王道維觀點：AI真的傷害了學生的學習嗎？ ─從使用AI工具的模式與AI工具的設計理念來評估

摘要 自從生成式AI進入校園以來，教育界對其影響的討論多半環繞著「AI是否傷害學生學習」這個提問，但實際的情形需要更仔細的檢視。2025至2026年間陸續發表的兩項嚴謹研究，表面上似乎都支持了「傷害」這個結論，然而若細看其組內的變異，會發現真正的訊息並不在實驗組與對照組之間的平均值，而在同樣使用AI的受試者之間，何以出現橫跨整個成績區間的落差。 這個觀察透露出以上的提問本身可能就是錯置的：它一方面預設了AI是單一（全有全無）的自變項，另一方面又預設了一個真實世界中並不存在的對照組——當AI已成為如同網路一般的基礎設施，「不使用AI」便不再是務實可行的選項。筆者認為，真正需要被認真評估的，是學生使用AI工具時的兩個向度：使用AI工具的模式與AI工具的設計理念。前者其實就是許多教育者所強調的AI素養內涵之一，強調使用AI時需要積極的「認知參與」，避免「認知卸載」（或大腦外包）。若沒有區分這兩者，就算使用同樣的AI工具也可能產生完全相反的學習結果。不過僅僅強調抽象的AI使用模式還是不夠的。 本文更著重於後者，也就是所使用的AI工具背後到底是根據何種理念所設計，因為這會大大影響使用的學生如何發展出正確合適的使用模式。目前教育圈中對AI的想像幾乎等同於ChatGPT、Gemini、Claude這類商業通用型AI，卻不清楚整個AI產業幾乎都是在這些語言模型之上透過「駕馭工程」（harness engineering）的重新設計，讓AI工具可以更貼近特定領域（如法律、金融、影視等）的專用化目的。如果將之應用於教育專用領域，可以簡稱為「AI助教」等學習工具。 筆者認為，一個設計良好的AI助教，應當在課程對齊性、回應引導性、學生親和性與教師可觀察性這四個面向上發揮比商業通用型AI更好的功能──讓教師更有效地幫助學生建立善用AI的習慣，使得AI素養教育事半功倍，避免學生的自主學習與判斷能力在商業AI的洪流中被逐步掏空。而如何鼓勵教育者積極參與AI助教的設計、開發與篩選，自然也牽涉到AI時代教育主管當局的政策方向與資源配置的重新評估。因此，「AI真的傷害了學生的學習嗎？」這個答案就在於我們教育者到底有沒有為這些學生預備合適的AI學習輔助工具（如AI助教），讓學生在學習的時候可以有更優質的選擇。 本文大綱 一、「AI是否傷害學習」是一個錯置的問題 二、證據基礎：兩項研究的共同結構 三、向度一：使用模式──認知卸載與認知參與 四、向度二：工具設計──商業通用型AI與教育專用AI助教 五、理想的AI助教應在四個面向發揮特色 六、AI助教的導入、配套與適用學生 七、結論：善用AI助教以凸顯人類教師的價值 一、「AI是否傷害學習」是一個錯置的問題 自從2022年底ChatGPT問世以來，各級學校對生成式AI的回應大致歷經了兩個階段：先是以學術倫理與作弊防制為核心的禁令期，其後是以使用指引與工作坊為主的鼓勵期。最近兩年一些教育領域的重要研究結果陸續發表，也讓我們對於AI如何影響學生學習這個議題有了更細密與謹慎的評估。例如麻省理工學院（MIT）校長Sally Kornbluth於2026年8月25日向全校發表公開信，並公布由「AI用於教學、學習與研究培訓特別委員會」提交的40頁最終報告，將生成式AI的快速發展定調為「MIT以及整個高等教育界的分水嶺（watershed moment）」，指出這項技術正在迫使大學重新思考教育的本質與運作模式。然而，愈是把這件事看成分水嶺，愈需要先問清楚：我們究竟是在評估什麼？ 