搜尋還是對話？探討學習爭議性議題時的工具差異
arXiv - Human-Computer InteractionRan Yu, Alisa Rieger, Rabia Karatoprak Ersen, Jiqun Liu
研究發現使用傳統搜尋或 LLM 對話介面在學習爭議性議題時，對學習成效與批判性反思並無顯著差異。
AI 幫你先抓重點
AI 重點 1
工具的選擇可能不如學習者的心理特質重要
滑鼠懸停看 AI 判斷理由
這挑戰了「新技術必然帶來更好學習效果」的技術決定論。對於教育者而言，這意味著單純引入 AI 工具並不保證學習品質，更應關注如何培養學生的智識謙遜與批判思考能力。
AI 重點 2
對話式 AI 與傳統搜尋在資訊獲取功能上的等效性
滑鼠懸停看 AI 判斷理由
這點提醒開發者與教育設計者，AI 的優勢可能不在於單純的知識傳遞，而應轉向如何利用其對話特性來促進更深層次的認知參與或特定情境下的學習支持。
核心研究發現
- 1
透過對 194 名參與者的研究發現，使用傳統搜尋介面與 LLM 驅動的對話介面，在學習成效與批判性反思方面並無顯著差異。
- 2
在處理長期存在的爭議性議題時，使用者的個人特質（如態度強度與智識謙遜程度）對學習成效的影響，可能比資訊獲取工具本身更為關鍵。
- 3
研究分析了使用者特徵、互動模式與學習成果之間的關係，旨在理解對話式系統如何影響非正式學習環境下的學習表現。
對教育工作者的啟發
教育工作者不應盲目追求將所有教學流程轉向 AI 對話模式，因為工具本身未必能直接提升學習深度。在設計涉及爭議性議題的課程時，應將重點從「提供資訊工具」轉向「培養學習者的認知特質」，例如透過引導式提問來強化學生的智識謙遜（Intellectual Humility），幫助他們在面對多元觀點時能進行更有效的批判性思考。此外，在設計數位學習環境時，應考慮如何結合搜尋的廣度與對話的深度，而非僅僅依賴單一介面。
原始文獻資訊
- 英文標題：
- Search or Chat? Comparing How We Learn About Debated Topics
- 作者：
- Ran Yu, Alisa Rieger, Rabia Karatoprak Ersen, Jiqun Liu
- 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。