DMBot onepage/ 教學設計研究
Studies in Higher Education · 2025
生成式 AI 不會自動提升學習：關鍵是學生怎麼使用它
一項分析 192 份學生反思的研究指出，GenAI 的教育效果不在「有沒有用」，而在學生是否把它當成可質疑、可補足、可再建構的鷹架。
Published: 2026-09-04DOI: 10.1080/03075079.2025.2487570Source: Pallant et al.
01 / 樣本
192 份課後反思
三門行銷課、12 週學習歷程。學生先用 ChatGPT-3 生成概念定義，期末再寫自己的定義並反思兩者差異。
02 / 高成效用法
建構並擴充知識
高表現學生不只接受答案，而是補上脈絡、找出缺口、將課程概念應用到新的解釋或作品中。
03 / 低成效用法
程序化地重述
把 AI 當成現成答案、依指令完成輸出卻沒有超出要求的理解，與較低的成績及思考能力呈關聯。
Key signals
研究最重要的四組訊號
Corpus
75k
約 75,000 字學生反思，以量化內容分析編碼。
Constructive
76
採建構式使用者的平均總成績；非建構式為 69.8。
Procedural
69.8
程序式使用者的平均總成績；非程序式為 76。
Capability
3↑
擴充知識和應用能力、學習自主性、批判思考的展現皆呈正向關聯。
What the study tested
不是測 AI 的答案，而是看人如何回應答案
起點
先讓 AI 提供一個可比較的初稿
學生在第一週以 GenAI 為各自課程概念生成定義；這不是終點，而是後續學習與反思的基準線。
過程
12 週後重寫，並說明理解如何改變
研究者依反思中是否出現知識建構、擴充、重述、程序式行為，以及六類學習能力與成果進行編碼。
發現
同一個工具，導向兩種不同的學習路徑
掌握導向（mastery）的使用把 AI 輸出當素材；表現導向（performance）的使用則較接近把輸出當成要交付的結果。
Two approaches
把 AI 當鷹架，還是把 AI 當答案？
建構 knowledge construction用原有概念、課堂經驗與新證據重組理解。研究中與較高總成績、作業成績、應用知識與批判思考相關。
擴充 knowledge augmentation辨識 AI 回答的不足，補進資訊、觀點或情境。與應用能力、學習自主性與批判思考的展現呈正向關聯。
重述 regurgitation接受 AI 內容並重複它，沒有充分理解或批判分析。研究結果與三項高階能力的展現呈負向關聯。
程序 procedural use嚴格照步驟完成任務，但未顯示超出要求的學習。研究中與較低總成績、作業成績及高階能力相關。
Teaching design
可直接帶回課程的四個做法
把「比較 AI 與自己的答案」寫進任務要求學生標出 AI 的正確處、遺漏處、假設與不適用情境，再提交修訂後的立場。
將活動設計成由淺到深的鷹架先建立使用信心，再進到查核、評估、應用與知識擴充；不要把一次生成直接等同學習完成。
評分重點放在推理與工作過程讓學生呈現提示、取捨與如何連回課程內容，並用 rubric 明確獎勵批判思考，而非流暢成文。
把 AI 視為可挑戰的「較有經驗來源」它可以協助跨越暫時的知識落差，但學習的責任仍是學生檢驗、脈絡化與建構自己的理解。
Read carefully
這份證據能說什麼，不能說什麼
這是探索性、準實驗取向的關聯研究，不能直接證明因果。 研究以行為證據作為掌握／表現目標結構的代理指標，未直接操弄動機；資料來自三門行銷課，且使用情境以 ChatGPT-3 為主。它提供的是很實用的設計方向：把課程重心從「允不允許 AI」移到「學生必須如何和 AI 一起思考」。
References