：提交「回顧與反省」期末報告的 136 名（提交期間 2021 年 9 月 21 日至 2022 年 1 月 12 日）。

資料蒐集工具

• PED（Performance Engagement Diagram）：淡江大學資訊中心 109 學年度開發，依學生上傳至「iClass 學習平台」的資料，每週把學習狀況與成效可視化為表現／參與座標圖；110 學年度改良為可點選單點顯示該生姓名與所在象限。
• 「iClass 學習平台」後台紀錄：訪問時間（使用時間）、使用次數、任務完成度。
• 學期成績：出席 10%、感想文與課堂參與 50%、期末報告 40%。
• APP 競賽評分表：5 位教師評審（技術系陳建彰、魏世杰；語文系落合由治、江雯薰、葉夌），就「獨創性」、「專業技術」、「使用便利性」、「整體品質」4 項以百分制評定，依總分排出前 3 名。
• 學生文本：期末報告「回顧與反省」136 份、發表會現場感想。

資料分析方法

• PED 象限分布的目視判讀（觀察各週點位是否往第一象限集中）。
• 成績的描述統計：平均 76.3 分、最高 100 分、最低 0 分，並依 60 分以下、60–69、70–79、80–89、90 以上分組計數。
• 平台行為統計：全體累計使用 63,647 次、單人最高使用次數 1,303 次、單人最高使用時間 83 小時、任務平均完成度 82.1%。
• 文本探勘：以 KH Coder 類型的工具產出詞彙登場順序（表 3）、共起網絡群集分析（圖 6）、文字雲（圖 7）；課程另教授 word2vec 的文本分析應用（第 18 週）。
• 情感分析：以繁體中文情感分析工具（依據凃育婷 2020）計算 positive／negative 二值極性，值域 -1 至 +1，總合平均情感分析分數為 0.778。

信效度處理

原文未報告任何信度係數（如 Cronbach's α）、評分者間一致性係數或效度檢驗程序。可辨識的品質保障作法有三：其一為評分規準的多元化（4 項評分向度）與評審的跨領域組成（技術系 2 位、語文系 3 位），文中稱 5 位評審對未入圍 2 組的評價「見解一致」；其二為多重資料來源的三角檢核（PED、成績、APP 成果、文本分析 4 項指標交叉印證）；其三為情感分析工具引用既有碩士論文之開發成果作為依據。除此之外，效度議題（原文未明示）。

研究流程（表格）

條列式研究流程

1. Step 1：延續首次開課成果，把教育目標升級為「培育 AI 時代所需跨域升級技能」，並新增 APP 製作發表為成績評定項目。
2. Step 2：編成 13 位跨院講師與 18 週課程架構，前半由技術教師授課、後半由語文教師接棒。
3. Step 3：建置以 iClass 學習平台為核心的作業與上傳體系，並安排 KH Coder、PowerApps 實機體驗，讓 PED 得以每週自動可視化。
4. Step 4：以 3 次前置支援（構想作業、PowerApps 初體驗、製作實務工作坊）降低人文學科學生的技術門檻。
5. Step 5：於第 16 週舉行 APP 成果發表會暨競賽，34 名學生分 5 組上台，由 5 位跨領域評審以 4 項向度百分制評定並排名前 3。
6. Step 6：以 PED 象限分布、學期成績分布、APP 成果、iClass 行為紀錄等描述性資料檢核學習成效。
7. Step 7：對 136 份「回顧與反省」期末報告施以詞頻、共起網絡、文字雲與情感分析，取得總平均情感分數 0.778。
8. Step 8：綜合四項指標判定教育目標已達成，並提出 4 項今後課題作為下一輪開課的改善依據。

研究議題與討論重點收斂

議題一：PED 可視化能否反映學習狀況並支援教學介入

發現摘要：PED 以 X 軸表現、Y 軸參與構成座標平面，一點代表一位修課生；起初學生的學習狀況與成效分布離散，隨課程推進，多數修課生逐漸集中於右上第一象限（圖 1）。110 學年度 PED 經改良後，點選任一點即可顯示該生姓名與其表現／參與交會的象限（圖 2）。

