建構透明度：高等教育中領域特定的生成式 AI 使用聲明框架開發
arXiv - Computers and SocietyNicholas Micallef, Olga Petrovska
本文提出針對寫作與程式設計任務的特定聲明框架，以取代傳統二元化的 AI 使用宣告方式。
AI 幫你先抓重點
AI 重點 1
從「監控行為」轉向「專業實務」的思維轉型。
滑鼠懸停看 AI 判斷理由
這改變了教育者對 AI 的角色定位。不再僅僅是為了防止作弊而進行監控，而是將記錄 AI 工作流視為一種專業素養，幫助學生準備未來職場中必須具備的 AI 協作能力。
AI 重點 2
利用領域特定框架促進元認知（Metacognition）反思。
滑鼠懸停看 AI 判斷理由
要求學生區分「結構規劃」與「內容生成」等不同階段，能強迫學生審視自己的學習過程，這對於培養自主學習能力與理解 AI 如何介入認知過程至關重要。
核心研究發現
- 1
傳統「是否使用 AI」的二元宣告無法捕捉學生在不同學術任務中應用 AI 的細微差異。
- 2
研究開發了兩套針對特定任務的聲明結構：一套用於寫作活動，另一套用於程式設計評量。
- 3
透過將 AI 使用行為分類於不同的認知與發展階段（如結構規劃與內容生成），能更清晰界定學術誠信邊界。
對教育工作者的啟發
教育工作者應捨棄「用或沒用」的簡單宣告，改採「分層式宣告」。建議在課程設計中，針對不同性質的作業（如論文寫作 vs. 程式開發）設計專屬的 AI 使用紀錄表。這不僅能幫助教師精準評估學生的真實貢獻，更能引導學生在不同認知階段（如構思、草擬、優化）有意識地使用工具，將 AI 整合進專業的工作流程中，而非僅僅作為作弊工具。
原始文獻資訊
- 英文標題：
- Structuring Transparency: Developing Domain-Specific Generative AI Declaration Frameworks in Higher Education
- 作者：
- Nicholas Micallef, Olga Petrovska
- 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。