Moodle 概念精熟適性學習
78 分告訴你他答對了幾題，沒告訴你他哪裡不會。
兩個都考 65 分的學生，一個是觀念都懂、計算老是粗心，另一個是會背定義、完全不會應用。 成績單上他們長得一模一樣。Mastery 換掉的是測量的單位——不再給一份考卷一個分數， 而是替每一個概念各自記一個等級。
一般測驗給你的是 78 分
差別在哪
同樣是出題作答，測量的東西不一樣
| 一般測驗 | Mastery | |
|---|---|---|
| 測量單位 | 一份考卷 | 每一個概念各自 |
| 結果 | 一個分數 | 每個概念一個等級 |
| 題目順序 | 事先排好，人人一樣 | 依他答得如何當場決定 |
| 答錯之後 | 記下來，繼續下一題 | 往回問更基礎的 |
| 老師看到的 | 成績排名 | 一張圖：誰卡在哪個概念 |
| 老師能做的 | 調分、重考 | 針對某生某概念調整 |
五級量尺
不給分數，因為分數會誘導你去比較
等級的用途不是排名，是回答一個更實際的問題：我現在該對他做什麼。
它不是在算答對率
答對 1 題就是 100%、答對 3 題錯 1 題是 75%——那樣算，前者看起來反而比較強。 系統維持的是「我認為他會這個概念的機率」，每答一題更新一次： 四選一答對會打折（有四分之一是猜的），答錯也會打折（會的人也可能失誤）。 這套方法在教育資料探勘領域已經用了二十幾年。
四種深度
同一個概念，可以問得很淺，也可以問得很深
這不是模糊的「難度 1 到 4」，是四種不同的認知動作。 學生可能前兩階都很穩，一碰第三階就垮——那是很有用的資訊，而它在總分裡會被平均掉。
AI 與老師的分工
AI 出題，但能不能用，老師說了算
為什麼一定要老師審
實測時抓到過這樣一題：題幹寫得很好、選項也合理，但標準答案是錯的。 AI 出題的效率是真的，但沒有人把關就直接進題庫，錯的會是學生。 所以這一關做成擋不掉的流程，而不是可以關掉的選項。
老師能做什麼
看到紅格子之後，點下去就能處理
熱圖上任一格點進去，針對這位學生的這個概念做四件事之一。
降低難度
他一直撞牆，先讓他站穩
不再出高於某個深度的題目，分數依這個上限重新換算。
認定為精熟
你在課堂上已經看到他會了
記下你的判斷、停止再問，而且不會動到底下的作答紀錄。
重新開始
那次測驗狀況不算數
把作答封存——留著、不再計分，從頭來過。
提高難度
這些題對他太簡單
從較高的階起跑，精熟的門檻也跟著變嚴。
下一步
想先拿一門課看看熱圖長什麼樣？
我們可以用貴校既有的一門課做導入評估：把課程拆成概念地圖、用現有教材生一批題目讓老師審， 跑一輪作答之後看熱圖——如果那張圖說出了你原本不知道的事，再談推廣。