本研究旨在探究國中小校長推動AI教學策略的過程中，組織變革策略、教師觀點及家長與社區領導人回饋對學生學習成效之影響。本研究採用質量並行(Mixed Methods)研究設計，以Kotter組織變革八步驟(Kotter’s 8-Step Change Model)為分析框架，透過質性訪談與量化問卷進行資料收集與驗證。研究對象包括30位台南市公立中小型國中小校長進行深度質性訪談，並對中小型國中小教師進行問卷，共回收112份有效問卷，並進行多元迴歸分析(Multiple regression analysis)。此外，為提升研究結果的信度與效度，本研究運用三角驗證(Triangulation)，邀請家長團體領導人及區公所區長（共5位）進行質性訪談。研究發現顯示，校長在執行AI教學策略的過程中，透過明確願景塑造、資源有效配置、專業發展支持及組織文化營造，確實促進AI教學在課堂落實。從校長質性訪談數據來看，約83%的受訪校長強調其規劃的AI課程與資源投入策略，能有效提升學生的學習參與與成果。其中，訪談內容不僅呈現校長在決策與實務策略中的關鍵因素(如專業師資團隊建立、課程模組化設計、持續校內外資源整合)，更明確印證了研究預期：即校長的策略執行確實促進了AI教學之正向發展。同時，家長、校長與教師三方數據交疊顯示AI教學之正向意義。教師問卷實際數據中有75%以上的教師確認AI教學策略能改善教學互動與提升學習成果，呼應校長在訪談中強調的策略重點與執行成效。家長團體領導人與區長的訪談亦有約80%強調AI教學的必要性與正向發展潛力，並對學校領導者與教育政策決策者在此過程中所扮演的角色表示肯定。此多方數據整合的結果，清楚展現AI教學並非僅是理論上的教育創新，而是在領導策略明確、資源適切挹注、教學專業提升及社群利害關係人共同支持下，可實際增進學生學習成就的可行改革路徑。綜合而論，本研究透過質量整合與多方利害關係人觀點印證，確認AI教學推行在有計畫之策略管理下具備正向成效，在皮爾森Pearson correlation analysis中確認教師的AI教學不僅符合文獻中所指出之學生成績提升幅度，教師AI教學實務應用和學生學習成效提升與影響相關為.700，效果量為(.700)2=.49，亦即相互解釋量為49%更具體展現出校長領導策略、教師教學實務及家長、社區支持的整合性價值。本研究結果為教育領導決策、教學實務及後續研究提供關鍵的參考與啟示。

This study investigates the relationship between teachers' practical application of AI in teaching and the enhancement of students' learning outcomes. The primary objective is to evaluate the effectiveness of AI integration strategies in educational contexts and their influence on student performance. A comprehensive analysis was conducted using data from schools of varying types and sizes to identify patterns and correlations.
A quantitative methodology was employed, utilizing Pearson correlation analysis to assess the relationships between three key variables: the implementation of AI teaching strategies, teachers’ practical application of AI in teaching, and improvements in students’ learning outcomes. Further regression analysis was conducted to explore the predictive power of these variables on learning outcomes.
The findings reveal a significant correlation (r = .700, p < .01) between teachers’ practical application of AI and the improvement of students’ learning outcomes, accounting for 49% of the variance (effect size = .700² = .49). This highlights the substantial influence of AI teaching practices on learning effectiveness. Conversely, the correlation between AI strategy implementation and learning outcomes (r = .449) was lower, explaining only 20.2% of the variance. Regression analysis further confirmed that only the teachers' AI application variable significantly predicted student learning improvements (β = .675, p < .001), with the regression model explaining 49.1% of the variance (R² = .491).
In conclusion, the study underscores the pivotal role of teachers' practical application of AI in enhancing student learning outcomes. These results emphasize the need for targeted professional development and support for educators to effectively integrate AI into teaching practices. Future research should address the digital divide observed among schools of different sizes and geographic locations to ensure equitable learning opportunities.

