大學生使用大型語言模型之四種依賴類型及其預測因子研究
arXiv - Computers and SocietyShahin Hossain
本研究識別出學生使用 LLM 的四種不同依賴模式，並發現 AI 素養是決定使用類型、價值觀則影響使用強度的關鍵。
AI 幫你先抓重點
AI 重點 1
重新定義「AI 依賴」的評量標準，從「使用頻率」轉向「認知參與度」。
滑鼠懸停看 AI 判斷理由
傳統以使用頻率衡量依賴的方法會誤將「過度依賴」視為學習成果，反而懲罰了那些將 AI 作為思考工具的策略型學生。這要求教育者必須開發能區分「AI 輔助思考」與「AI 取代思考」的新型評量工具。
AI 重點 2
AI 素養是決定學生如何與生成式 AI 互動的關鍵分水嶺。
滑鼠懸停看 AI 判斷理由
研究顯示素養決定了「類型」而非僅是「頻率」，這意味著單純增加工具使用機會是不夠的，教育重點應放在提升學生的 AI 素養，以引導他們從工具型或依賴型轉向更具自主性的策略型或對話型使用。
核心研究發現
- 1
研究識別出四種 LLM 依賴類型：策略型 (34.3%)、工具型 (30.9%)、對話型 (30.4%) 及依賴型 (4.5%)。
- 2
學生的價值與成本信念會預測其對 LLM 的使用強度，而 AI 素養則預測其採用的依賴類型。
- 3
現有的評量工具存在缺陷，因其過度依賴 AI 貢獻度而非寫作品質，導致表現最獨立的策略型使用者得分反而較低。
- 4
約有 13% 的學生基於倫理而非實務考量而拒絕使用 AI，這在現有框架中常被忽略。
對教育工作者的啟發
教育者應停止僅以「是否使用 AI」或「使用頻率」來評量學生，轉而關注學生如何將 AI 整合進其認知過程。建議在課程設計中導入 AI 素養培訓，引導學生從單純的「工具型使用」（如生成文本）轉向「策略型使用」（如批判性檢視與結構規劃）。此外，評量設計應著重於學生的思考軌跡與決策過程，而非僅看最終產出，以避免誤判具備高度獨立思考能力的學生。
原始文獻資訊
- 英文標題：
- Four Types of LLM Reliance and Their Predictors Among Undergraduate Writers: A Mixed-Methods Study at a Minority-Serving R1 University
- 作者：
- Shahin Hossain
- 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。