Aptitude-Treatment Interaction
性向與處理交互作用（ATI）之理論架構與意涵
性向與處理交互作用（Aptitude-Treatment Interaction，簡稱 ATI）由 Cronbach 與 Snow 奠定基礎並集結成專著，為教育心理學、教學設計與適性學習領域的核心理論架構。
ATI 的核心主旨為：教學處理的成效並非普遍一致，而是取決於學習者本身的穩定「性向」與所接受的教學「處理」之間的適配性（alignment）。換言之，教育現場並不存在一體適用的「最佳教學法」；教學策略的成效往往受到個別差異的調節。
- 性向（Aptitude）： 指學習者進入教學情境前所具備的個體特質，包含先備知識、工作記憶容量（Working Memory Capacity）、分析能力或認知風格等。
- 處理（Treatment）： 指教育介入或教學設計的模式，例如教材結構化程度、鷹架類型（如提供解題範例 vs. 開放式探究）、回饋機制或數位工具（如生成式 AI）的引導模式。
- 交互作用（Interaction）： 學習表現（如學業成就、認知負荷或創造力表現）是由學習者特質與教學處理共同互動決定的。實證研究指出，此種交互作用效果往往比單一教學處理的主效果（main effects）更為顯著且常見。
理論深化：Salomon 的三大啟發式模型與脈絡
Cronbach 早於 1957 年的美國心理學會演說及 1969 年的研究報告中即倡導 ATI 概念。然而，早期研究多偏向統計檢定，常面臨「觀察到交互作用，卻難以闡明背後認知心理機制」的困境。
為使適配概念具備可操作的歷程解釋，Salomon（1972）在此基礎上提出了三大啟發式模型（Heuristic Models），引導研究者在設計教學處理時，精確預測教學介入如何銜接學習者的內在認知歷程：
- 補救模式（Remedial Model）： 將性向不足視為待改善的弱項，透過重複練習或基礎能力訓練，協助低能力學習者掌握必備的先備技能。
- 補償模式（Compensatory Model）： 將教學介入視為外部認知中介（如架構圖、範例或結構化提示），藉此繞過或代償學習者認知資源的不足（如工作記憶限制或先備知識匱乏），使其仍能順利完成學習任務。
- 偏好／優勢模式（Preferential Model）： 不刻意補強弱項，而是直接對接學習者既有的認知優勢、高階分析能力或特定處理風格，促進其深入探究與自主反思。
實證範例：第二語言習得（SLA）與生成式 AI 輔助教學
在第二語言習得（Second Language Acquisition, SLA）與結合生成式 AI 的專案導向學習（Project-Based Learning, PjBL）脈絡中，學習者的先備語言能力及工作記憶與教學模式的搭配，展現出明確的 ATI 機制：
1. 專業知識逆轉效應（Expertise Reversal Effect）
- 初學者（低先備知識／有限工作記憶容量）： 在面對複雜的外語任務時，給予直接教學（Direct Instruction）或逐步範例（Worked Examples），能有效降低元素互動性並減輕外在認知負荷。此外，採用分段呈現（Segmentation）與雙模態呈現（Dual-Modality），可補償其工作記憶留存有限的限制，並避免非相關視覺訊息的干擾。
- 進階學習者（高先備知識／具備專業基礎）： 若對其施予同樣詳盡的逐步範例，這些訊息反倒會成為重複冗餘的干擾，增加額外負荷。此時，改採開放式問題解決（Open-ended problem-solving）或探索性情境，教學效益反而更高。
2. 生成式 AI 鷹架在語言專案導向學習中的應用
在生成式 AI 輔助語言學習的情境中，AI 提示詞與引導策略的設計亦呼應了 Salomon 的模型：
- 補償模式之應用： 針對語言先備知識較低的學習者，AI 應提供支持型鷹架（Supportive Scaffolding）（如句型模板、結構化綱要與直接提示），作為認知中介以彌補其語言能力的限制，降低內在與外在認知負荷。若過早施加開放式反思提問，易導致其工作記憶超載。
- 偏好模式之應用： 針對具備高先備語言知識或較強語言分析能力的學習者，AI 宜改採反思型鷹架（Reflective Scaffolding）（如蘇格拉底式提問、深層批判性追問與重構思考），直接對接其後設認知（Metacognition）與分析優勢，進而激發出更高層次的創造力與思維彈性。
參考文獻
Zhang, Z., Chen, C.-H., Guo, Z., & Chiu, T. K. F. (2026). How Does Learner Prior Language Knowledge Play in GenAI-Assisted Project-Based Learning for Creative Thinking? Technology, Knowledge and Learning. https://doi.org/10.1007/s10758-026-09984-5