一、中文文獻
1. 王子耕（2020）。〈學習構成要素滿意度中介下，學習動機對學習成效影響之研究：以成人自主學習者為例〉（碩士論文，國立臺灣科技大學）。
2. 吳美瑤（2019）。〈全球視野、在地理解：臺灣偏鄉教育的難題與未來〉。《教育脈動電子期刊》，19，1–12。
3. 李佳琪（2018）。〈運用Cool English線上平臺之數位教材融入教學對英語聽讀學習成效與學習動機影響之研究－以臺中市某國小四年級學生為例〉（碩士論文，中臺科技大學）。
4. 江悅慈（2021）。〈後設認知聽力策略與線上數位教材對學生英文聽力學習成效之影響〉。《教育部教學實踐研究計畫成果報告》。
5. 林冠成（2016）。〈數位遊戲式學習對於輔助學生自然與生活科技領域之學習成效與學習態度之研究〉（碩士論文，國立中興大學）。
6. 林莉臻（2017）。〈PaGamO平台對於學生在社會領域的學習態度及學習成就之影響〉。《東海教育評論》，15，131–138。
7. 林絲瀅（2019）。〈探討模擬式數位教材與教學影片對大學生實作課學習成效之影響〉（碩士論文，淡江大學）。
8. 柯嘉順（2021）。〈桌遊教學習得華語文名量詞之成效研究—以印尼籍移工為例〉（碩士論文，臺灣師範大學）。
9. 柯淨眸（2020）。〈運用PaGamO平台提升學生數學學習成效及學習態度之研究〉。《東海教育評論》，15，131–138。
10. 洪煌堯、蔡佩真、林倍伊（2014）。〈知識論壇平臺對學生學習成效之影響〉。《東海教育評論》，15，131–138。
11. 施力瑋（2013）。〈遊戲式學習研究的現況、成果與課題〉（碩士論文，國立臺灣師範大學）。
12. 教育部國民及學前教育署（2019）。〈因材網：教育部人工智慧知識結構分析診斷及適性學習平台之析論〉。《教育研究月刊》，310，1–12。
13. 教育部國民及學前教育署（2022）。〈第226期電子報：108課綱重點之一為「素養導向」〉。《教育部國民及學前教育署電子報》，226。
14. 張惠美（2020）。〈數位學習平台在偏鄉國小自然科教學中的應用與成效〉（碩士論文，國立中山大學）。
15. 陳佳琳、張美珍（2023）。〈數位科技運用在偏鄉國民小學扶助教學數學科學習成效影響之研究－以因材網為例〉。《2023第19屆科技教育研究與發展學術研討會》，12，588–603。
16. 陳子聖（2017）。〈使用混成式教學與線上教育平台對八年級學生學習化學反應相關概念之成效分析〉（碩士論文，國立臺中教育大學）。
17. 陳怡琳（2018）。〈我國偏鄉學校教育安定政策之回應性評估：以嘉義縣偏遠地區國民小學為例〉（碩士論文，國立中正大學）。
18. 陳宜君（2018）。〈差異化數位遊戲式學習應用於國中國文教學之研究〉（碩士論文，淡江大學）。
19. 陳美華（2010）。〈寫作歷程模式數位教學平臺之設計與實施成效之研究〉。《教育資料與研究》，98，109–141。
20. 陳美燕（2020）。《數位學習對科大生專業英文學習興趣、學習心流及使用態度之探究—以PVQC為例》（碩士論文，國立臺灣師範大學）。
21. 陳浩然（2023）。〈智慧個人助理在英語聽力與口說學習中的應用與成效〉。《人文．島嶼平臺》。
22. 陳麗明、范斯淳（2020）。〈教師對於使用因材網的行為意圖之研究〉。《東海教育評論》，15，131–138。
23. 陳麗茹（2016）。〈數位學習平台應用於國小四年級數學科學習成效之研究—以新竹市某國小為例〉（碩士論文，國立新竹教育大學）。
24. 曾予鳳（2019）。〈PaGamO平台對學生學習成效之影響〉。《東海教育評論》，15，131–138。
25. 黃信嘉（2016）。〈國中二年級數學補救教學之行動研究〉（碩士論文，國立中正大學）。
26. 黃宇莊（2018）。〈PaGamO遊戲式學習平台融入國中數學課後學習成效之研究〉（碩士論文，淡江大學）。
27. 黃姵禎（2010）。〈資訊科技融入國小高年級作文教學對學生學習成效與學習態度之影響－以作文易學網為例〉（碩士論文，國立虎尾科技大學）。
28. 黃怡婷（2013）。〈數位遊戲式學習應用在二元一次方程式學習之研究〉（碩士論文，屏東科技大學）。
29. 黃欣怡、張嘉容、蘇育生（2024）。〈素養導向教學應用於人工智慧課程探討學生的學習成效〉。《工程、技術與STEM教育研討會》，13，561–569。
30. 黃遠光、陳政燁、楊永慈（2020）。〈行動學習對臺灣學生學業成就影響之後設分析〉。《當代教育研究季刊》，28（3），1–30。
31. 楊慶麟（2020）。〈即時反饋系統對學生學習成效之影響〉。《東海教育評論》，15，131–138。
