AI進入輔導課堂：先幫導師，還是直接教學生？
由華人產品設計師郭泊遠（Boyuan Guo）擔任設計負責人的PLUS輔導系統，獲得2026年紅點設計概念獎服務設計類別認可。該設計選擇先讓AI服務導師，而不是直接教學生。系統會預估學生下一週的學習投入與進展，並把相關資訊提供給大學生導師參考，最終判斷仍由人作出。
圖：郭泊遠（Boyuan Guo）
2026年紅點設計概念獎得獎名單日前揭曉，頒獎典禮已於10月15日在新加坡舉行。服務設計類別的獲獎名單中，一套名為PLUS的教育輔導系統名列其中。
圖：PLUS輔導系統獲2026年紅點設計概念獎服務設計類別認可。
對學生來說，輔導時坐在對面的，仍然是真人導師。學生做數學練習，卡住了就向導師求助。AI和數據工具不直接插手教學，而是給導師「打下手」——幫他們備課、掌握學生近況、課後復盤。
作為PLUS的產品設計師兼設計負責人，郭泊遠負責的不僅是使用者介面，更包括學生、導師、督導、學校與研究團隊之間的服務流程與資訊架構，將不同角色的需求整合進同一套系統。PLUS是由卡內基梅隆大學和斯坦福大學相關團隊共同發展的非營利教育計畫，主要招募大學生擔任導師，為學校學生提供輔導。據PLUS公布，截至2026年5月，項目已服務9500多名學生，招募並培訓了900多名來自卡內基梅隆大學、杜肯大學和匹茲堡大學的大學生導師，並支付報酬。
這套模式要同時滿足幾方需求：學生需要真人輔導，學校需要穩定的導師來源，剛上手的大學生導師也需要培訓、督導和持續反饋。
所以設計不能只停留在學生端。導師、督導、學校和研究團隊，不同角色要看到不同的資訊，在不同時間做不同的決定。
對導師來說，最重要的是快速發現誰卡住了。對督導來說，更關鍵的是觀察多次輔導中是否反覆出現同類問題。
加入PLUS之前
在參與PLUS之前，郭泊遠已經持續研究課堂協作與教學工具。
他早期關注的問題是：老師如何在一節課裡掌握全班情況，又該先幫誰。他曾參與設計一套課堂協調工具，相關論文獲2022年CSCL會議最佳設計論文獎。
那項工作與他後來在PLUS面對的問題有一個共同點：教師或導師的注意力有限，系統要幫他們判斷何時、向誰伸出援手。
加入PLUS後，他關注的仍然是如何把有限的注意力放到最需要支持的學生身上。但設計涉及的參與者更多，協作鏈條也更長。除了學生和導師，還有督導、學校和研究團隊。
變化不只是規模擴大。不同角色掌握的資訊、承擔的責任和要作出的決定，也各不相同。
AI如何參與輔導
輔導開始前，系統可以幫助大學生導師提前演練可能遇到的情況。
例如，當一名學生說「我就是學不好數學」時，導師面對的不只是一道題。他還要判斷：學生是在表達一時的挫敗，還是已經開始否定自己的學習能力。
模擬訓練能幫導師提前想好怎麼回應。但真正進入輔導後，學生的語氣、情緒和具體處境，仍然要靠導師在交流中去理解。
輔導進行中，平台會整理學生近期的練習情況、技能進展和其他學習訊號，也會估算學生下一週可能投入的練習時間和取得的進展。
圖：PLUS導師端介面。
設計的重點不是堆數據，而是只給導師當下能用的資訊。
對一名導師來說，一塊擠滿圖表的螢幕未必有用。更實際的問題是：誰連續幾次卡在同類題目上，誰最近練習變少了，現在應該先去幫誰。
「做產品設計，很多時候不是看還能展示什麼，而是先決定什麼不該出現。」郭泊遠說，「系統可以算出很多結果，但導師在幾分鐘裡真正能做的，其實很有限。」
輔導結束後，反思和督導工具可以幫助導師回顧課堂。督導人員則可以從多次輔導中觀察規律，判斷哪些導師還需要進一步培訓或支持。
在這些環節裡，AI負責整理資訊和提示變化。如何理解學生的情況、下一步採取什麼行動，仍然由人決定。
研究提供了哪些線索
2026年國際教育數據挖掘會議（EDM）收錄了兩篇由郭泊遠共同署名的同行評審論文，分別研究學生學習預測和PLUS支持下的差異化真人輔導。
其中一篇考察能否利用學習數據預測學生下一週的練習時間和技能掌握數量。
研究使用了425名中學生、約290萬次學習互動的歷史數據。這些數據採集於2010年至2012年，早於PLUS成立，並非來自PLUS學生。
研究發現，與較簡單的規則相比，加入更多學習特徵的模型可將預測誤差降低約22%至33%。換句話說，模型對學生下一週練習時間和技能掌握數量的估計，更接近學生後來的實際表現。
但論文同時指出，更準確的預測並不等於更好的學習結果。
同一篇論文還包括一項由八名大學生導師參與的案例研究。導師查看系統生成的預測和解釋，並據此為學生設定學習目標。
他們認為，系統整理出的歷史變化有參考價值，尤其是在需要快速了解學生過去幾週表現時。但他們不願把模型輸出直接當成指令。
導師仍會考慮自己在實際交流中獲得的資訊，並希望保留最後的決定權。
八名導師雖然只是小樣本，卻道出了一個現實問題：模型能識別數據裡的模式，卻未必知道這些變化背後的真正原因。
另一篇論文考察的是PLUS支持下的差異化真人輔導模式，研究對象為2024—25學年一所中學五至八年級的635名學生。
秋季，學生主要使用自適應數學軟體；春季，學校加入了按需求分配的真人輔導。
低於年級中位水平的學生獲得更主動的支持，導師與學生的比例約為1比4；高於年級中位水平的學生則更多獨立學習，需要時可向一名同時支持約10名學生的導師求助。
在研究中最具可比性的局部樣本裡，加入差異化真人輔導後，學生的學習投入時間增加約25%，技能熟練度提高約36%，在MAP標準化數學測評中的相對成長提高約61%。
這些數字不能被理解為全部635名學生都取得了相同結果。
研究採用的是準實驗設計，而不是隨機對照試驗。結果反映的是導師、軟體、支持比例、學校環境和服務流程共同作用的模式，不能歸因於某一個介面，也不能證明郭泊遠參與設計的某項功能單獨帶來了學習提升。
設計最後留下什麼
「PLUS涉及學生、導師、學校老師、督導和研究團隊等不同參與者。」郭泊遠說，「我的工作，是把這些不同角色的需求轉化成一套可以實際運作的服務流程，讓資訊在合適的時間到達真正需要它的人手中。」
2026年紅點設計概念獎對PLUS的認可，為這套服務設計提供了來自國際設計評審體系的專業肯定。但對郭泊遠而言，獎項並不是設計工作的終點。教育服務能否長期運行，仍取決於導師招募、培訓、督導質量以及學校環境等多重因素。
招募大學生導師、持續培訓他們、維持督導質量和承擔營運成本，仍然是擴大輔導服務時繞不開的問題。AI也不會自動解決這些限制。
系統可以識別練習減少或進展停滯，卻無法僅憑數據判斷學生為什麼突然沉默、為什麼不願繼續練習，或者為什麼一個看似合理的目標，到了這一週卻不再合適。
這些情況仍然需要一個真實的人去觀察、詢問和判斷。 技術不替人做決定，而是幫導師少漏掉關鍵訊號，在關鍵時刻把人托住。
