港大研發教育聊天機器人 融入教師教學思維 全天候支援學生有效學習
教學環境一直存在各種挑戰，課堂時間有限、課後缺乏即時支援，以及教師需反覆回應大量相似問題等。儘管人工智能近年正逐步走入校園，成為教育領域的重要輔助工具，但現有系統大多側重資訊搜尋與內容生成，未能全面回應教學的實際需要。有見及此，香港大學電子及電腦工程學系研究團隊在教資會創新科技教育基金（FITE）資助下，自主研發知識型生成式人工智慧教育聊天機器人（Knowledge-based Generative AI Educational Chatbot，下稱 K-Bot），成功將教師的專業知識、教學思維，以及對困難概念的講解方式，融入人工智能系統之中。讓學生即使在課堂以外，仍可全天候獲得系統化和個人化的學習支援。這項研究成果更於第51屆日內瓦國際發明展榮獲金獎。
從單純回答課程問題 延伸至教學思維討論
現時不少人工智能工具只配備聊天機械人功能，或按上載文件提供答案，往往難以捕捉、整理和延伸教師的教學知識與思維，也無法掌握課堂的整體脈絡。港大團隊以教學法理念為K-Bot的核心設計，並採用「多代理架構」（Multi-agent Architecture），並非由單一聊天機器人處理所有任務，而是由多個具備不同專長的 AI 代理協同運作，分別負責課程知識解答、學習引導、個人化學習建議，以及基於教師知識進行推理分析及解難等工作。透過分工合作，系統能根據課程內容及教師要求，為學生提供更具針對性及知識導向的學習支援。
香港大學電子及電腦工程學系研究團隊
捕捉教師經驗與教學智慧 理解教材背後的教學意圖
K-Bot的最大突破，在於其知識庫不僅儲存教材內容，更嘗試整合教師多年累積的教學經驗。研究團隊指出，學生在學習過程中遇到的困難，很多時並非來自教材本身，而是源於概念理解上的盲點。為此，系統除了收錄課堂筆記、投影片及教材外，還會整理教師對複雜概念的講解方式、學生常見誤解、解題策略、除錯思維，以至課程設計背後的教學理念。這些過去難以保存和傳承的「隱性教學知識」，如今可轉化為可檢索及可記錄的資源，讓學生隨時獲得接近教師親身指導的學習體驗。研究團隊強調，系統的目標並非單純向學生提供答案，而是協助他們理解問題背後的思考過程，培養分析與解難能力。
為了讓人工智能更充分掌握課堂內容，團隊開發了「多模態知識蒸餾」技術，令系統能分析不同形式的教學材料，包括投影片、圖表、程式示範及課堂錄影等，不僅擷取文字或畫面資訊，更能理解相關教材在教學上的實際用途。同時，系統亦結合「檢索增強生成」（Retrieval-Augmented Generation，RAG）技術，在生成回應前先從可信的知識庫檢索相關內容，確保答案建基於準確且配合課程脈絡的資料，而非單純依賴大型語言模型生成內容。
K-Bot 這項研究成果早前於第51屆日內瓦國際發明展榮獲金獎。
根據學習脈絡提供個人化支援
與一般聊天機械人不同，K-Bot能在授權範圍內參考學生的互動紀錄，包括過往對話、相關課題及曾檢索的學習資源，從而掌握其學習背景。當學生提出較模糊的問題，例如「為甚麼這樣行不通？」時，系統不會即時給出武斷答案，而是透過追問了解學生正在討論的概念、程式碼或課堂主題，再逐步引導他們釐清問題。這種互動模式更接近真實教學情境，讓學生即使在課後自行學習，仍能隨時獲得具追溯性、緊貼課程設計理念的學習支援，持續深化思考與鞏固知識。
團隊發現不少教學材料的重點並不能單靠文字擷取完整反映，而是需要理解其背後的教學意圖。 部分方法，例如多模態知識蒸餾，正是在實際部署過程中因應真實挑戰而發展出來。
延伸教師角色 而非取代其位置
隨着生成式人工智能迅速發展，「AI會否取代教師」成為教育界關注的議題。團隊指出，K-Bot的核心理念從來不是取代教師，而是將教師的專業教學知識延伸至課堂以外。在系統運作中，教師主要負責提供教學方向、課程內容及專業知識，並設定人工智能代理的行為原則；技術開發與維護工作則由研究團隊處理，教師毋須具備人工智能技術背景。這種安排不但能讓教師的經驗得以系統化整理與傳承，亦有助減輕他們重複回答相似問題的負擔。因此，教師可以把更多精力投放於課程設計、學生輔導及深度互動，進一步提升教學效能。
學生資料可儲存在學系的伺服器內，並只限獲授權教師存取。系統設有存取權限控制，確保學生學習數據不會向未獲授權的使用者或不需要相關資料的代理開放。
受控知識框架確保資訊準確性
「AI幻覺」及誤導性資訊的風險，一直是教育應用中的重要挑戰。K-Bot採用受控知識框架設計，尤其適用於醫學、法律等對資訊準確性要求較高的專業學科。系統所有回應均建基於經教師及課程團隊審核的專屬知識庫，並透過檢索機制尋找相關資訊後才生成答案。若學生提出的問題超出知識庫範圍，系統會清楚說明限制，或引導學生參考指定教材或權威資料來源，而非自行推測答案。
團隊於電子及電腦工程學系成立了一個新的人工智能實驗室，名為「e-AI Lab」，並計劃善用這個新實驗室，與本地大學、中學，以及生成式人工智能社群建立合作。
已於真實課堂應用 學生反饋正面
自2024年起，K-Bot已正式投入實際教學場景，至今連續應用了五個學期。研究團隊採用迭代式開發模式，持續收集學生意見並分析使用數據，不斷優化系統功能。初步學生反饋令人鼓舞：同學普遍認為K-Bot提升了主動提問的意願和學習參與度，亦讓他們感受到更即時且持續的學習支援。
同時，團隊與香港大學教學創新中心長期合作，正積極將K-Bot平台推展至本地其他大專院校，包括香港中文大學、香港教育大學等，期望運用最新的生成式人工智能技術，提升香港以至其他地區的高等教育質素。
目前，K-Bot相關研究成果已於人工智能教育國際會議AIED 2026發表。未來，團隊將進一步探討系統對促進學習表現、概念理解和長期知識保留等方面的成效。在人工智能日益普及的時代，港大研究團隊希望透過K-Bot建立一種更具延續性和個人化的學習模式，讓教師的專業知識得以突破課堂時間與空間的限制，為教育創新開拓更多可能。
專欄：港大「港創未來」
簡介：本專欄聚焦香港大學的科研創新，探討那些在香港研發並對世界具有深遠影響的科研項目。透過清晰而深入的報導，彰顯港大科研成果轉化的強大實力。
ADVERTISEMENT
【👇送SKECHERS Back To School返學鞋👇】
