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

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。 （相關報導： 觀點投書：「照騙」成了擄獲選票的不二法門，這樣的民主有何意義？ ｜ 更多文章 ）

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

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。 （相關報導： 觀點投書：「照騙」成了擄獲選票的不二法門，這樣的民主有何意義？ ｜ 更多文章 ）

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，使其表現接近並未使用AI的學生。

以上兩項研究，都是在實驗組（有用AI）與控制組（沒有用AI）做前後測的比較，表面上的結果都可以被解讀為「AI傷害了學習」：也就是使用AI的那組在後來不使用AI的情形下，整體平均表現往往落後於沒有使用AI的控制組。但是筆者認為這兩項研究真正有價值的部分，並不在於實驗組與控制組的平均差距，而在同樣使用AI的受試者之間，何以出現橫跨幾乎整個成績區間的落差：第一項研究的差異是出現在使用AI的模式，而第二項研究的差異則是使用AI工具的介面設計。當同樣使用AI的人彼此之間差異如此之大時，把「有沒有用AI」當成唯一主要的解釋變項，恐怕本身就過度簡化而失去應有的意義。

換言之，這兩項研究真正的貢獻並不在於證明AI有害，而在於它們同時記錄下了同樣使用AI的受試者之間，會因為使用模式與使用工具的差異，出現懸殊的落差[3]。倘若AI已經是未來社會不可缺少的基礎設施，那麼，這兩個足以造成如此巨大差別的向度，才應該是我們教育領域的學者與教師所應該更認真思考的方向。

生成式AI問世三年多來，許多研究與教育實務工作者都指出，AI使用者的動機心態是其能否善用AI工具的核心因素，但是若要實際辨認並評估效果，仍然必須落實為具體的操作行為才能被辨識。Anthropic的質性分析從互動歷程中辨識出六種AI使用行為，其中三種涉及認知參與並保住了學習成果，另外三種則否。由於此研究中此六種使用行為的人數並不多，筆者先將這六種使用模式組合成兩大類，並採用過往討論常用的「認知參與」與「認知卸載」兩個概念來區分，其定義說明如下：

認知卸載（cognitive offloading）是把思考的工作整個交出去：貼上題目直接取得答案、遇到錯誤不先判讀就丟給AI修復、拿到回覆不逐行閱讀便進入下一題；其共同特徵是，使用者在整個過程中沒有任何一刻需要在腦中維持問題的結構。認知參與（cognitive engagement）則是把AI放進思考的迴路而非取代迴路：問「這個公式或作法背後的邏輯是什麼」而非「答案或結果是多少」、或要求附上逐步解釋並確實讀完、遇到錯誤先形成自己的假設再用AI檢核或繼續討論。 （相關報導： 觀點投書：「照騙」成了擄獲選票的不二法門，這樣的民主有何意義？ ｜ 更多文章 ）

從最後學習結果的評測而言，這兩大類使用AI的模式落差極為懸殊：只向AI詢問概念性問題的受試者平均得分達86%，而把一切都交給AI的受試者僅24%。表一簡要列出兩種使用AI的模式與其產生的差異。

表一：兩大類型的AI互動模式與學習結果評估對照

（資料來源：Shen & Tamkin (2026)，作者整理。各子群人數僅2至7人，其限制詳見6.4）

同樣的工具、同樣的任務、同樣的時間限制，差別只在認知參與的程度。而其中最關鍵的一項觀察是：得分最高的AI使用者，其表現實際上優於完全不使用AI的對照組（86%對67%）。 換言之，AI對學習的作用並非只能停在「不造成傷害」的層次，它確實可能讓學習超過原本的水準，條件是使用者所問的是「為什麼這樣行得通」，而非「替我寫出來」。AI對這類使用者的角色，不是思考的替代品，而是思考的夥伴。

此處需要特別警覺的是，使用者並非不知道自己正在單純依賴而非積極學習。這也同樣出現在教育現場：前述麻省理工學院2026年8月校級報告所引的調查顯示，90%的大學部學生對過度依賴AI感到擔憂，其中67%屬於「非常擔憂」。也就是說，雖然學生在抽象層次上清楚風險何在，卻仍在具體操作中一次次把工作交出去——這說明引導的重點並不在於提醒倚賴AI的危險，而在於改變當下那一步的做法，讓學生可以更習慣性地去思辨AI所產生的結果，並且做有自覺的反思或檢驗。但這件事並不能全靠學生的自制力，也牽涉到他們所使用的AI工具本身是如何設計的。

