當支架持續存在：AI、練習風格與精英技能形成中的篩選
arXiv - Computers and SocietySong Yao
研究探討 AI 代替或補充練習對精英程式設計者的技能影響，並揭示評估門檻如何分離兩種使用者類型
AI 幫你先抓重點
AI 重點 1
AI 風格練習在被篩選環境中可提升非 AI 成績，於非篩選環境則可能削弱進步。
滑鼠懸停看 AI 判斷理由
此發現說明 AI 的效益高度依賴評估環境，教育者若欲利用 AI 促進學習，必須設計適當的篩選機制以避免替代性練習帶來的負面效應。
AI 重點 2
AI 禁止的評估門檻能有效區分「替代使用者」與「補充使用者」，維護精英技能的完整性。
滑鼠懸停看 AI 判斷理由
此洞察顯示政策設計可作為控制 AI 取代傳統練習的工具，對於需要保留高階技能的領域（如醫學、法律）具有重要參考價值。
核心研究發現
- 1
Codeforces 競賽資料顯示，隨著兩次 AI 佈署，參賽者的練習風格越來越符合 AI 促發簽名（首次接受率高、嘗試次數少）。
- 2
在開放式 Codeforces 競賽中，較強的 AI 促發簽名預測非 ICPC/IOI 參賽者的等級增幅較小，但對已通過 AI 禁止競賽的參賽者無此影響。
- 3
在 AI 禁止的 ICPC 環境內，向 AI 風格練習傾斜的參賽者，其非 AI 協助的成績相對較高。
對教育工作者的啟發
對於程式設計競賽教練與教育政策制定者而言，可先透過分析參賽者的首次接受率與嘗試次數，辨識其 AI 風格練習。若環境允許，可將 AI 作為補充工具，鼓勵學習者在練習階段使用 AI 以加速技能累積；若擔心 AI 取代深度練習，則可設計 AI 禁止的篩選門檻，或在評估階段加入人工審查，確保最終成績反映真實能力。此策略亦可擴展至醫學、法律等專業認證領域，平衡 AI 助力與技能保證。
原始文獻資訊
- 英文標題：
- When the Scaffold Stays On: AI, Practice Style, and Screening in Elite Skill Formation
- 作者：
- Song Yao
- 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。