STEM 評量中的生成式 AI 定位：何時應要求、支架或限制使用
arXiv - Computers and SocietyYizhu Gao, Zhongzhou Chen, Min Li, Xiaoming Zhai
本文提出一個基於證據中心設計（ECD）的框架，指導教師在 STEM 評量中如何根據學習目標決定對 GenAI 的治理策略。
AI 幫你先抓重點
AI 重點 1
從「禁止」轉向「治理」的思維轉變
滑鼠懸停看 AI 判斷理由
傳統的全面禁止不僅難以執行，更無法讓學生準備好未來職場中常見的人機協作工作流。這項洞察促使教育者將重點從「防弊」轉向「如何有目的地整合技術」。
AI 重點 2
依據「構念相關性」來決定 AI 角色
滑鼠懸停看 AI 判斷理由
這改變了評量的設計邏輯。教育者不再是單純決定「要不要用 AI」，而是先釐清「我想測驗什麼能力」，進而精準決定 AI 是該作為干擾、輔助還是核心工具。
核心研究發現
- 1
提出一個以學生為中心的框架，透過連結目標構念、證據需求與任務特性，來決定 GenAI 的使用模式。
- 2
當評量旨在測試基礎知識與常規技能，且 GenAI 會威脅到無輔助能力的證明時，應採取「限制」政策。
- 3
當 GenAI 能減少周邊負擔並維持可解釋性時，適合採取「支架」模式，提供受限的 AI 支援。
- 4
當評量目標包含人機協作能力與 AI 素養時，應採取「要求」使用 GenAI 的政策。
對教育工作者的啟發
教育者在設計 STEM 評量時，不應採取一刀切的 AI 政策。首先，應明確定義評量的「目標構念」：若要測驗基礎概念，應限制 AI 使用以確保學習完整性；若要訓練高階問題解決，可將 AI 作為支架，減輕計算或格式化負擔；若要培養未來職能，則應設計必須與 AI 協作的任務。透過這種結構化的決策規則，教師能在維護學術誠信的同時，有效提升學生的 AI 素養。
原始文獻資訊
- 英文標題：
- Positioning Generative Artificial Intelligence in STEM Assessment: When to Require, Scaffold, or Restrict Its Use
- 作者：
- Yizhu Gao, Zhongzhou Chen, Min Li, Xiaoming Zhai
- 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。