從焦慮到節奏:專題實作課程中的跨領域研究與學習體驗


在台灣大學創新領域學士學位學程的專題實作課程中,學生最常說的兩句話是:「我不知道怎麼做研究」跟「我不知道為什麼要做研究」。前者是一種方法論的不確定感——面對不同領域的知識、資料跟方法,學生不知道怎麼收斂;後者則是一種目的性的動機困境——覺得研究太慢、太抽象,想跳過理論直接動手做。

作為一個跨領域學士學位學程, TBD 的學生來自不同學科背景,這讓研究焦慮變得更複雜也更具代表性。這兩種焦慮的核心,都是學生還沒找到研究對自己的意義:當研究既不是他們熟悉的學科訓練,也不是馬上看得見成果的行動工具時,焦慮就成了自然反應。

本文會先分析這兩種焦慮的理論基礎跟實證研究,接著討論如何透過「互動社群選擇」來建立研究的定位框架,再探討生成式 AI 作為師生互動的可能性,最後提出「節奏化學習」的教學設計。本文主張,研究焦慮如果能被好好轉化,可以成為推動學習的動能,而不是學習的障礙。


兩種研究焦慮:不確定感與動機困境

學生在研究初期面對的焦慮,可以分成兩種相關但性質不同的類型:方法論的不確定感跟目的性的動機困境。前者是關於「能力」——我做得到嗎?後者是關於「意義」——我為什麼要做?這兩種焦慮就像一枚硬幣的兩面,共同構成學生逃避研究的心理機制。

方法論的不確定感:「不知道怎麼做研究」

國際教育研究普遍發現,大學生在研究初期會有明顯的不確定感。Cooper 跟 Haney(2023)針對美國大學生的研究發現,研究焦慮(research anxiety)主要來自三個原因:準備不足、方法陌生、缺乏明確方向。這種焦慮跟學生未來願不願意從事研究性工作有顯著的負相關,顯示焦慮不只影響當下的學習,還可能限制長期的職涯發展。美國加州大學戴維斯分校教育效能中心的調查更具體地顯示,超過 75% 的學生在圖書館做研究時會焦慮,其中 62.5% 的學生不確定該怎麼搜尋或評估資料來源。這種「資訊檢索焦慮」讓學生傾向逃避研究工作,形成惡性循環。Hill 等人(2022)的長期研究則指出,研究經驗次數跟自我效能有正相關:參加過兩次以上研究的學生,研究信心跟興趣明顯比研究經驗少的學生高。這告訴我們,要緩解焦慮需要透過有結構的反覆練習,而不是靠單次的成功經驗。

在華語教育環境中,現象類似但更隱蔽。徐鏞元(2018)指出,很多學生「不知道怎麼開始研究」,缺乏問題意識跟資料處理能力,常常在專題初期就卡住。中國《高教論壇》(2021)的調查則發現,大學生普遍覺得自己研究能力不足,對參與研究意願不高,就算參加也多半停留在執行層面,缺乏主導性。

這些研究共同指出,方法論的不確定感不是態度問題,而是結構性的支援不足。畢竟,當學生不確定什麼才算「有效的研究」、什麼是「夠好的文獻」、什麼樣的方法「適合我的題目」時,他們就很難踏出第一步。

目的性的動機困境:「不知道為什麼要做研究」

如果說方法論的不確定感是「不知道怎麼做」,那目的性的動機困境就是「不知道為什麼做」。對實作導向的學生來說,研究常被視為「不必要的繞路」。Mauldin(2025)在社會工作領域的研究中發現,學生傾向認為研究對未來工作沒用,所以投入意願低。這種「研究沒用」的信念甚至變成自我實現的預言:覺得研究無聊 → 不投入 → 沒成就感 → 更覺得研究沒用。在台灣的實作型課程中,也能看到類似現象。我們時常在教育現場看到,學生習慣靠網路影片或教學平台完成作品,而不查學術資料,導致專題作品很淺,缺乏反思深度。甚至,只有少數的大學生想當學術研究者,多數人傾向「直接進業界」,覺得能「看到成果」比較有成就感。

