生成式 AI 的普及、成績與學生滿意度之研究
arXiv - Computers and SocietyJames M. Zumel Dumlao, Meng Wang, Zhonghan Xie, Junyao Hu, Ivan Bar, George Chaney III, Henry Gold, Misha Teplitskiy
研究發現生成式 AI 的出現並未導致成績異常升高或學生學習滿意度顯著下降。
AI 幫你先抓重點
AI 重點 1
挑戰了「生成式 AI 替代假設」的普遍擔憂
滑鼠懸停看 AI 判斷理由
許多教育者擔心 AI 會讓學生放棄認知努力以換取高分，但本研究數據顯示成績並未因 AI 普及而出現不成比例的膨脹，這有助於緩解教學現場對於學術誠信與學習品質下降的過度焦慮。
AI 重點 2
評估工具的類型是衡量 AI 影響的關鍵維度
滑鼠懸停看 AI 判斷理由
研究透過 LLM 分析課程大綱來區分「易受 AI 影響」的評量類型（如論文、作業），這種精細化的評估方式能幫助教育者更精準地識別哪些教學環節需要進行結構性調整。
核心研究發現
- 1
研究未發現生成式 AI 的可用性對整體成績或先前表現較差的學生產生顯著的差異化影響。
- 2
學生自我報告的理解程度在 AI 出現前後並未出現顯著的變化。
- 3
學生對學科興趣的影響並不顯著，僅在假設疫情影響為暫時性的模型下才呈現顯著性。
對教育工作者的啟發
研究結果顯示 AI 並未直接導致成績通膨，這意味著教育者不應僅僅因為擔心 AI 而全面禁止使用，而應將重點轉向「評量設計的轉型」。建議課程設計者應區分「易受 AI 影響」與「抗 AI」的評量方式，例如增加現場即時評量或結合高階認知能力的專題式學習（PBL），以確保學生在利用 AI 工具的同時，仍能維持深層的認知參與與知識建構。
原始文獻資訊
- 英文標題：
- Generative AI Availability, Grades, and Student Satisfaction at a Large University
- 作者：
- James M. Zumel Dumlao, Meng Wang, Zhonghan Xie, Junyao Hu, Ivan Bar, George Chaney III, Henry Gold, Misha Teplitskiy
- 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。