作者詮釋：學生動機提高、積極投入本課程；對授課者而言，PED 可每週掌握學習狀況並施以 coaching（教練式指導），「大変便利」。

與過往文獻的關係：作者僅與自身前作（曾秋桂 2021，同以 PED 為指標）形成延續性一致，未與外部文獻對照，亦未討論 PED 指標的建構效度（原文未明示）。

議題二：學期成績分布所反映的課程接受度與風險群

發現摘要：全 160 名修課生平均 76.3 分、最高 100 分、最低 0 分；60 分以下 21 名、60–69 分 10 名、70–79 分 32 名、80–89 分 54 名、90 分以上 43 名。80 分以上者為 153 名中的 97 名，約占 65%。未繳期末報告（占 40%）的 24 名（含 7 名停修者）幾乎都落在 21 名不及格者之中。

作者詮釋：80 分以上者達約 65%，可見「AI 與外國語學習」是一門獲得修課生好評的課程。

與過往文獻的關係：文中未與大型講座課程成效研究（如邱秀香、周兆儀 2021）作數據對話，僅在參考文獻層次相關（原文未明示）。

議題三：平台學習行為顯示的投入程度

發現摘要：160 名登錄者累計使用 iClass 63,647 次；最高使用次數紀錄為單人 1,303 次，最高使用時間紀錄為單人 83 小時，且全體修課生的訪問次數幾乎都達 3 位數；18 週所有作業與任務的平均完成度達 82.1%。

作者詮釋：這些數據顯示修課生對本課程的熱心度，可判斷學生積極展現高度關注。

與過往文獻的關係：與「科技輔助自主學習」文獻群（楊語承等 2020、謝為任 2022、柯志恩 2021）方向一致，但本文未進行明確比較（原文未明示）。

議題四：APP 製作發表是否真能促成跨域升級技能

發現摘要：153 名中 34 名（約 2 成強）分 5 組參賽；成員橫跨德文、俄文、法文、日文、西文、資工、資管、資訊通信、資圖、數學、教育科學等系；4 組使用 Microsoft PowerApps、1 組使用 Python。第 1 名為第 4 組「LearnEng AI 語學」（資管系 3 名，以 Python 製作，評語為實用且技術熟練、具洞察力）；第 2 名第 1 組「Travel Helper」（10 名跨 6 系，附聊天機器人，僅以 0.5 分之差落居第二）；第 3 名第 2 組「日本文學輕旅行」（9 名，日本文學聖地巡禮資訊豐富，但補充資料的提供技術仍待加強）。另有第 3 組「Daily Language」（多語發音檢核與情境沉浸會話）與第 5 組「水果與人臉情緒辨識 APP」（辨識功能有趣，但與語言學習／語言教育的關聯應更緊密）。

作者詮釋：從 5 組成果可知，實施 APP 製作對跨域技能升級「相當有幫助」，因為它成為引出修課生難以估量之潛在才能的契機；並認為只要不同專業的學生互相協働，便可望達成跨域升級與開拓未來的協作。對人文學科學生製作 APP 仍有困難一事，作者刻意不強制全員參加，改以「參賽者免繳期末報告」作為替代誘因。

與過往文獻的關係：與跨域團隊創意實踐的挑戰（謝如梅 2020）、以跨域課程促進自主學習（葉興華 2021）在議題上相通，但本文未明確引述比對；值得注意的矛盾點在於，冠軍組為單一資管系 3 人組（技術同質團隊），與「跨域組隊才能升級技能」的主張並不完全吻合，作者對此未加討論（原文未明示）。

