教育 AI 研究趨勢，近期論文指出的三項發現

「用了 AI 成績就會進步」這種簡單的主張，隨著研究累積反而越來越需要謹慎。因為成效會依條件出現很大的落差。研究一再指出的不是 AI 本身，而是圍繞著它的設計左右了學習成效。 以下整理近期研究趨勢中反覆出現的三項發現。

近期研究的三項發現

多項研究即使方法不同，也收斂到相似的結論。挑出核心如下。

• 發現一，對設計的依賴：同樣是 AI，直接給出答案會讓學習變少，分階段給提示則會讓學習變多。
• 發現二，後設認知效果：請 AI 說明，或是自己親口說明時，理解會更深。
• 發現三，依賴的風險：一旦養成不經查證就接受答案的習慣，長期下來思考能力可能變弱。

問 AI 有沒有學習成效，這個問題本身就設計錯了。真正的問題是：哪一種 AI 使用方式，對哪一類學生有效。

總結來說，成效的大小不是由工具決定，而是由使用方式與學習者特性的組合決定。

把研究搬到現場時

要把論文的發現套用到課堂，需要一次轉譯。邊檢查下面幾點邊接受，會比較安全。

1. 設定為不給即答：把工具設定成不要直接給答案，而是給出分階段的提示。
2. 把要求說明變成習慣：讓學生用自己的話重新說明 AI 的答案。
3. 插入查證流程：拿到答案之後，再確認一次出處或依據。
4. 自行測量：在小單元裡親自蒐集資料，看看在我們的課堂是否真的有效。

有研究團隊報告，光是把提示分階段，就能在問題解決的學習上帶來有意義的提升，但同時使用即答型的那一組反而出現停滯。等於同一項工具產生了完全相反的結果。所以參考外部研究之餘，親自確認是否適合我們的學生，這道程序不能少。

讀研究時還有一件事要斟酌，就是樣本與期間。只做一兩節課的短期實驗所得到的提升，可能只是新鮮感效應，幾個月後就消失了。反過來說，也有些能力短期看不出效果，卻是越累積越顯現價值的，例如批判性查證的習慣。所以與其被單次數字牽動，不如在我們的課堂裡以一個學期為單位小規模測量，觀察走勢，這樣更誠實。研究是假設的起點，不是結論。

重點整理

教育 AI 研究一再指出：比起工具，設計更重要；比起即答，分階段的提示與要求說明對學習更有利。同時也警告了不加批判地依賴的風險。與其照單全收研究的結論，不如在我們的課堂裡小規模重現、親自確認。 請在下一堂課套用擋掉即答、把提示分階段這一項設定，並把結果記錄下來。一位老師的小小紀錄累積起來，就會成為最適合我們學校的依據。比起遠方的論文，近處累積的資料往往是更準確的指引。