物件導向程式設計課程中學習者與 AI 互動模式及其對學業表現之影響
arXiv - Computers and SocietyMarina Lepp
研究發現學生使用 GenAI 進行概念解釋與除錯的效果優於直接生成程式碼，但自主使用 AI 並未顯著提升評量表現。
AI 幫你先抓重點
AI 重點 1
自主使用 AI 工具並不等同於學習成效的提升。
滑鼠懸停看 AI 判斷理由
這挑戰了「工具使用量增加即代表學習增加」的直覺假設。研究顯示，即便學生能有效利用 AI 輔助學習，若缺乏教學引導，其學術表現未必能轉化為實質的評量增長。
AI 重點 2
從「生成導向」轉向「認知導向」的互動模式是關鍵。
滑鼠懸停看 AI 判斷理由
研究區分了僅依賴生成程式碼與利用 AI 進行概念理解的差異。這提醒教育者，AI 的角色應定位於促進高階認知活動（如除錯與解釋），而非僅作為自動化工具。
核心研究發現
- 1
學生使用生成式 AI 的頻率顯示，尋求概念解釋與除錯的需求顯著高於直接要求生成程式碼的需求。
- 2
透過分群分析識別出五種互動模式，其中「智慧型」模式特徵為低度依賴程式碼生成，高度利用 AI 進行概念支持與除錯。
- 3
不同的 AI 使用模式會影響學生對作業難度的感知、自我評估的理解程度及對 AI 生成程式碼的信任度。
- 4
儘管使用模式在感知層面有所差異，但在最終的學業評量表現上，不同分群的學生並無顯著差異。
對教育工作者的啟發
教育者不應僅禁止或允許 AI，而應轉向「過程導向」的教學設計。建議將 AI 整合進教學流程中，引導學生將其作為「蘇格拉底式」的對話夥伴，用於解釋複雜概念或輔助除錯，而非直接獲取答案。課程設計應著重於培養學生的 AI 素養，教導如何進行有效的提示工程（Prompt Engineering）以支持高階思考，並在評量設計上區分「AI 輔助過程」與「獨立知識檢驗」，以確保 AI 的使用能真正轉化為深層的學習成果。
原始文獻資訊
- 英文標題：
- Patterns of Learner-AI Interaction and Academic Performance in an Object-Oriented Programming Course
- 作者：
- Marina Lepp
- 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。