32. 余盈珊（2016）。〈運用雲端數位學習平台進行國文教學對學習興趣與學習成效影響之研究〉（碩士論文，樹德科技大學）。
33. 薛惠文（2024）。〈探討國中生使用問題導向學習法於人工智慧影像辨識機器人混成式課程之學習成效〉（碩士論文，國立臺灣師範大學）。
34. 薛雅純（2019）。〈均一教育平台在教學中的應用與成效〉。《東海教育評論》，15，131–138。
35. 邱婷君（2019）。〈即時反饋系統應用於自然領域教學對國小六年級學生學習成效之影響〉。《東海教育評論》，15，131–138。
36. 邱怡云（2019）。〈結合IRS和Plickers進行教學對學生學習成效之影響〉。《東海教育評論》，15，131–138。
37. 徐揚智（2020）。〈應用數位遊戲式學習於國小六年級數學低成就學生數學課後複習學習成效之研究－以PaGamO數位遊戲式平台為例〉（碩士論文，國立清華大學）。
38. 李勇輝（2017）。〈學習動機、學習策略與學習成效關係之研究－以數位學習為例〉。《經營管理學刊》，14，68–86。
39. 周小惠（2014）。〈使用雲端影音平台YouTube探討對學習興趣與學習成效影響之研究〉（碩士論文，樹德科技大學）。

二、外文文獻
1. Ali, M., et al. (2024). The effect of ChatGPT on students' learning performance: A systematic review. Humanities and Social Sciences Communications, 11, Article 87.
2. Baillifard, A., Gabella, M., Banta Lavenex, P., & Martarelli, C. S. (2023). Implementing Learning Principles with a Personal AI Tutor: A Case Study. arXiv preprint arXiv:2309.13060.
3. Carreño, A. M. (2024). An Analytical Review of John Kotter’s Change Leadership Framework: A Modern Approach to Sustainable Organizational Transformation. SSRN Electronic Journal.
4. Carter, N., Bryant-Lukosius, D., DiCenso, A., Blythe, J., & Neville, A. J. (2014). The use of triangulation in qualitative research. Oncology Nursing Forum, 41(5), 545–547.
5. Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access, 8, 75264–75278.
6. Davey, C. E., Grayden, D. B., Egan, G. F., & Johnston, L. A. (2013). Filtering induces correlation in fMRI resting state data. NeuroImage, 64, 728–740.
7. Denzin, N. K. (1978). The Research Act: A Theoretical Introduction to Sociological Methods (2nd ed.). New York: McGraw-Hill.
8. El-Kassar, A.-N., & Messarra, L. C. (2023). Transformational and Transactional Leaders and Their Role in Organizational Change: A Study Based on the Kotter Model. Sustainability, 16(1), 16.
9. Flick, U. (2004). Triangulation in qualitative research. In U. Flick, E. von Kardorff, & I. Steinke (Eds.), A Companion to Qualitative Research (pp. 178–183). London: SAGE Publications.
