大學電腦科學課程中支架式生成式 AI 實驗室之評估研究
arXiv - Computers and SocietyEthan Dickey, Andres Bejarano, Rhianna Kuperus, B\'arbara Fagundes
研究證實短期的結構化介入能提升學生使用生成式 AI 的信心與策略，且不增加作業作弊風險。
AI 幫你先抓重點
AI 重點 1
結構化介入能有效引導「負責任」的 AI 使用行為。
滑鼠懸停看 AI 判斷理由
這項發現打破了「AI 會導致學生依賴或作弊」的單一恐懼，證明透過設計良好的支架（如批判性分析與反思），可以將 AI 從「答案產生器」轉化為「學習輔助工具」。
AI 重點 2
提升 AI 素養不一定要改變使用頻率，而是改變使用品質。
滑鼠懸停看 AI 判斷理由
研究顯示學生在作業上的使用量並未增加，但使用策略變得更具批判性與迭代性，這說明教育重點應從「限制使用」轉向「優化使用策略與元認知監控」。
核心研究發現
- 1
學生在處理概念理解與作業輔助時的開放度增加，且在概念、除錯及作業情境下的使用舒適度皆顯著提升。
- 2
學生使用 GenAI 進行除錯的頻率有所增加，但用於作業與專案的自我報告使用頻率則保持穩定。
- 3
焦點小組顯示學生學會了迭代式提示策略，對 AI 輸出的正確性變得更具懷疑精神，並能更清晰界定學術誠信邊界。
對教育工作者的啟發
教育者不應僅禁止 AI，而應設計「支架式」的介入措施。具體建議包括：1. 導入前置導向（Pre-lab orientation）建立正確觀念；2. 設計課堂活動讓學生批判性地檢視 AI 的錯誤輸出；3. 要求學生撰寫關於 AI 使用過程的反思報告。這些步驟能幫助學生從被動接受答案轉向主動的迭代式提示與批判性思考，在提升技術素養的同時，也能強化學術誠信與自主學習能力。
原始文獻資訊
- 英文標題：
- A Scaffolded GenAI Lab in Early Undergraduate CS: A Mixed-Methods, Multi-Course Evaluation
- 作者：
- Ethan Dickey, Andres Bejarano, Rhianna Kuperus, B\'arbara Fagundes
- 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。