生成式 AI 輔助學習中的教學引導作用：建築工程教育的實證研究
arXiv - Human-Computer InteractionXiaoyu Hou, Bo Xiao, Hexu Liu, Shane Mueller
研究發現透過基於生成學習理論的五步驟提示框架引導 AI 互動，能顯著提升學生在解釋與推理任務中的表現。
AI 幫你先抓重點
AI 重點 1
AI 輔助學習的成效高度依賴於「互動結構化」而非工具本身。
滑鼠懸停看 AI 判斷理由
這改變了我們對 AI 工具的認知：單純提供 AI 工具並不等於提升學習品質；若缺乏教學設計（如提示框架），AI 可能僅淪為資訊檢索工具，無法觸發深層的認知加工。
AI 重點 2
教學引導能有效將 AI 互動從「資訊獲取」轉向「高階認知活動」。
滑鼠懸停看 AI 判斷理由
研究顯示引導框架對「解釋與推理」有顯著幫助，這說明了教學設計者應將重點放在如何設計引導流程，以引發學生的批判性思考，而非僅僅是解決問題。
核心研究發現
- 1
在需要解釋與推理的開放式任務中，使用提示框架引導的 AI 學習組表現優於其他組別，分數提升約 2 至 3 分（總分 18 分）。
- 2
在單純的選擇題測驗中，不同學習條件（投影片、無引導 AI、有引導 AI）之間的表現並無顯著差異。
- 3
若缺乏結構化的引導，僅使用 AI 進行自主學習的效果與傳統使用投影片學習的效果相當。
對教育工作者的啟發
教育工作者在引入生成式 AI 時，不應僅將其視為知識來源，而應設計「結構化的提示框架（Prompting Framework）」。建議將學習科學原理（如生成學習理論）整合進 AI 互動流程中，引導學生進行解釋、推理與自我檢視等高階認知任務。對於課程設計者而言，應著重於設計引導學生如何與 AI 進行深度對話的腳本，而非僅僅提供 AI 介面，如此才能確保 AI 輔助學習能真正提升學生的深層學習成效。
原始文獻資訊
- 英文標題：
- The Role of Instructional Guidance in Generative AI-Assisted Learning: Empirical Evidence from Construction Engineering Education
- 作者：
- Xiaoyu Hou, Bo Xiao, Hexu Liu, Shane Mueller
- 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。