代理式人工智慧與教學最佳實踐：自動化與學習之間的張力
arXiv - Computers and SocietySteve Woollaston, Brendan Flanagan, Isanka Wijerathne, Hiroaki Ogata
本文探討代理式人工智慧如何在個別化學習與學習者自主之間產生張力，並提出以意圖摩擦、動態支架、人為監督及慎重 AI 應用為核心的設計建議。
AI 幫你先抓重點
AI 重點 1
意圖摩擦是維持學習者認知投入的關鍵
滑鼠懸停看 AI 判斷理由
AI 認為若完全自動化會讓學習者失去主動探索的動力，意圖摩擦能在自動化與自主之間創造平衡，促進深度學習與元認知發展。
AI 重點 2
動態支架能隨學習者進度即時調整，提升學習成效
滑鼠懸停看 AI 判斷理由
AI 覺得傳統靜態支架無法應對個別差異，動態支架透過即時數據分析提供個別化提示，能有效提升學習者的自我調節與成就感。
核心研究發現
- 1
代理式 AI 從被動聊天機器人演變為主動啟動、目標導向的學習代理，雖能個別化學習但可能削弱學習者的自主性與認知投入。
- 2
透過對六項教學原則（先備知識啟動、協作學習、問題導向學習、形成性評量、支架、元認知）的回顧，發現自動化設計往往與這些原則產生衝突，尤其在維持學習者參與度與深度上。
- 3
作者提出四項設計建議：①意圖摩擦以保留必要的認知挑戰；②動態支架以隨學習者進度調整支持；③人為監督確保 AI 只輔助而非取代人類教學；④慎重 AI 應用以避免過度自動化。
對教育工作者的啟發
為確保代理式 AI 能真正增進學習而非削弱學習者自主，實務工作者應先在課程設計中嵌入意圖摩擦，例如設定必要的挑戰性任務，避免 AI 完全自動化答案。其次，利用動態支架系統，根據學習者即時表現調整提示與資源，保持學習動力。第三，保留人為監督機制，教師或學習設計者需定期檢視 AI 介入效果，確保其輔助而非取代教學角色。最後，採用慎重 AI 應用策略，選擇與學習目標高度契合的 AI 功能，避免過度依賴自動化，維持學習者的深度參與與元認知發展。
原始文獻資訊
- 英文標題：
- Agentic AI and Pedagogical Best Practice: The Tension Between Automation and Learning
- 作者：
- Steve Woollaston, Brendan Flanagan, Isanka Wijerathne, Hiroaki Ogata
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
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。