學習行為是 AI 輔助教育中背景優勢的關鍵因素
arXiv - Human-Computer InteractionJingwei Yi, Yueqi Xie, Jiyan He, Rui Ye, Junming Huang, Bin Zhu, Sean Rintel, Yu Xie, Xing Xie, Fangzhao Wu
研究發現學生如何與 AI 互動（主動且批判性參與）比其背景特質更能決定 AI 輔助學習的效果。
AI 幫你先抓重點
AI 重點 1
學習行為是連結學生背景與學習成效的中介機制。
滑鼠懸停看 AI 判斷理由
這項發現打破了「背景決定成效」的決定論，指出背景優勢並非直接轉化為成績，而是透過「如何使用 AI」這一行為路徑來實現，這為教育公平提供了新的干預切入點。
AI 重點 2
AI 工具的成效高度依賴於使用者的互動品質。
滑鼠懸停看 AI 判斷理由
這提醒教育者，單純引入 AI 工具是不夠的，重點應放在培養學生的「AI 素養」，特別是主動與批判性思考的能力，否則 AI 可能無法發揮預期的教育價值。
核心研究發現
- 1
學習行為與學習成效強烈相關，展現出主動且具批判性參與行為的學生，其表現顯著優於僅進行有限度參與的學生。
- 2
學生背景（如就讀高排名大學或具備較高先備知識）與學習成效的關聯，在納入學習行為變項後會大幅減弱甚至消失。
- 3
背景優勢較高的學生傾向於採取更主動的 AI 互動策略，這解釋了為何這些學生能從 AI 輔助學習中獲得更多益處。
對教育工作者的啟發
教育者不應僅關注 AI 工具的功能，而應將教學重點轉向「引導學生如何與 AI 互動」。具體建議包括：1. 設計引導式指令（Prompting）教學，訓練學生進行批判性對話而非單純索取答案；2. 建立學習評量機制，觀察並回饋學生的 AI 使用行為（如提問的深度與廣度）；3. 針對先備知識不足的學生，提供更具結構性的 AI 互動框架，以彌補其在主動學習策略上的不足，進而縮小數位學習鴻溝。
原始文獻資訊
- 英文標題：
- Learning behavior accounts for background-related advantage in AI-assisted education
- 作者：
- Jingwei Yi, Yueqi Xie, Jiyan He, Rui Ye, Junming Huang, Bin Zhu, Sean Rintel, Yu Xie, Xing Xie, Fangzhao Wu
- 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。