顯性採用與隱性貢獻：GitHub 數據揭示 HCI 課程中 AI 問責制的落差
arXiv - Human-Computer InteractionMaria Teresa Parreira, Pranav Prabhat Sinha, Hauke Sandhaus, Wendy Ju
研究發現學生雖大幅增加 AI 工具的使用聲明，卻極少具體說明 AI 在作品中的實際貢獻，顯示問責機制存在落差。
AI 幫你先抓重點
AI 重點 1
區分「工具聲明」與「貢獻歸屬」的關鍵差異
滑鼠懸停看 AI 判斷理由
這項洞察挑戰了傳統認為「只要承認使用 AI 就具備誠信」的假設。在 AI 深度嵌入工作流的時代，僅告知「用了什麼」不足以評估學習成效，必須釐清「AI 做了什麼」，這對於重新定義學術誠信與學習評量至關重要。
AI 重點 2
從「偶發性行為」轉向「環境化共創」的範式轉移
滑鼠懸停看 AI 判斷理由
過去的問責框架針對的是單次、可識別的 AI 使用行為，但現在 AI 已成為持續性的協作夥伴。這意味著教育者不能再用「檢測是否使用 AI」的思維，而應轉向如何評估「人機協作過程」中的認知參與度。
核心研究發現
- 1
在三屆 HCI 原型設計課程中，學生對 AI 工具的使用聲明（Disclosure）比例從 0% 大幅成長至 66%。
- 2
儘管聲明比例上升，但明確標註 AI 具體貢獻（Attribution）的行為仍屬於少數，存在顯著的問責缺口。
- 3
到 2025 年，AI 已成為課程模板與學生裝置中的基礎設施，呈現出持續且環境化的共同創作模式。
對教育工作者的啟發
教育者應從「檢測 AI 使用」轉向「引導 AI 歸屬」。建議在課程設計中，不應僅要求學生聲明使用了哪些工具，而應建立更細緻的紀錄機制（如開發日誌或版本控制說明），要求學生具體描述 AI 在特定任務（如程式碼生成、邏輯設計或除錯）中的角色。此外，評量標準應從「最終產出」轉向「人機協作的過程」，鼓勵學生反思 AI 如何影響其決策過程，以應對 AI 成為基礎設施後的「環境化共創」趨勢。
原始文獻資訊
- 英文標題：
- Visible Adoption, Untracked Contribution: GitHub Evidence of the Accountability Gap Across Three Cohorts of an HCI Prototyping Course
- 作者：
- Maria Teresa Parreira, Pranav Prabhat Sinha, Hauke Sandhaus, Wendy Ju
- 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。