團隊合作中的低度審慎：學生在個人與協作任務中對 LLM 使用行為的差異研究
arXiv - Computers and SocietySehrish Basir Nizamani, Zannah Ziew, Saad Nizamani, Khyati Goyal
研究發現學生在團隊協作時，使用大型語言模型（LLM）的頻率、提示策略及驗證行為皆顯著下降。
AI 幫你先抓重點
AI 重點 1
社交情境（Social Setting）是影響 AI 使用品質的關鍵變量
滑鼠懸停看 AI 判斷理由
這項發現挑戰了「任務類型決定工具使用」的傳統觀點。它指出即便任務難度相似，協作環境本身可能導致學生降低對 AI 的批判性思考與自主監控，這對於設計結合 AI 的團隊學習（PBL）至關重要。
AI 重點 2
團隊形成階段是課程設計中容易被忽視的風險轉折點
滑鼠懸停看 AI 判斷理由
研究顯示學生在進入團隊模式時，學習行為會發生質變（如減少驗證行為）。教育者若僅關注個人學習如何使用 AI，而忽略了團隊互動如何削弱學生的自我調節能力，將可能導致團隊學習的成效打折扣。
核心研究發現
- 1
從個人作業轉向團隊任務時，LLM 的使用率大幅下降了 42.7 個百分點，隨後僅在後期任務中部分回升。
- 2
在團隊任務中，學生的提示詞變得更短且更簡單，使用的刻意提示策略減少，且對 AI 生成內容的檢查也變得不夠仔細。
- 3
執行 AI 生成程式碼測試的學生比例在團隊任務中下降了 19.4 個百分點，且在整個學期中未能完全恢復。
- 4
約 18.9% 的學生在個人作業時持續使用 LLM，但在進入團隊任務後卻完全停止使用，顯示社交情境會改變 AI 使用模式。
對教育工作者的啟發
課程設計者在設計結合 AI 的團隊專題（PBL）時，不應僅假設學生會延續個人學習時的 AI 使用習慣。建議採取以下措施：1. 建立團隊協作中的 AI 使用規範，明確要求團隊必須展示對 AI 生成內容的驗證過程（如程式碼測試紀錄）；2. 設計「團隊共同提示（Co-prompting）」活動，鼓勵學生在團隊中進行深層次的提示詞討論，而非僅由單人進行簡單指令；3. 在團隊任務中加入針對 AI 輸出品質的評量指標，以強制提升學生的審慎程度與自我調節學習（SRL）行為。
原始文獻資訊
- 英文標題：
- Less Deliberate in Teams: Student LLM Use Across Individual and Collaborative Work
- 作者：
- Sehrish Basir Nizamani, Zannah Ziew, Saad Nizamani, Khyati Goyal
- 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。