前述的向度屬於使用者端，是教師在現有課堂條件下就可能有機會幫助學生改善的，但是這往往並不容易，因為當學生使用自己的ChatGPT或Gemini帳號時，教師是沒有權限即時了解其使用模式的。這就牽涉到教育的另一個面向，也就是關於AI工具設計的第二個向度。事實上，這裡也是目前最常被忽略的一環——多數討論一提到AI，想到的就是ChatGPT、Gemini、Claude這類商業通用型AI，卻忘了同樣的語言模型之上還可以再加一層設計，在AI資訊工程上稱之為「駕馭工程」（harness engineering）：在不降低底層大型語言模型能力的前提下，透過系統指令、檢索來源、人格設計、流程規劃與互動模式，可以大幅改變使用者與AI之間的輸入與輸出樣態——而這正是「AI助教」與商業通用型AI的分野所在。 （相關報導： 觀點投書：「照騙」成了擄獲選票的不二法門，這樣的民主有何意義？ ｜ 更多文章 ）

沃頓商學院那項研究的價值，正在於它做了同源對照：同一個GPT-4，兩種介面[2]。GPT Base是一般聊天介面，輸入題目就直接得到答案與完整解題步驟，練習階段表現比控制組好48%，但在移除AI的正式考試中卻比從未使用AI的學生差了17%。GPT Tutor則被設定了防護欄，禁止直接給答案，改為依教師設計的內容提供方向性提示，讓學生自己走完最後一步，練習階段好127%，而考試中的負面效果則大幅減輕。值得注意的是，學生是被隨機分派到這兩種介面的，因此這個差異不能歸因於學生原本的心態或程度——工具設計的效果，是獨立於使用模式這個向度而成立的。 但此處也需要注意，防護欄組的表現是傷害大幅減輕，而非顯著優於從未使用AI的控制組。

即便如此，其政策意涵仍然相當強。我們完全可以從教育心理學的角度來思考：好的AI助教設計，應該是可以把「純觀念探詢」那條路徑設成預設值，而不是仰賴每一個學生自己的自制力——這並非只是詮釋，而是有互動歷程的資料可以支持（圖一）：Base組每題平均只交換約2.1則訊息，四次課程幾乎沒有變化，這大致就是「貼上題目、取得答案」再加一次確認的長度；Tutor組則從約3.5則逐次上升到約5則。若再看對話品質，被判定為「非表淺」的比例，Tutor組約四至五成，Base組僅約兩至三成。也就是說，防護欄並不是透過給出更好的答案而生效，而是透過改變學生的互動習慣而生效。 這代表若能把更好的教育理念放進AI助教的設計，的確有機會提升學生的認知參與，並因此提升其最終的學習效果，甚至超越完全不使用AI的學生。

事實上，哈佛大學2025年一項發表於《科學報告》的隨機對照試驗[6]，為大學部普通物理課程的194名學生設計了一套AI家教，其原則並非只是禁止直接給答案，而是依教學研究的成果逐項落實——分段鷹架、控制認知負荷、即時而精準的回饋、讓學生自主掌握進度；對照組則是該校行之有年的課堂主動學習。結果是AI家教組的學習增益達到課堂組的兩倍以上（效果量d=0.63），所花的時間反而更短（中位數49分鐘對60分鐘），學習投入與動機也都顯著較高。由此可知，防護欄與AI助教的設計並不是同一件事：前者是把最壞的路徑關上，後者則是把最好的路徑鋪出來。 沃頓的研究測到的是前者的效果，哈佛的研究則顯示了後者的潛力，而這兩者也就是筆者認為理想的AI助教所應該發揮的效果。

前一節指出，AI助教之所以有效，主要並不在於它能給出更好的答案，而在於它改變了學生的互動方式。那麼，一個好的AI助教應該長什麼樣子？由於各方對「AI助教」的系統設計理論或功能想像差異甚大，筆者認為重點在於應該在以下四個面向發揮其特色。

第一，課程對齊性：能否使用本課程的教材、符號慣例與範圍，而非給出一般性的、正確卻不合本課脈絡的說明。這並不代表AI助教需要使用特定的教材重新訓練（那往往效果不好，因為可利用的資料比其基礎語言模型的訓練資料少太多），而是至少能根據教師或課程所提供的教材範圍來回答問題。 （相關報導： 觀點投書：「照騙」成了擄獲選票的不二法門，這樣的民主有何意義？ ｜ 更多文章 ）

