建構認識論 AI 素養：檢測學生與 AI 協作編程中的認識目標與過程
arXiv - Human-Computer InteractionMengqian Wu
本文提出「認識論 AI 素養」框架，揭示學生在與生成式 AI 協作編程時，多數傾向於低層次的任務外包而非深層學習。
AI 幫你先抓重點
AI 重點 1
重新定義 AI 素養：從「技能操作」轉向「認識論過程」
滑鼠懸停看 AI 判斷理由
這改變了我們評估 AI 素養的維度。素養不應僅是會寫 Prompt，更應關注學生如何透過 AI 進行知識建構、驗證與批判性思考，這對設計 AI 輔助學習環境至關重要。
AI 重點 2
警惕「偽學習」現象：外包行為掩蓋了認知參與的缺失
滑鼠懸停看 AI 判斷理由
研究數據顯示學生極易陷入「外包」陷阱。這提醒教育者，AI 工具可能成為認知捷徑而非認知支架，必須開發能偵測並引導學生從「尋求答案」轉向「理解原理」的教學機制。
核心研究發現
- 1
研究發現學生在與 GenAI 互動時普遍缺乏認識論 AI 素養，高達 78.8% 的互動屬於非掌握導向目標。
- 2
學生常用的低可靠性認識策略包括「任務外包（outsourcing）」與「驗證尋求（verification-seeking）」。
- 3
僅有 11.1% 的互動展現出高水平的認識參與，即結合了掌握導向目標與「認識論辯證（epistemic justification）」等進階策略。
對教育工作者的啟發
教育者應從「教如何使用 AI」轉向「教如何與 AI 進行認識論互動」。建議在編程課程中設計具備「認知挑戰」的任務，例如要求學生必須對 AI 生成的程式碼進行「認識論辯證（說明其邏輯合理性）」，而非僅僅驗證結果是否正確。此外，開發能即時偵測學生是否處於「外包模式」的教學輔助工具，對於促進自主學習（SRL）與深層知識建構具有高度價值。
原始文獻資訊
- 英文標題：
- Constructing Epistemic AI Literacy: Detecting Epistemic Aims and Processes in Student-AI Co-Programming
- 作者：
- Mengqian Wu
- 來源：
- arXiv - Human-Computer Interaction
- 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。