10. Ho, W. (2008). Integrated analytic hierarchy process and its applications – A literature review. European Journal of Operational Research, 186(1), 211–228.
11. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.
12. Ishizaka, A., & Labib, A. (2011). Review of the main developments in the analytic hierarchy process. Expert Systems with Applications, 38(11), 14336–14345.
13. Jick, T. D. (1979). Mixing qualitative and quantitative methods: Triangulation in action. Administrative Science Quarterly, 24(4), 602–611.
14. Kotter, J. P. (1996). Leading Change. Boston: Harvard Business School Press.
15. Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence Unleashed: An Argument for AI in Education. Pearson Education.
16. Miles, J. M., et al. (2023). Using Kotter’s Change Management Framework to Redesign Graduate Medical Education Recruitment During the COVID-19 Pandemic. Journal of Graduate Medical Education, 15(1), 34–40.
17. Mukaka, M. M. (2012). A guide to appropriate use of correlation coefficient in medical research. Malawi Medical Journal, 24(3), 69–71.
18. Osborne, J. W., & Waters, E. (2002). Four assumptions of multiple regression that researchers should always test. Practical Assessment, Research, and Evaluation, 8(1), 2.
19. Patton, M. Q. (1999). Enhancing the quality and credibility of qualitative analysis. Health Services Research, 34(5 Pt 2), 1189–1208.
20. Pollack, J., & Pollack, R. (2015). Using Kotter’s Eight Stage Process to Manage an Organisational Change Program: Presentation and Practice. Systemic Practice and Action Research, 28(1), 51–66.
21. Ramackers, W., Stupak, J. V., Marcheel, I. L., Tuffs, A., Schrem, H., Fischer, V., & Beneke, J. (2020). Regression analyses of questionnaires in bedside teaching. BMC Medical Education, 20, 371.
22. Roll, I., & Wylie, R. (2016). Evolution and Revolution in Artificial Intelligence in Education. International Journal of Artificial Intelligence in Education, 26(2), 582–599.
23. Rubinfeld, D. L. (2011). Reference Guide on Multiple Regression. In National Research Council (Ed.), Reference Manual on Scientific Evidence (3rd ed., pp. 303–359). Washington, DC: The National Academies Press.
24. Saaty, T. L. (1980). The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation. McGraw-Hill.
25. Saaty, T. L. (2008). Decision making with the analytic hierarchy process. International Journal of Services Sciences, 1(1), 83–98.
26. Schober, P., Boer, C., & Schwarte, L. A. (2018). Correlation coefficients: Appropriate use and interpretation. Anesthesia & Analgesia, 126(5), 1763–1768.
27. Senthilnathan, S. (2019). Usefulness of correlation analysis. SSRN Electronic Journal.
28. Thomas, D. R., et al. (2023). Improving Student Learning with Hybrid Human-AI Tutoring: A Three-Study Quasi-Experimental Investigation. arXiv preprint arXiv:2312.11274.
29. Trunfio, T. A., Scala, A., Giglio, C., Rossi, G., Borrelli, A., Romano, M., & Improta, G. (2022). Multiple regression model to analyze the total LOS for patients undergoing laparoscopic appendectomy. BMC Medical Informatics and Decision Making, 22, 141.
30. Turney, S. (2022). Pearson correlation coefficient (r) | Guide & Examples. Scribbr.
31. Uyanık, G. K., & Güler, N. (2013). A study on multiple linear regression analysis. Procedia - Social and Behavioral Sciences, 106, 234–240.
32. Vaidya, O. S., & Kumar, S. (2006). Analytic hierarchy process: An overview of applications. European Journal of Operational Research, 169(1), 1–29.
33. Ward, B., Bhati, D., Neha, F., & Guercio, A. (2024). Analyzing the Impact of AI Tools on Student Study Habits and Academic Performance. arXiv preprint arXiv:2412.02166.
34. Wecks, J. O., Voshaar, J., Plate, B. J., & Zimmermann, J. (2024). Generative AI Usage and Exam Performance. arXiv preprint arXiv:2404.19699.
35. Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 39.