在台灣的大學教育體系中,「研究方法」多被視為理論訓練,而「專題實作」則被歸為成果導向課程。過去十年教育部推動多項創新教學計畫(如USR、U-Start、跨院學程),強調跨域與實作,但卻鮮少將「研究設計」視為學習中介層。根據《教育實踐與研究》、《教育學報》近年專題的多篇研究論文所示,雖然學生在實作成果上展現創意與協作能力,卻仍缺乏研究設計與方法訓練的系統支持。

但是,「研究」跟「實作」真的對立嗎?其實,學術研究的訓練其實就是創業跟實務管理的核心能力——包括分析問題、蒐集資料、推進計畫跟邏輯推理。研究能力不是「學術專屬」,而是所有知識工作者的基本功。

因此,問題的關鍵在於研究語言跟實作語言的轉譯失敗。當研究被說成「文獻回顧」、「研究設計」、「資料分析」時,實作導向的學生很難連結到自己的專題。但如果把同樣的過程轉譯成「理解問題脈絡」、「規劃行動方案」、「驗證設計假設」,學生就能理解研究的實務價值。

兩種焦慮的交互作用

需要注意的是,這兩種焦慮不是各自獨立,而是會互相加強:

  • 當學生不知道怎麼做研究時,容易產生挫折感,進而質疑「研究有什麼用」;
  • 當學生不知道為什麼要做研究時,就缺乏動力去克服方法上的困難,更容易放棄。

這種惡性循環需要同時打破。只教研究方法,無法解決動機問題;只強調研究重要性,也無法解決能力問題。真正有效的教學設計,必須在提供結構化支援的同時,幫助學生理解研究對自己的意義。


定位你的互動社群:研究設計 vs. 設計研究

因此,我會認為,要在 TBD 專題課程中處理這兩種焦慮,關鍵不是教學生「更多研究方法」,而是幫他們選對起點。也就是說,學生首先要釐清自己的主要互動對象是誰?

  • 研究社群(Research Community):需要用證據、方法、分析邏輯說服別人;
  • 實踐社群(Practice Community):需要用設計、原型、使用情境展示可行性。

畢竟,一樣是「研究」,前者需要的是「研究設計(Research Design)」,後者需要的則是「設計研究(Design Research)」。

一般來說,「研究設計」強調以證據支撐推論的結構性思考Creswell(2014)指出,研究設計的核心在於「如何將研究問題、理論架構、資料蒐集與分析方法整合成一個連貫的邏輯過程」,其目的在於回答「Why is this so?」。Robert Yin(2018)則從案例研究的角度提出,「研究設計是一個連結研究問題與證據的邏輯藍圖」,而不是單純的技術步驟。Patton(2015)進一步強調,研究設計是一種「有目的的取樣與詮釋策略」,研究者的任務是建立信度與效度,使論證具備可重現與可評估的基礎。在跨領域研究的脈絡中,這種「研究設計」導向的焦慮常表現在學生面對資料時的不安:他們知道問題在哪裡,但不知道如何以系統化的方式建構論述與驗證假設因此,他們傾向收集大量資料、閱讀過多文獻,卻缺乏整合與篩選的結構。這正是「不知道怎麼做研究」的根源。

相對地,「設計研究」則從行動與創造的角度生成知識。Donald Schön(1983)在《The Reflective Practitioner》這本經典著作中,區分了兩種專業知識的產生方式:一種是「技術理性」,靠理論跟證據說服;另一種是「反思行動」,靠行動經驗跟判斷。他指出在設計領域中,「邊做邊想」本身就是一種產生知識的方式。你做出一個原型、測試它、觀察反應、修改設計,這整個過程就是在產生知識。Nigel Cross(2001)提出「設計型知識(Designerly Ways of Knowing)」,主張設計是一種獨立於科學與藝術的知識生產模式,在設計中所做出來的「原型」跟設計者設想的「使用情境」本身就是知識載體——它們不只展示結果,也展示設計者的推理過程。這就是他說的「設計型證據」Zimmerman、Forlizzi 與 Evenson(2007)則在「Research through Design (RtD)」框架中指出,設計研究的貢獻在於創造可被他人理解與再利用的設計經驗與框架,而非驗證假說。Gaver(2012)直白地說:設計研究不需要像科學研究那樣驗證假設,而是要提供有啟發性的材料跟思考空間。所以設計研究的「證據」常常是故事、影片、情境重演,甚至是「挑釁」,目的是讓人思考「還可以怎麼做」,而不是證明「這樣做是對的」。

