代理主義：人工智慧時代的學習理論
arXiv - Human-Computer InteractionLixiang Yan, Dragan Ga\v{s}evi\'c
提出代理主義學習理論，說明在 AI 協助下如何保持學習的持久性與可轉移性
AI 幫你先抓重點
AI 重點 1
重視對 AI 輸出的認識性監控，確保學習者能辨識與驗證資訊
滑鼠懸停看 AI 判斷理由
若忽略監控，學習者可能接受錯誤或偏頗資訊，導致理解偏差，影響長期學習與判斷能力
AI 重點 2
強調重構內化，將 AI 輔助輸出轉化為自身知識結構，促進可轉移性
滑鼠懸停看 AI 判斷理由
內化過程能將 AI 產出嵌入學習者的認知網絡，提升在新情境下的應用與創造力
核心研究發現
- 1
AI 代理可提升任務完成度，但可能削弱學習者的理解、判斷與可轉移能力
- 2
現有行為主義、認知主義、建構主義、連結主義無法直接說明 AI 協助下的持久人類能力
- 3
代理主義將學習定義為透過選擇性委派、認識性監控、重構內化與減少支援下的轉移，形成持久人類能力
對教育工作者的啟發
教育工作者可設計 AI 工具，鼓勵學習者進行選擇性委派，並提供即時反饋與驗證機制；課程設計應加入重構內化的練習，如案例分析、反思日誌，並安排減少 AI 支援的轉移測試，以確保學習成果能在無 AI 協助時持續運用。
原始文獻資訊
- 英文標題：
- Agentivism: a learning theory for the age of artificial intelligence
- 作者：
- Lixiang Yan, Dragan Ga\v{s}evi\'c
- 來源：
- arXiv - Human-Computer Interaction
- 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。