議題五：以 AI 技術解析期末報告所揭示的學生主觀經驗

發現摘要：136 份「回顧與反省」期末報告的詞頻排序中，「AI」出現最多，其後依序為「我們」、「能」、「可以」、「未來」、「課程」、「老師」，再接續「人工智慧」、「app」、「科技」、「程式」。共起網絡群集分析顯示「AI」、「我們」、「能」、「更」、「老師」、「課程」構成同一群組；文字雲亦顯示由「老師」引導、推進的「AI」「學習」為「我們」開啟各種可能性。情感分析總合平均分數為 0.778（極性值域 -1 至 +1），作者稱為其歷來應用 AI 技術做情感分析經驗中的最高分。

作者詮釋：詞頻結果與本課程欲打造的特色相符；在 AI 時代，透過「老師」安排的「AI」「課程」讓「我們」擁有各種可能性、「更」能適應時代，是重點所在；0.778 的分數說明敘述性回答為肯定的，也可理解為修課生對本次修課感到滿意。

與過往文獻的關係：方法上承接落合由治（2019、2020）系列關於文本探勘應用於日語教育的主張，工具依據為凃育婷（2020）的繁體中文情感分析工具；但作者所謂「歷來最高分」缺乏可比較的基準值與樣本說明（原文未明示）。

議題六：AI 時代教師角色的再定位

發現摘要：學生感想顯示強烈的成就感與跨域協働經驗（第 1 組表示原本毫無自信、猶豫是否參加，最終與組員從零完成並上台發表而深感成就；第 2 組表示能應用 AI 技術與其他專業的修課生合作完成跨域 APP「宛如夢境」而感動）；同時共起網絡也顯示「老師」與「課程」、「AI」、「我們」同群。

作者詮釋：在教師逐漸被定位為「進行良好教育活動」的存在（而非「灌輸」或單純「支援」的存在）之際，應嘗試導入設計思考（Design Thinking），站在使用者（學生）視角、貼近修課生以催生創新。

與過往文獻的關係：此處的依據為一則網路文章（腳註 15），非學術文獻；設計思考亦未與課程設計理論對話（原文未明示）。

未來研究缺口

作者明示的今後課題（第 5 節「おわりに」，共 4 點）

1. 課程大綱（syllabus）的調整：若要求全體修課生都完成 APP 製作與發表，至少必須再增加約 2 次 APP 技術指導單元。
2. 動機支援（動機づけ支援）：需設計機制讓修課生主動參與 APP 製作與發表，而非僅有 2 成強的學生參賽。
3. APP 製作內容鬆綁：不限於語言類，應自由化；作者建議仿效日本言語處理學會「AI 王～猜謎 AI 日本第一決定戰～」的競賽形式，以各國國情相關的猜謎為題材，擴展各語言問答（QA）系統的製作，以此連帶提升參與動機。
4. 教師角色的重新檢視：導入設計思考，站在使用者視角貼近學生，讓創新得以產生；並以「充分發揮本講座課程的跨域衝擊力」為今後課題。

延伸判讀（分析者判斷，與作者明示課題明確區隔）

值得引用的段落句子

原文為日文本文，以下「原文句子」欄照錄日文原句（已還原 PDF 擷取造成的斷字與空白）；出處欄採論文印刷頁碼。

值得延伸閱讀的論文

以下 10 筆全部取自本論文文末「參考文献」清單或腳註實際引用之文獻，未作任何虛構補充；APA 7 格式中的日文／中文書目依原文著錄資訊轉寫，缺漏之出版資訊（如出版地）依原文未列而省略。

