k-12edtechaisrlassessment

動機與生成式 AI 使用之關聯：墨西哥高中生大規模調查

arXiv - Computers and SocietyEcho Zexuan Pan, Danny Glick, Ying Xu

研究顯示不同動機画像的高中生在數學與寫作中使用生成式 AI 的模式差異，提示需以動機為基礎設計 AI 教學介入。

AI 幫你先抓重點

AI 重點 1

動機画像決定學生在不同學科中使用生成式 AI 的方式

滑鼠懸停看 AI 判斷理由
文章顯示三種動機画像在數學與寫作領域的 AI 使用頻率與目的存在顯著差異，說明動機是解釋 AI 參與差異的關鍵變數，對設計針對性介入至關重要。
AI 重點 2

一刀切的 AI 整合策略不足以滿足多樣化學生需求

滑鼠懸停看 AI 判斷理由
研究明確挑戰傳統的統一 AI 教學模式，因為不同動機画像的學生表現出截然不同的 AI 使用模式，若不考慮動機差異，可能導致學習成效不佳或動機下降。

核心研究發現

  1. 1

    透過 K‑means 分群，將 6,793 名墨西哥高中生分為三種動機画像：高自我概念/高學科價值、低自我概念/高學科價值、低自我概念/低學科價值。

  2. 2

    不同動機画像的學生在數學與寫作領域使用生成式 AI 的頻率與目的顯著不同，表明動機是 AI 參與差異的重要預測因子。

  3. 3

    研究發現，低自我概念學生在數學中更傾向於使用 AI 作為解題工具，而高自我概念學生則在寫作中頻繁利用 AI 生成草稿。

  4. 4

    結果挑戰了“一刀切”的 AI 整合模式，指出單一教學策略難以滿足多樣化學生需求。

  5. 5

    基於動機的教育干預建議包括為低自我概念學生提供 AI 支援的學習路徑，以提升自信與學習成效；為高自我概念學生提供 AI 作為創意寫作工具，以增強創造力。

對教育工作者的啟發

教師可依學生動機画像，設計差異化的 AI 支援方案：對低自我概念學生提供 AI 解題輔助與自信建構練習；對高自我概念學生提供 AI 作為寫作創意工具，鼓勵深度加工。課程設計者可在學科單元中嵌入 AI 任務，並配合自我概念與學科價值評估，調整難度與反饋。教育政策制定者應推動以動機為基礎的 AI 整合框架，避免“一刀切”，並提供教師專業發展與資源。

原始文獻資訊

英文標題：
How Motivation Relates to Generative AI Use: A Large-Scale Survey of Mexican High School Students
作者：
Echo Zexuan Pan, Danny Glick, Ying Xu
來源：
arXiv - Computers and Society
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

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。