第二，回應引導性：面對作業題時是收斂重點、階段式提示，還是直接把完整答案端出來。更何況許多學科的重點並非問題與答案導向，而是需要特定的學生互動模式，例如語言學習需要即時口說、教育或諮商領域需要能察覺對方的語調或話語內涵、工程或生物需要能從圖片中判斷問題等等。這些都是好的AI助教可以針對相關學科加強的地方，讓學生可以模擬實際需要學習處理的情境，反思可能的做法，並在錯誤中成長。如何讓AI豐富的知識適當地透過與學生的互動被引導出來，成為學生自身有參與共構的內容，往往不是一個客觀絕對的答案所能提供的[7]。

第三，學生親和性：學生是否願意親近它，並相信它在本學科上的說法可靠、值得據以思考，是AI助教應用成敗的重要關鍵。畢竟如果使用介面或AI助教回應的內容無法讓學生覺得親切，或甚至無法在枯燥的學習中提供一些情緒價值，也很難讓學生願意大量使用。學習本身是需要認知投入的，與單純的玩樂不同；如何讓AI助教具有親和性，不致淪為嚴肅枯燥的反覆練習或說教，會是它能否贏得學生信任、進而與之產生創造性互動的重要關鍵。

第四，教師可觀察性：教師能否看見學生實際上如何使用，並據以調整教學，可以說是AI助教最不可少的功能。畢竟商業通用型AI（包括其教育版本）的帳號都綁定在學生個人身上，授課教師沒有權限看到學生問了什麼、怎麼問、拿到回答之後又做了什麼。相對地，教育專用AI助教若以學校的統一帳號串接，教師便可以透過後台看見學生的使用情形，並據以評估使用模式與學習成效之間的關係[9]。這不只是對話的內容，而是可以就整個班級的使用情形作統計，例如哪些章節的提問最多、學生集中在哪一類問題、使用的頻率與方式等等，都可以透過系統後端即時顯示，提供教師參考。這樣AI助教不但是學生學習的助教，也是提升教師教學的重要工具：教師可據此修改自己實體課程中的教材或教法，達到更密切的師生互動，促進學習成果的提升。

當然，這也牽涉到學生的隱私考量。但教育專用AI助教的定位本來就是課程學習的工具，而非學生的私人助理，其使用情形對授課教師適度揭露，應屬合理的教學範圍（筆者團隊的系統即是如此設計，並於使用前向學生說明）。真正需要把守的分際在於：教師可以藉此了解學生的學習需求與困難，但不宜將平時的對話內容直接當作成績考核的依據，否則學生將不敢提出那些顯示自己不懂的問題，反而傷害了認知參與本身。

事實上，以上四項並非平行並列：前兩者是設計上的作為，後兩者則是這些作為能否生效的條件——學生若不信任AI助教或覺得無趣，再細緻的引導設計也不會被使用，他只會轉頭去用商業通用型AI；教師若看不見學生的互動歷程，也就無從診斷、無從調整、更無從評估自己的引導有沒有效果。必須說明的是，這四項是筆者認為AI助教所應達到的標準與方向，而非目前任何一套系統（包括筆者團隊所開發者）已經做到的水準。 此處亦應說明，筆者團隊的相關系統目前均以清華大學校內的教學研究計畫支持開發，尚未正式商業化。本文所列的四個面向並非為特定系統而設，也不排除其他學校或業者自行開發的AI助教；其用意在於指出這類工具的必要性與理想的設計方向，藉此讓教育社群對此有更多的關注與討論。 （相關報導： 觀點投書：「照騙」成了擄獲選票的不二法門，這樣的民主有何意義？ ｜ 更多文章 ）

筆者自112學年度（2023年9月）起於清華大學普通物理課程導入AI助教「小TAI」，其後在教務處支持下擴及理工學院修習普通物理相關課程的學生（約1,600名）[5]。三年的成果分析呈現與前述研究相同的結構：願意與AI深入討論的學生成績進步顯著，只會索取答案的學生反而相對退步。此處的深入討論是指能夠與小TAI做協作建構式的問答（圖二）：將自己的想法與對物理的了解表達出來，接受小TAI的質疑，並回頭給予回應。這樣的使用方式會比一味索取答案、或只是換個方式多方探詢AI意見的學生有更好的學習表現，也就是有真實的「認知參與」。

