高等教育中使用 AI 學習助手：大規模描述性分析研究
arXiv - Human-Computer InteractionKristina Schaaff, Quintus Stierstorfer, Valerie Heckel
本研究透過分析超過七萬名遠距學習者的實際日誌數據，揭示了 AI 學習助手在高等教育中的使用模式與人口統計學差異。
AI 幫你先抓重點
AI 重點 1
從「自我報告」轉向「客觀行為數據」的實證範式轉移
滑鼠懸停看 AI 判斷理由
過去教育聊天機器人的研究多受限於樣本數小且依賴學生的主觀問卷，容易產生偏差；本研究利用大規模真實日誌數據，提供了更具說服力的行為證據，這對於建立精準的 AI 教育模型至關重要。
AI 重點 2
AI 工具在不同學習情境下的非均質性使用模式
滑鼠懸停看 AI 判斷理由
理解不同背景學生（如年齡、學科）在使用 AI 時的差異，能幫助設計者避免「一體適用」的錯誤，進而開發出更具包容性且能針對特定群體需求進行個性化調整的學習支持系統。
核心研究發現
- 1
研究分析了 77,543 名遠距學習者的客觀日誌數據，而非僅依賴傳統的小規模樣本或自我報告問卷。
- 2
研究發現 AI 學習助手（Syntea）已深入嵌入許多學習者的日常學習流程中。
- 3
AI 助手的實際使用行為會隨著性別、年齡、學習領域、學位類型及學習模式等人口統計與結構性因素而有所差異。
對教育工作者的啟發
對於課程設計者而言，本研究強調了 AI 工具不應僅被視為輔助工具，而應考慮其如何融入學生的日常學習習慣。實務上，設計者應根據不同學科與學生的背景特徵（如年齡與學習模式）來調整 AI 助手的互動邏輯與功能配置。此外，開發者應利用大規模的行為數據而非僅靠問卷來評估 AI 的成效，以確保教學干預措施能精準對應學生的實際需求，而非僅僅滿足學生的主觀感受。
原始文獻資訊
- 英文標題：
- Using AI-based Learning Assistants in Higher Education: A Large-Scale Descriptive Analysis
- 作者：
- Kristina Schaaff, Quintus Stierstorfer, Valerie Heckel
- 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。