因此,「研究設計」與「設計研究」的差異不在「方法」或「領域」,而在「證據的形式(form of evidence)」——也就是什麼樣的東西能構成「說服」的基礎。簡單來說:

  • 研究設計追求的是「可驗證跟可重現」:別人用同樣的方法應該得到類似的結果,像是科學實驗那樣。
  • 設計研究強調的是「可用跟可採納」:解決方案在真實情境中是否有效、是否被接受,像是產品測試那樣。

舉個例子:如果你想研究「為什麼年輕人不投票」,你可能需要問卷、訪談、統計分析——這是研究設計。但如果你想設計「讓年輕人更願意投票的方式」,你需要的是原型、使用測試、迭代改進——這是設計研究。

這個差異看似簡單,但對正在做專題的學生來說卻至關重要。因為你的對話對象決定了你的證據形式當學生搞不清楚自己到底要說服誰,他們就會陷入困境:想做實作的覺得「研究根本沒用」,想做研究的又「不知道要做到什麼程度」。但其實兩者都需要研究,只是研究的方式不同——前者要的是「做功課」(了解別人怎麼做、為什麼有效),後者要的是「建立論證」(為什麼這個解釋比較可信)。

要緩解這種焦慮,關鍵是讓學生在專題實作的初期就做出定位——不是在「做研究」跟「不做研究」之間二選一,而是知道自己要做哪一種研究、該用什麼語言跟誰對話。如此一來,焦慮就能被放進合理的結構裡。簡單地說:

要緩解這種焦慮,關鍵是讓學生理解:不是選擇「要不要做研究」,而是選擇「做哪一種研究」,並且在專題實作的初期就做出定位——知道自己站在哪個位置、該用什麼語言跟誰對話——焦慮就能被放進合理的結構裡。簡單地說:

  • 如果主要跟研究社群對話(例如要投稿研討會、申請國科會大專學生研究計畫),那「研究設計」會是關鍵。
  • 如果主要跟實作社群對話(例如想改善社區問題、測試產品概念、驗證溝通策略),則「設計研究」會是重點。

當然,設計研究與研究設計不是二分的,兩者的過程其實可以互補。設計研究可以生成經驗性資料,回饋給研究設計。研究設計更可以提供理論支撐,讓設計研究更有說服力。而我們可以更進一步針對學生的不同需求提供不同的引導工具。

例如,對於研究社群導向的學生,我們可以請他們畫一張「研究定位圖」:

  • 核心問題(Core Question):你真正想回答的問題
  • 支援性議題(Supporting Issues):不同領域教授提供的視角或技術
  • 外圈關注(Peripheral Noise):有趣但暫時不處理的議題

這樣能幫助他們看見「文獻不是要全部讀完,而是要找到自己的位置」。

對於實踐社群導向的學生,我們或許可以採用「三格法」:

  • 看別人怎麼做:相關案例的做法?
  • 為什麼成功或失敗:關鍵因素是什麼?
  • 我怎麼開始:我可以採用或改進什麼?

這把研究轉化為行動前的判斷練習,讓「查資料」變成「做功課」。

這些方法的目的不是降低難度,而是讓焦慮轉化為有節奏的學習循環。當學生知道自己在對誰說話、用什麼形式呈現證據時,「不知道怎麼做」的不確定感就有了方向;當他們理解研究就是「做功課」而不是「寫論文」時,「不知道為什麼做」的動機困境就有了答案。

然而,即使有了這個定位框架,學生在執行過程中仍會遇到具體的困難:資料太多、不知道重點、不確定自己寫得好不好。這正是生成式 AI 可以介入的空間。


AI × Notion:作為「轉譯助教」的共學設計

隨著生成式 AI 的普及,教育界開始探索 AI 怎麼成為學習的鷹架。在 TBD 專題課程中,我嘗試以 Notion 為教學共構平台,重新設計研究與實作之間的對話節奏。AI 的角色在這門課中被定義為「轉譯助教(translation copilot)」,幫助師生在不同知識語言之間進行結構化、翻譯與反思。