1. 曾秋桂（2021）。AI の学習効果についての一考察——「AI と外国語学習」の授業を中心に——。淡江日本論叢，43，114–133。
   為何值得讀：這是「AI 與外語學習」第一次開課（109 學年度）的成效報告，說明了 3 項檢核指標與「AI＋HI 兼備的外語人才 2.0」目標的原始設定。｜與本論文的關係：本文的直接前作，兩篇合讀才能看出教育目標由「外語人才 2.0」升級到「跨域升級技能」、指標由 3 項擴增為 4 項的演進軌跡。
2. 落合由治（2020）。AI 技術からみた日本語学、日本語教育研究の展望と課題——日本語教育の繋がりと協働の新領域をめざして。日本語敎育硏究，50，23–34。
   為何值得讀：從 AI 技術視角系統性盤點日語學與日語教育研究的展望與課題，是本課程理念的學科論述基礎。｜與本論文的關係：作者為本課程後半段語文教師之一，也是 APP 競賽 5 位評審之一，其論述構成本課程「語文＋AI」設計的理論背景。
3. 落合由治（2020）。日本語教育における AI の自然言語処理の応用——教室で利用できるアプリケーションを活かして——。台灣日語教育學會，34，76–105。
   為何值得讀：聚焦「教室可用的應用程式」，把自然語言處理落地到教學現場，實作導向明確。｜與本論文的關係：本課程要求學生製作語言學習用 APP，本篇提供了「教室應用」層面的先行討論。
4. 落合由治（2019）。AI の技術的発展と日本語教育研究との接点——人材育成方向の軌道修正と拡大のために——。台灣日本語文學報，45，76–101。
   為何值得讀：直接論述 AI 技術發展對「人才培育方向」的軌道修正需求，與本文的技能擴充主張同源。｜與本論文的關係：為本文「5 技能＋AI 思維力＋AI 技術應用力」的擴充邏輯提供論證前提。
5. 落合由治（2020）。テキストマイニング技術の応用と発展可能性の探究——日本語教育および日本関係人文社会系研究との連繋と協働をめざして——。台灣日本語文學報，47，49–74。
   為何值得讀：完整說明文本探勘在人文社會研究中的應用與發展可能。｜與本論文的關係：本文對 136 份期末報告所做的詞頻、共起網絡與文字雲分析，方法論上即屬此一路線。
6. 小町守（監修）、奥野陽、グラム・ニュービッグ、萩原正人（2018／初版 2016）。自然言語処理の基本と技術。翔泳社。
   為何值得讀：日文入門定位的自然語言處理教科書，可補齊本文提及的機器學習、深度學習、word2vec 等技術背景。｜與本論文的關係：本課程技術單元（AI 文字處理、word2vec 文本分析應用）的知識基礎讀物。
7. 凃育婷（2020）。基於順序遷移學習開發繁體中文情感分析工具（未出版之碩士論文）。國立臺灣大學資訊管理學研究所。https://hdl.handle.net/11296/er7s7w
   為何值得讀：說明繁體中文情感分析工具的開發原理與極性計分方式，是判讀本文分數的必要前提。｜與本論文的關係：本文腳註 14 明確致謝此工具，情感分析總平均 0.778 即由此類工具產出，欲評估該分數效度者必讀。
8. 邱秀香、周兆儀（2021）。大型講座課程規劃與施行成效——以實踐大學高雄校區「生活藝術」課程為例。實踐博雅學報，32，141–154。
   為何值得讀：同屬「大型講座課程」的規劃與成效檢討，可作為課程型態層面的對照案例。｜與本論文的關係：本課程為 160 人規模、13 位講師的大型講座課程，本篇提供台灣本地同型課程的比較基準。
9. 謝如梅（2020）。跨域團隊創意實踐與自主學習的挑戰。大學教學實務與研究學刊，4(1)，113–140。
   為何值得讀：直接處理跨域團隊在創意實踐與自主學習中遭遇的困難，對本文「人文學科學生製作 APP 有困難」的觀察具解釋力。｜與本論文的關係：可補足本文未展開的跨域團隊運作機制討論。
10. 葉興華（2021）。以跨域課程促進自主學習。師友雙月刊，625，29–35。
    為何值得讀：簡明說明跨域課程與自主學習的連結邏輯，適合作為課程設計的論述引子。｜與本論文的關係：與本文「跨域協働促成技能升級」的核心主張相互呼應，可作為引用時的中文文獻支撐。

補充：本論文參考文獻另收錄林堂馨（2018）、林賢才與邱文靖（2015）、柯志恩（2021）、楊語承等（2020）、謝為任（2022）等中文文獻，以及落合由治（2019）另 3 篇日文論文，共計 20 筆書目與 4 筆網路資料，讀者可依需求延伸。