筆者認為，「AI是否傷害學習」這個提問無法被「是」或「否」這樣簡要地二分，更基本的原因在於它預設了AI是一個單一的自變項，只能全有或全無，甚至直接預設的是如同ChatGPT、Gemini或Claude這類以大型語言模型（Large Language Model，LLM）為基礎的聊天機器人（以下簡稱為商業通用型AI）。但是任何稍微多了解AI近年發展趨勢的人都知道，AI的應用早就用各種形式進入到不同領域當中。最常見的方式就是在這些LLM的基礎上，增加不同的「駕馭工程」（harness engineering），使之可以針對不同領域的需求做功能的優化，例如銀行的客服機器人、法律領域的法務助理與合約審查（Harvey AI／CoCounsel）、金融財經領域的市場分析與合規審查（BloombergGPT／FinGPT）、軟體開發領域的程式碼生成與系統架構（GitHub Copilot／Cursor）等等。很可惜的是，在教育領域類似的AI助教（AI Tutor）等輔助學生學習的工具，往往在這類「AI與教育」的討論中被刻意遺忘或不經意地忽略。這或許反映出，相較於社會其他領域，教育界對現今AI技術的應用與想像仍顯不足。 除此之外，這個提問還預設了一個真實世界中並不存在的對照組：AI已被普遍視為第四次工業革命的技術基礎，甚至有人比喻為「火」或「電」的使用，人類一旦掌握，就不再有回到掌握之前的選項。這不妨以網路檢索作為類比：今日的圖書館因為網路搜尋的普及，主要保存的已是尚未電子化的紙本資料。雖然邏輯上我們仍然能問「網路搜尋是否傷害學生檢索資料的能力」，但是現實上幾乎沒有任何意義（除非網路全面而長期地中斷，但那大概只會出現於戰爭狀態）。這也反映出我們教育界還沒有意識到，AI已經是未來社會「基礎設施」的事實：可以被討論的從來不是用或不用AI，而是怎樣的使用方式才是正確的發展方向。 本文主張，教育現場真正需要的不是對以上有所缺失的AI圖像作整體評價，而是應該先區別兩個各自獨立的向度來評估AI的影響：首先是學生實際使用AI的模式，其次是所使用的AI平台又採取了什麼樣的設計。這兩個向度分別著重在實際互動與制度設計的層次，而更重要的是，後者可以大大影響前者的樣態，也將「AI對學習的影響」提高到教育政策的維度，值得更多教育領域的學者專家做更仔細的檢視。 二、證據基礎：兩項研究的共同結構 本文先以近年兩個有代表性的研究成果來做說明。第一項研究是Anthropic研究團隊於2026年1月發表的隨機對照試驗《AI如何影響技能養成》。受試者為52名專業軟體開發者，任務是使用一個從未接觸過的Python函式庫進行真實的程式撰寫，其中一半配備AI助手。結果是AI組完成時間略短於手寫組但未達統計顯著，而在隨後測驗自己幾分鐘前才寫過的概念時，AI組平均得50分，手寫組67分——相差17個百分點，效果量約等於兩個等第；細分題型後，差距最大的是除錯，其次為程式碼閱讀與概念理解。但是更值得注意的是，AI組內各互動模式的平均分數從24分到86分，跨距遠大於AI組與手寫組之間17個百分點的差距。 第二項是賓州大學沃頓商學院發表於《美國國家科學院院刊》（PNAS）的實地實驗。研究者讓近千名高中生在數學學習中分別使用一般GPT-4介面（GPT Base）與加了教師設計防護欄的版本（GPT Tutor），並在移除AI的正式考試中比較其表現。研究發現，雖然使用一般GPT-4介面的學生平均表現的確落後於並未使用AI的學生，但是當設計者僅僅改變AI介面的設計，讓學生可以使用增加防護欄的版本，就大幅提高了學生與AI互動的深度，也幾乎抵銷使用一般介面的學生因不當使用所產生的落差，使其表現接近