這樣的設計讓 AI 不再只是工具,而是一種教學節奏的媒介,使學生與教師都能在共享資料與可追蹤的歷程中持續學習。根據 Vygotsky 的最近發展區(ZPD)理論,AI 可以提供差異化的鷹架,幫學生從「能力範圍外」慢慢移動到「能力範圍內」。

整體設計:以 Notion 為共構基礎

首先,我們會開設一個 Notion teamspace,將所有修習專題課的學生納入其中,並根據他們的專題類型與所需協助類別進行分組。每位學生都需建立一個「個人專題頁面」,持續記錄自己的專題發展歷程,包括研究問題、資料整理、進度摘要與反思紀錄。

在六次小組課的進程中,我會循序設計作業任務——例如從「問題定義」到「資料蒐集」、「構想測試」、「反思與修正」——學生需在每次課前完成該階段任務,並上傳至個人頁面。這使每位學生的研究歷程都能被可視化與追蹤,同時也讓教師能在課堂上依據這些紀錄進行對話與指導。

這個設計回應了 Hill 等人(2022)的發現:研究焦慮的緩解需要透過結構化的反覆練習。Notion 提供的不只是記錄平台,而是一個讓「學習歷程可見」的空間。

學生端:AI 協助資料轉譯與結構化→ 回應「不知道怎麼做」的不確定感

學生在撰寫作業或整理資料時,可以選擇使用生成式 AI。AI 並非幫他們「生成內容」,而是作為資料整合與概念化的助手:

  • 協助將田野筆記或訪談摘要分類為「核心觀察」、「延伸問題」、「資料需求」
  • 將收集到的文獻或案例轉化為表格,對照「他人怎麼做/為何成功或失敗/我可以測試什麼」
  • 協助整理混亂的文本,讓學生能在課堂上更快地聚焦討論

這樣的 AI 使用被視為「轉譯行動(acts of translation)」:它幫助學生把模糊或碎片化的思考轉成可操作的材料。學生仍需親自選擇、修訂與標註來源,確保 AI 的協助是形成性(formative)而非替代性(substitutive)。

這樣的設計呼應了 Martin(2025)提出的「減負教學」模式,也就是AI 減少學生在重複性任務上的認知負擔,讓他們把心力放在更高層次的思考與判斷。當學生面對一篇艱澀的文獻時,AI 可以幫忙拆解結構、提取重點,讓學生能「站在巨人的肩膀上」閱讀,而不是被巨人壓倒。

教師端:AI 介入教師的教學回饋流程→ 回應教師的「如何給出有效回饋」挑戰

在教師端,我運用 ChatGPT 與 Notion 的串連功能,建立一個輔助討論工作流。AI 可以存取學生的專題頁面與我的教學資料庫,並與我一起檢視學生的研究進展,協助進行討論與反思。具體操作如下:

  1. 教師預覽與歸納:AI 先根據學生頁面內容,歸納其研究方向、卡點與資料使用情況,生成摘要報告。
  2. 問題共構:我再與 AI 對話,討論學生遇到的挑戰,並詢問 AI 有無相關理論、案例或資料來源可參考。
  3. 回饋生成:AI 根據對話內容提供初步建議,我再進一步審查與補充,以形成具針對性的回饋。

這樣的工作流使 AI 成為教師的助理型共備者(co-facilitator)而非批改工具。透過 Notion 的資料庫與對話紀錄,ChatGPT 能理解整體課程設計、學生特性與進度,並結合即時網路資料,生成具脈絡性的建議。這個設計也回應了 Steiss 等人(2024)的研究發現,AI 在形成性回饋上的表現,在具體性與一致性上不輸給人類助教。但關鍵在於,AI 的回饋必須經過教師的審查與補充,才能真正符合學生的需求。

師生端:Notion 作為共學平台的討論節奏→ 回應「不知道做得好不好」與「研究有什麼用」的雙重焦慮

總而言之,在專題實作這門課上,Notion 扮演的是共學平台(collaborative learning hub)的角色。我們將討論流程分為三個階段:

  • 課前(Pre-discussion):學生依據統一的作業任務與問題,完成該階段的工作進度,並上傳至 Notion 個人頁面。在這個過程中,學生可以選擇使用 AI 協助整理資料、結構化思考,但作業格式與問題是一致的,確保分組課討論時有共同的對話基礎。
  • 課中(In-class reflection): 教師帶領小組進行討論,學生同步於 Notion 上紀錄對話內容,標註「研究假設」、「行動假設」、「資料需求」。這讓抽象的討論變成可追蹤的學習痕跡。在討論過程中,教師會引導學生思考:這個發現對「研究社群」來說是什麼?對「實踐社群」來說又是什麼?讓學生在實際對話中練習語言轉譯。
  • 課後(Post-discussion reflection): AI 協助整理討論摘要,學生再依 Kolb 循環(經驗→反思→概念→行動)撰寫反思。學生需要回答:這次討論讓我理解了什麼?下一步要做什麼?

整個討論歷程在 Notion 中留下可追蹤的學習痕跡,使焦慮與不確定感得以外化、被看見、再被轉化為具體行動。這個設計呼應了 Schön 的反思實踐理論:真正的專業成長發生在「行動中的反思」。而根據 Jisc(2024-2025)對英國大專院校的追蹤研究,學生最期待 AI 能協助他們把學術內容轉譯成實作語言。我們的課堂討論設計正是回應這個需求,試圖透過師生對話,讓學生理解「研究不是實作的對立面,而是實作的基礎」。Wang 等人(2025)的整合分析更指出,AI 介入對學習表現、學習情緒與高層次思考都有正面影響,尤其對初學者與沒信心的學生效果最明顯。但關鍵在於 AI 的角色定位:它不是替代教師或學生的思考,而是成為師生之間、學生與知識之間的翻譯介面。而在我們的設計中:

  • 學生的焦慮被轉化為可觀察、可追蹤的研究歷程
  • 教師的引導轉化為共構式回饋
  • AI 的角色則是協助雙方在語言與資料之間建立橋樑


結語:讓焦慮成為節奏,而不是障礙

綜合國內外研究與 TBD 的教學實踐,學生的研究焦慮不是單純的心理問題,而是來自結構性支援不足跟語言轉譯失效的雙重困境。當課程缺乏清楚的研究鷹架,方法論的不確定感會變成逃避行為;當研究語言無法轉譯成行動語言,目的性的動機困境又會變成「研究沒用」的信念。

因此,本文提出的解決方案包含兩個層次:

第一層:定位互動社群。透過「研究社群 vs. 實踐社群」的框架,幫助學生在課程初期就釐清自己的對話對象,理解「證據形式」的差異。這個定位能讓焦慮被框進合理的結構,從「不知道怎麼做」變成「知道該用什麼方式做」。

第二層:AI × Notion 共學系統。生成式 AI 如果被好好設計成「轉譯助教」,配合 Notion 作為共構平台,可以同時緩解兩種焦慮:它幫學生結構化思考、提供形成性回饋、橋接不同語言系統,並培養反思性的使用倫理。讓研究重新具備可感知性、實用性跟持續性。

關鍵在於,面對教學現場的挑戰,我們不應該簡單地想用科技解決問題,而是應該回到教學設計的初衷,重新設計學習節奏。以TBD的專題實作為例,AI 不是為了加速研究,而是讓學習歷程可見、可追蹤、可反思。學生的焦慮被外化成 Notion 頁面上的文字、教師的引導轉化為共構式回饋、AI 的角色則是協助雙方在語言與資料之間建立橋樑。

在這樣的設計下,「研究」不再是學期初讓人害怕的任務,而是一種有節奏的學習循環。焦慮沒有消失,但它被納入節奏中,成為推動學習前進的引擎。正如 Dewey 的經驗學習理論所說,真正的學習發生在「困惑」跟「頓悟」的交替中。當學生學會跟焦慮共處,把不確定感轉化為探索動能,把動機困境轉化為意義追尋,研究就不再是外在的要求,而是內在的需要。而這或許才是跨領域專題課程最深層的教育價值:不是教學生怎麼避免焦慮,而是教他們怎麼在焦慮中學習,在學習中成長,在成長中理解研究的意義。


Comments