心理學學習模式如何塑造與限制人工智慧
arXiv - Computers and SocietyAlex Anvi Eponon, Ildar Batyrshin, Christian E. Maldonado-Sifuentes, Grigori Sidorov
本文指出 AI 各主流範式源自心理學理論，並揭示其固有結構限制，提出 ReSynth 三模組框架以解決此問題
AI 幫你先抓重點
AI 重點 1
先了解 AI 各範式的心理學根源與固有限制
滑鼠懸停看 AI 判斷理由
因為 AI 的設計與效能往往受限於其所借鑑的心理學理論，掌握這些限制能幫助研究者避免重複同樣的結構性錯誤，並針對性地改進模型
AI 重點 2
深入學習 ReSynth 的三模組架構與實作原則
滑鼠懸停看 AI 判斷理由
ReSynth 提供了將推理、目的與知識分離的具體方法，能直接應用於 AI 系統設計，提升可解釋性與學習效率，對實務開發具有重要參考價值
核心研究發現
- 1
AI 的行為主義、認知主義與建構主義三大範式，分別對應強化學習、深度學習與課程學習，並同時攜帶各自心理學理論的結構性缺陷
- 2
強化學習無法捕捉知識內部結構，導致學習過程缺乏深層理解
- 3
深度學習將知識壓縮為不透明參數空間，難以進行原則性更新與解釋
- 4
現有整合式 AI 缺乏正式機制說明新理解如何從既有組件構建
- 5
東方對機械式記憶的分階段結構化理解，提供了心理學與 AI 方法間的潛在橋樑，ReSynth 透過分離推理、目的與知識三模組來克服上述限制
對教育工作者的啟發
本研究指出 AI 系統若要真正支援自主學習，必須先拆解知識結構與學習動機，並將其分別映射至模組化的推理與記憶層。教育工作者可借鑑東方多階段記憶策略，設計分層式課程，先讓學生透過結構化的機械式記憶建立基礎，再進入深度理解與應用。ReSynth 的三模組設計亦可作為 AI 課程輔助工具的架構參考，將知識庫、推理引擎與學習目標分離，提升系統可擴充性與可解釋性。透過此方法，教師能更精準地調整教學策略，並利用 AI 進行個別化評量與即時回饋，促進學生的元認知發展與自主學習能力。
原始文獻資訊
- 英文標題：
- How Psychological Learning Paradigms Shaped and Constrained Artificial Intelligence
- 作者：
- Alex Anvi Eponon, Ildar Batyrshin, Christian E. Maldonado-Sifuentes, Grigori Sidorov
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
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。