教師對 AI 的利益與風險：跨55國 LLM 對齊與可控性審核
arXiv - Computers and SocietyYan Tao, Olga Viberg, Deepak Varuvel Dennison, Zhikun Wu, Ren\'e F. Kizilcec
透過跨55國教師調查與LLM評估，發現教師對AI的利弊觀感與LLM輸出高度不符，提示LLM不宜替代教師直接參與。
AI 幫你先抓重點
AI 重點 1
LLM輸出與教師實際感知高度偏離，可能誤導教師對AI的信任與採用決策。
滑鼠懸停看 AI 判斷理由
若教育政策或專業發展依賴LLM生成的建議，將導致教師對AI的誤判，進而影響教學實踐與資源配置。
AI 重點 2
部分高階模型（如 Gemini 3 Fast）能捕捉跨國排名趨勢，可用於快速假設生成與比較分析。
滑鼠懸停看 AI 判斷理由
這些模型雖不完美，但能提供跨國趨勢的初步洞察，協助研究者在缺乏實地數據時快速定位關鍵差異，提升研究效率。
核心研究發現
- 1
教師對AI的利益與風險感知在55個國家呈現顯著跨國差異。
- 2
八款先進LLM在一般與國家特定提示下，均未能準確反映各國教師的差異，且普遍高估利弊。
- 3
進階推理模型與身份提示對提升LLM對教師觀感的對齊幾乎無效。
- 4
部分高階模型（如 Gemini 3 Fast）能部分捕捉跨國排名趨勢，可作假設生成與探索性比較分析之輔助工具。
對教育工作者的啟發
1) 在設計AI工具或政策前，先進行教師實地調查以確定其利弊觀感；2) 避免僅依賴LLM輸出作為決策依據；3) 若使用LLM輔助分析，可選擇高階模型並結合國家特定提示；4) 針對不同國家差異，制定差異化培訓與支援方案。
原始文獻資訊
- 英文標題：
- Teachers' Perceived Benefits and Risks of AI Across Fifty-Five Countries: An Audit of LLM Alignment and Steerability
- 作者：
- Yan Tao, Olga Viberg, Deepak Varuvel Dennison, Zhikun Wu, Ren\'e F. Kizilcec
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
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。