除了學習成果的影響以外，筆者近日也針對目前已修畢普通物理課程的大三、大四學生，調查他們回顧當時使用AI的經驗。其中有一題請學生就物理學習比較「小TAI」與商業通用型AI（圖三）：差異最明顯的三項是小TAI比較不直接給答案而能引導思考、符合本課程的內容範圍與符號慣例、以及對物理觀念正確性的信任。其實小TAI也是建立在ChatGPT、Gemini等大型語言模型上，並沒有針對課程重新訓練，因此基本的能力與商業通用型AI並沒有差別。但是由於我們對小TAI的預設路徑和回應方式是符合大一學生的程度，也就影響學生對於AI助教的學習經驗與信任關係。畢竟多數學生並不會主動下精緻的指令來客製化其個人的商業AI，也因此更能感受到AI助教的設計如何引導其思考或使用模式。

若把尺度放大到中小學端，國內已有更大規模的案例：教育部「因材網」自113年起導入生成式AI學習夥伴「e度」，以對話引導與知識節點診斷為設計原則，而非直接提供答案，目前已有超過75萬名師生使用。依113年度學習扶助科技化評量的成長測驗結果，相較於未使用因材網的學生，使用超過4小時並搭配「e度」者，國語文通過率由45%提升至62%、英語文由35%提升至58%、數學由37%提升至58%。值得注意的是，該評量的對象正是原本學習成就相對落後的學生。

由此也可以看出，一個合適的AI助教，可能也正是有效提升學生認知參與的重要因素。這就像一個年輕人學開車，會先在教練場使用有副駕輔助操縱的車輛，由教練在旁指導，逐步練習，直等到他習慣踩踏油門或煞車的感覺，內化為自己的肌肉記憶。但是如果我們直接給他一台車上路，要他自行控制而無人即時監督，結果往往不是學得更快，而是車毀人亡。教師所需要的AI助教正是那樣一個教練場——一個他看得見、能夠即時介入、能在學生真正上路之前把該教的都教好的環境。因此，筆者推動教育專用AI助教的最重要理由，並不在於它本身比一般商業通用型AI更有知識或教得更好，而在於唯有透過這樣的學習平台，教師對學生使用模式的引導才有可能真正落實。

在基礎教育階段全面禁用AI的主張，近年已從零星呼籲成為具體政策：聯合國教科文組織建議校園禁用智慧型手機；挪威政府自2026年8月新學年起全面禁止小學生在校使用生成式AI；同年4月，美加共120家機構與142位專家聯署呼籲K-12學校暫停使用生成式AI產品五年。這些主張並非全無道理，其所憂慮的正是學生在應當自行摸索的階段過早取得現成答案，與第三節所述的認知卸載恰是同一件事。 （相關報導： 觀點投書：「照騙」成了擄獲選票的不二法門，這樣的民主有何意義？ ｜ 更多文章 ）

筆者的立場也接近於此，但認為關鍵在於分級，而且要先分清楚所禁的究竟是什麼。國小階段（甚至可延伸至國中）應在學習上禁用個人手機與商業通用型AI，因為那正是理性思考習慣形成的關鍵期；即便是休閒娛樂，也應該有許多其他的選擇，而非以網路或AI替代。 但這並不等於中小學完全不能碰AI：對於學習明顯落後而需要補救教學的學生，由學校統一導入、具備防護欄與教師後台的教育專用AI助教（如教育部「因材網」的「e度」），反而應該積極運用——這個區分本身就是本文兩個向度的直接應用，該被管制的從來不是AI，而是沒有教學設計的AI。至於高中階段與大學低年級，則應普遍引入專為教育設計、具備防護欄並以適當教學理念所設計的AI助教，藉此讓基礎學科知識得到紮實的積累。而商業通用型AI，或許要到大學高年級與研究所才適合鼓勵使用——其目的是開發設計新的工具、解決跨領域的問題，而非作為學習外包的管道（見表二）。

表二：各學習階段的AI導入建議

（作者自製）

需要強調的是，分級的目的不只是延後學生與AI相遇的時間，而是確保他們在相遇之前，已經具備足以判斷該如何使用的基礎能力。換言之，前段的禁用是為了後段的善用；教育專用的AI助教是教練場或學習平台，而不是永久的代步工具。

第一，教育科技領域可以積極開發或引入更多好用的教育專用AI助教，並適當地區分學科，讓教師擁有選擇的空間。 各學科對「什麼才算好的引導」定義並不相同：物理與數學需要階段式解題與符號慣例的一致，人文社會需要保留詮釋的開放性而非提早收斂，語文寫作則需要保護學生自己的文字不被代筆。這些場景中，AI的角色都應更注重有意義的啟發，並且與學生就其閱讀或寫作的文本做緊密的互動，而非直接給出摘要或方向。教師不必成為AI的開發者，但應該成為AI助教的參與設計者、選擇者與搭配者。

