💰钛媒体•最新收集於 2h
AI 拉高作業分，卻拉低考試表現
#education-ai#learning-outcomes#student-assessment#ai-tutoringai-assisted-homeworkai
💡大規模學生研究揭示：AI 可能讓作業更漂亮，卻讓考試表現更差。
⚡ 30-Second TL;DR
有什麼變化
研究追蹤了 2.6 萬名中國學生，歷時 30 個月。
為什麼重要
AI 教育產品可能需要從追求即時完成作業，轉向提升可持續的學習成效。開發者與學校不應將 AI 輔助作業分數上升視為充分的成功指標。
下一步行動
在每次 AI 家教試點中加入延遲進行的閉卷基準測驗，確保學習成效不只反映 AI 輔助作業分數。
誰應關注：Researchers & Academics
關鍵要點
- •研究追蹤了 2.6 萬名中國學生，歷時 30 個月。
- •AI 輔助作業分數提高了 18%。
- •中考分數下降了 24%。
- •這項落差顯示，作業品質未必能反映真實學習成效。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 7 個來源。
🔑 增強重點摘要
- •研究顯示學生使用 AI 後，平均作業完成時間從 64 分鐘縮短至 45 分鐘，顯示學生傾向將 AI 用於「認知外包」而非輔助學習。
- •AI 的介入打破了傳統教育中「作業表現與考試成績呈正相關」的規律，目前作業表現最優異的學生反而可能在考試中表現最差。
- •數據分析指出，學生傾向利用 AI 處理容易被模型解析的「文字應用題」，導致特定數學邏輯能力的退化，但在繪圖等複雜任務上仍維持自主投入。
- •研究中約 80% 的受訪學生表示頻繁使用 DeepSeek 與字節跳動的「豆包」等 AI 模型，顯示生成式 AI 在中國青少年群體中已具備高度普及性。
- •2025 年 12 月的調查顯示，儘管依賴 AI，仍有 1,214 名受訪青少年表達了對 AI 損害自身批判性思考能力的擔憂。
🛠️ 技術深入
- 研究分析了數百萬次在 ALEKS 數學平台上的互動數據，量化了學生在不同題型上的認知投入差異。
- 該研究採用了長期追蹤（30個月）的實證方法，對比了生成式 AI 輔助與傳統學習模式下的認知負荷與長期記憶保留率。
- 研究指出 AI 導致了「間隔重複」（spaced repetition）與「交錯練習」（interleaving）機制的失效，這是導致閉卷考試成績下滑的核心技術原因。
🔮 前景展望AI analysis grounded in cited sources
全球教育體系將強制推行「AI 輔助作業」的監管框架。
鑑於目前僅 7% 的學校擁有相關指導方針，教育機構將被迫建立規範以防止學生過度依賴 AI 導致學習能力退化。
教育軟體將從「提供答案型」轉向「過程引導型」。
為了修正認知外包問題，未來的 AI 教育工具必須限制直接輸出答案，轉而強制要求學生展示解題步驟與思考過程。
⏳ 時間線
2025-12
針對 1,214 名青少年進行調查，揭示學生對 AI 損害批判性思考的擔憂。
2026-08
斯德哥爾摩大學與香港大學發表研究報告，證實 AI 輔助作業與考試成績之間的負相關性。
📎 來源 (7)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 钛媒体 ↗
每週 AI 簡報
每週一封，可隨時退訂。