適用於學術研究的跨學科 AI 素養課程：架構、教學法與實施
arXiv - Computers and SocietyGideon K. Gogovi
本文介紹了一套專為提升學術研究中 AI 輔助文獻回顧能力的跨學科課程設計與實施成效。
AI 幫你先抓重點
AI 重點 1
從「工具操作」轉向「批判性判斷」的素養轉型。
滑鼠懸停看 AI 判斷理由
傳統 AI 教育多聚焦於技術操作，但本研究強調在學術情境下，如何辨識 AI 幻覺與進行正確引用，這對於維護學術誠信與研究嚴謹性至關重要。
AI 重點 2
模組化設計應與認知負荷與研究流程高度對齊。
滑鼠懸停看 AI 判斷理由
課程將教學步驟與文獻回顧的認知階段（從理解到合成）結合，這種設計能確保學生在學習 AI 工具時，同時強化其核心的研究能力。
核心研究發現
- 1
課程設計包含四個模組，依序對應理解論文、構建知識分類、識別研究缺口及合成文獻回顧的認知需求。
- 2
課程強調驗證紀律與標準化的 AI 引用實務，旨在培養學生在學術工作中使用 AI 的批判性判斷力。
- 3
問卷調查顯示學生信心顯著提升，其中在 AI 引用實務（d = +2.40）、幻覺檢測（d = +1.45）與負責任使用 AI（d = +1.33）方面增長最為明顯。
對教育工作者的啟發
教育工作者在設計 AI 素養課程時，不應僅教授 Prompt Engineering，而應將 AI 工具整合進特定的學術任務（如文獻回顧）中。建議採用「任務導向」的架構，將教學模組與學科研究的認知流程（如知識分類、缺口識別）掛鉤。此外，應將「驗證機制」與「引用規範」作為課程的核心組成部分，而不僅是附加說明，以確保學生在利用 AI 提升效率的同時，能維持學術嚴謹性並具備檢測 AI 錯誤的能力。
原始文獻資訊
- 英文標題：
- A Discipline-Agnostic AI Literacy Course for Academic Research: Architecture, Pedagogy, and Implementation
- 作者：
- Gideon K. Gogovi
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。