第二，以優良的教育專用AI助教擠壓商業通用型AI的濫用空間，而不是以禁令圍堵。 禁令所要管制的，恰好是外觀上最難分辨的那一層——同樣是讓AI生成、同樣是複製貼上，差別只在貼上之後有沒有追問——因此執行上難以奏效；相較之下，若學校能提供對齊課程、免費且不限次數的專用助教，學生便沒有必要繞道去使用商業通用型AI。同時，由學校提供的免費助教也能消除「付費版與免費版」之間的落差，避免學生所能取得的運算資源直接反映家庭的支付能力，提升教育平權。也因此，筆者認為AI助教不必每校自建——以算力與維護成本而言，小型學校難以負擔，各自為政反而會製造新的校際落差。較合理的方式是由國家級平台或跨校聯盟提供，或者由學界與業者合作研發，讓教師有更多種選擇來做正向的提升。

第三，教師對學生使用AI助教的引導，仍然是能否弭平落差的關鍵。 同樣使用AI的學生分布橫跨整個成績區間；若放任不管，AI所擴大的是既有的差距而非縮小它——原本主動學習的學生因AI而進步更多，原本習慣直接求解的學生則退步更深。這樣的情形雖然有可能因為導入AI助教而有所改善，但是教師的引導仍然有其重要的價值。例如筆者過去兩年會把前一年學生如何使用的情形、回饋、與成績表現的關係與下一屆的學生分享，讓他們更知道如何從學長姊的經驗中快速進入善用AI助教的功能。筆者也因此觀察到，這幾年來學生使用AI助教在「認知參與」或「協作建構」的對話比例逐年升高，從112學年度的32.3%，到113學年度的42.8%，再到114學年度的51.0%。這正說明教師的引導確實有效：透過AI助教的後台即時了解學生的狀況並介入提醒，可以讓學生親身體會到與AI共學需要自己大量的認知投入，而這一環是任何技術設計都無法完全代勞的。 （相關報導： 觀點投書：「照騙」成了擄獲選票的不二法門，這樣的民主有何意義？ ｜ 更多文章 ）

此處有一個必須提前指出的風險。教育部自111年起推動的「班班有網路、生生用平板」有其特定的時代背景——當時正值疫情期間遠距教學的迫切需求，載具與網路的普及確實是必要的基礎工程。但也正因如此，AI時代的政策不宜簡單地沿用同一種思路：若只是把「生生用平板」換成「生生有（商業通用型）AI使用額度」，那買到的將是取得的管道，而不是有精心設計的AI助教。 筆者認為這些導入AI的經費應放在不同年齡層與不同學科的AI助教研發、課程對齊的內容建置與教師的引導培力上，而非單純購買商業AI的使用額度。當然，即便號稱學習型的AI助教，也要評估在前述四個面向上是否符合需求。

前述兩個向度若各自以二元方式分類，可以區別出四種類型的學生（表三，其中A至D是依學生自主學習的程度由高至低編號，而非依表格的位置排序）。這個區分的用意並不在於為學生貼上標籤，而在於指出AI的影響最容易在哪一類學生身上顯現。

表三：兩個向度交叉下的四類學生

（作者自製）

A類是已具備高度自主學習能力的少數，能直接運用商業通用型AI從事專題研究與跨領域的自我學習，這樣的使用值得鼓勵，也正是6.1所說大學高年級以後的方向。B類則是在基礎學科階段願意認真學習的學生，AI助教對他們如虎添翼，能讓所學更為紮根。但這兩類都不是AI助教最需要服務的對象——即便沒有AI助教，他們多半也能找到自己的學習方式。

真正的關鍵在C類。 這些學生原本學習動機較為被動，傾向於把工作整個交出去，但在具備防護欄、且教師看得見其互動歷程的AI助教之下，本來容易偷懶的路徑被關上，認知卸載變得不再容易，於是較有機會在教師的誘導下轉為認知參與，學習表現因而提升。前述「因材網」的成效之所以值得注意，正是因為其評量對象即為學習扶助的學生，而非原本就主動學習的那一群；筆者在清華大學的觀察亦顯示，導入AI助教後進步幅度最大的多是原本中後段的學生。

