◆ 題目：AI跨域學程學習表現與續讀行為分析
◆ 作者：蔡介文 博士後研究員

◆ 重要結果：
本研究以某大學 1,281 名 AI 跨域學程學生為對象，基於期望確認模式（ECM）理論架構，分兩項子研究探討性別、學院別與修課成績對學習表現與續讀行為的影響。研究一以 OLS 迴歸分析修課成績的性別與學院差異；研究二以 Logistic 迴歸檢驗各因子對續讀行為的解釋效果。
研究一發現：控制學院別後，男性修課成績顯著低於女性（β = −0.20, p < .001），與傳統 STEM 文獻預期相異，可能反映本學程涵蓋跨學科應用與情境問題解決等多元內容，有利女性學生的學習韌性發揮。學院別方面，相對於資訊電機學院，所有其他學院成績均顯著偏低，文學與客家學院差距最大（β = −0.54, p < .001），反映非 STEM 學生在起點能力上的系統性落差。
研究二發現：修課成績是解釋續讀行為的最強因子（OR = 1.51, p < .001），Z 分數每提升 1 SD，續讀勝算增加約 51%，與 ECM 核心命題一致。性別對續讀行為無顯著效果（OR = 0.90, p = .4）。最具啟發性的是「跨域距離的動機紅利效應」：管理（OR = 2.43）、生醫理工（OR = 2.26）與地球科學學院（OR = 2.17）學生儘管成績較低，續讀勝算卻顯著高於資訊電機學院，顯示跨域的新奇性與感知有用性強化了非本科學生的持續投入動機。
各學院可歸納為三種類型：「本職延伸型」（資電學院，起點高但動機增益不顯著）、「動機驅動型」（管理、生醫、地科，起點偏低但動機增益顯著）、「雙重弱勢型」（文學、理學、工學，起點偏低且動機增益不顯著）。建議針對動機驅動型學院推動情境化應用導向教學，針對雙重弱勢型學院建置分層輔導與預警機制，並制度化職涯連結以強化跨域 AI 人才培育成效。