提升下限還是限制上限？生成式 AI 對兒童說故事表現之差異化影響研究
arXiv - Human-Computer InteractionMin Fan, Wanqing Ma, Xinyue Cui, Xiaolu Dai, Shengyu Huang
研究發現生成式 AI 能顯著縮小兒童說故事品質的差距，扮演「提升下限」的角色，但對敘事結構的提升有限。
AI 幫你先抓重點
AI 重點 1
GenAI 在創意教育中扮演「地板提升者」而非「天花板突破者」的角色。
滑鼠懸停看 AI 判斷理由
這改變了我們對 AI 工具能力的認知。開發者不應僅期待 AI 能帶領頂尖學生達到更高境界，而應更專注於如何利用 AI 縮小學習者間的品質鴻溝，實現教育公平。
AI 重點 2
設計應採取「機制導向的鷹架」（Mechanism-contingent scaffolding）原則。
滑鼠懸停看 AI 判斷理由
這強調了適應性設計的重要性。由於 AI 對不同維度（如創意 vs. 結構）的影響不同，系統必須能根據學生的即時表現與需求，動態調整支援強度，而非提供統一的工具。
核心研究發現
- 1
GenAI 展現了「提升下限」的收斂模式，使兒童作品品質差距縮小了 83.5%，主要透過支援低能力者與限制高能力者的機制達成。
- 2
AI 對創作品質的提升具有維度選擇性，能有效增加創意與豐富度，但對敘事連貫性與結構的影響仍取決於兒童原有的基礎能力。
- 3
年齡對關鍵字選擇有影響：年幼兒童傾向選擇語義距離較遠的詞彙，而年長兒童則偏好語義較接近的詞彙。
- 4
圖像重新生成行為與故事結構品質呈正相關，但在控制基準表現後，此關聯性會有所減弱。
對教育工作者的啟發
教育工作者在引入 GenAI 工具時，應意識到 AI 能有效幫助表現較弱的學生提升作品的豐富度與創意，但無法自動補足邏輯與敘事結構的缺陷。因此，課程設計不應僅依賴 AI 生成內容，而應將教學重點放在引導學生如何利用 AI 強化其敘事邏輯與結構化思考。此外，開發者應設計具備「適應性鷹架」的系統，針對不同年齡層與能力的學生提供差異化的引導，避免 AI 成為限制高能力學生發展天花板的工具。
原始文獻資訊
- 英文標題：
- Floor Raiser or Ceiling Limiter? Differential Storytelling Outcomes with a Child-Centric GenAI System Across Individual Differences
- 作者：
- Min Fan, Wanqing Ma, Xinyue Cui, Xiaolu Dai, Shengyu Huang
- 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。