筆者此處需要特別強調，傳統的課後補強方式（例如補習、筆記或教學影片等），往往強調優秀學生的表現，以為因此可以成為其他學生的榜樣。但是這些優秀學生總是可以取得更多其他的資源以維持其表現，AI助教對他們的邊際效益其實有限。從人才培育與國家整體競爭力的角度來說，當今少子化時代最不應該忽略的，反而是以上的C類與D類學生。 若放任他們以商業通用型AI完成一切作業，其結果不是學習的加速，而是學習意願的進一步流失。因此，教育當局若能從學校與課堂上正面推廣AI助教，並取得家長的配合，D類的人數應可逐步減少而成為C類，並且藉由教師與AI助教的協助，將C類學生提升到B類或A類。換言之，推廣AI助教最大的政策價值並不在於讓優秀學生更好，而在於讓原本可能因為使用商業通用型AI而大腦外包的學生不至於失去學習能力，甚至有機會發揮潛能，成為有主動學習能力的A類或B類學生。 （相關報導： 觀點投書：「照騙」成了擄獲選票的不二法門，這樣的民主有何意義？ ｜ 更多文章 ）

不可否認，本文屬於倡議性質，囿於筆者有限的相關了解，文章論述仍僅建立在有限的證據之上。例如，Anthropic研究的六種互動模式係事後的質性分群，每小群僅2至7人，故筆者在表一分為兩大群來比較。該文作者明確聲明未宣稱因果關係，其評估亦屬即時理解的測量。其次，本文提到的兩項研究皆以有明確對錯的結構化學科為場域，而人文社會領域的學習成果往往不在於答案的正確與否，而在於觀點的多樣性與思辨的往返，本文的結論能否直接移植，仍需該領域的獨立研究[7]。再者，筆者於清華大學團隊所開發的「小TAI」雖累積有三年實地觀察，但是並沒有刻意設計的實驗組與對照組，所以無法完全區分學生的使用模式與其原有學習動機或學習能力。較可行的下一步，是在同一個情境中隨機分派學生使用教育專用助教或商業通用型AI，再比較兩組在無AI條件下的期末表現——這樣的設計並不困難，卻能把目前的相關性推進為因果證據，也歡迎國內有興趣的教育學者一起合作探究。

回到本文標題的提問：AI真的傷害了學生的學習嗎？就目前的證據而言，誠實的答案是——在沒有引導、沒有設計的條件下，答案是肯定的，因為學習本身就是辛苦的，多數學生在沒有引導時自然會傾向靠AI偷懶；但是在使用模式與工具設計兩個向度都被照顧到的條件下，使用AI助教甚至有可能比完全不使用AI有更高效的學習成果。 換言之，AI對學習的影響並非由AI技術本身決定，而是由學生怎麼用、以及教育者為他們預備了什麼樣的工具所共同決定的。這兩個向度都落在教育工作者可以施力的範圍之內，只是施力方式並不對稱：前者由下而上，是每一位教師在自己的課堂裡就能開始的；後者則由上而下，需要政策與資源的正確配置——而後者正是前者的條件，缺了合適的工具，教師甚至看不見學生怎麼用，引導連診斷的起點都不存在。 相較之下，把力氣放在爭辯AI該不該進教室，恐怕是顧此失彼。

教育制度所能決定的，從來不是學生是否使用AI，而是他們在哪一個階段、以什麼模式、透過什麼樣的工具使用。 而學生真正需要學會的，其實是判斷什麼不該交給AI。這種判斷力並非操作技能，而是建立在對學科本質的掌握、對自身理解狀態的誠實評估，以及對「什麼才算真的學會」的認識之上——換言之，如果我們期待學生的AI素養可以逐漸成熟，往往需要我們這些教育者先為他們設計一個好的AI助教，讓他們可以放心地在其中犯錯與嘗試，摸索如何與AI作正確的互動，體會到學習真正的價值。

因此，筆者認為一個好的AI助教不但不會取代教師，反而會把教師從解答者的位置釋放出來，回到引導者與判斷者的位置——在一個AI已能生成大部分答案的時代裡，這正是人類教師無可取代的價值所在。以上所述受限於筆者目前有限的觀察角度，僅在拋磚引玉，期待教育界與各學科領域的先進能提出更多的實證與思考。 （相關報導： 觀點投書：「照騙」成了擄獲選票的不二法門，這樣的民主有何意義？ ｜ 更多文章 ）

＊作者為清華大學學務處諮商中心主任、清華大學物理系教授、人文社會AI應用與發展研究中心副主任