近日，美國布朗大學經濟學教授羅伯托・塞拉諾（Roberto Serrano）班上發生的事件，為高等教育界投下了一枚震撼彈。因應去年十二月校園槍擊案的緣故，他將「福利經濟學與社會選擇理論」課程的期中考試改為居家開放式作答。然而，考試結果全班平均分竟高達96分，不僅遠高於該課程歷年八十分以下的平均水準，其中更有近四十人獲得滿分。

這組異常亮眼的數據並未讓塞拉諾教授感到欣慰，反而使他心生疑慮，遂將試題輸入ChatGPT比對，發現學生的答案與AI生成的內容高度脗合，甚至連一題本有簡潔直接解法的數學證明，眾多學生卻不約而同地採用了與ChatGPT相同的迂迴反證法。

為求驗證，塞拉諾教授宣布期末考試改為實體閉卷進行。消息一出，十八名學生直接退選，九人缺考，其中二十二人在期中考試曾獲滿分。參加期末考的學生，平均成績驟降至48.6分，創下該課程歷史最低紀錄，僅有極少數學生維持了與期中考試相當的表現。

塞拉諾教授直言：「社會不能接受我們最優秀的年輕一代中有相當大比例的人認為作弊是可以的，這將導致社會衰落，走向失敗。我們不能選擇成為傻瓜。」他擔憂的不僅是分數的造假，還有學生若持續將AI生成內容視為己有而放棄思考，將導致集體知識的淪喪。老師們都明白，學習需要時間的沉澱以及反覆的試錯。當AI有求必應地提供答案，它其實是在幫學生「外包」認知勞動，繞過了大腦固化記憶所需的掙扎與思考，從而使學生在不知不覺中，把最寶貴的認知鍛鍊讓渡了出去。

然而，在AI已深入生活各個角落的今天，全面禁止既不現實，也無異於因噎廢食。人工智慧輔助學子完成課業，已是不可逆轉的趨勢。時至今日，學生只需將題目輸入對話框，數秒之內，便可獲得結構完整、論證清晰的解答。此等便利，令傳統的抄襲檢測機制形同虛設，教師縱有千般警惕，亦難甄別作業背後的思維究竟是源自學子自身的能力，抑或由機器代為生成。面對此一困境，我們必須承認：「禁止」並非出路，「放任」更藏陷阱。然而，兩者之間的界線究竟在哪裡？老師又該如何確保學生在使用AI輔助的同時，仍然真正學到了東西？

 

迷思的根源：錯置AI角色，陷入「毫不費力的陷阱」

面對來勢洶洶的AI，這似乎是一個十分棘手的難題，許多教育機構的第一反應是試圖建立「允許」或「禁止」的清單，但這或許是一個錯誤的二分法。真正亟待審視的，並非「准許與否」的簡化抉擇，而是人工智慧於學習進程中究竟「當居何位」。

克羅埃西亞札格雷布大學教授Mario Brcic以及Stjepan Frljic在《The Effortless Trap: Productive Struggle, AI, and the Illusion of Learning》這篇論文中指出，同樣的AI工具，放在學習歷程的不同位置，會產生截然相反的效果。放在對的地方，它可以放大回饋、提供個人化支持；放在錯的地方，則會悄悄取代學習所需的認知勞動，製造出一種「學習的幻覺（illusion of learning）」。學生會因表面成效良好而充滿自信，但一旦需要在無AI輔助的環境下獨立運用技能時，這種自信便可能瞬間崩解。

他們引用了一項針對近千名高中數學學生的隨機對照試驗：使用無限制AI聊天機器人的學生，在無AI輔助的考試中，表現比完全沒使用工具的對照組差了17%；但有趣的是，同一個AI模型，只要稍加調整，結果便截然不同。當研究團隊將它改寫為一個只給提示、不給答案的助手時，先前那種學習衰退的現象便徹底消失；更進一步，若將它設計成一個循序引導的智慧導師，學生的學習成效甚至能翻倍成長。這其中的啟發再清楚不過：AI之於學習，究竟是助力還是阻力，關鍵並不在工具本身，而在於我們如何安排它出現的位置與方式。

 

「六步法」框架：將人工智慧置於學習之正位

Brcic和Frljic提出了一個實用的框架，幫助教師判斷在教學的哪個環節適合引入AI。他們將學習一個新概念的過程拆解為六個循序漸進的階段：

1.激發（Prime）。 教師拋出一個能引發好奇的問題或情境，同時請學生回想幾個與新概念相關的已知事物。此時學生知識地圖中的某些節點開始被點亮，新知識尚未進入，但接收它的準備工作已然啟動。

2.探究（Probe）。 教師提出一個真正的難題，但不傳授任何解題方法，也不給出答案，讓學生獨自嘗試。學生會在自己的知識地圖中四處搜尋，嘗試各種可能，多數時候得出的答案是錯誤的。

3.點撥（Point）。 教師以提問形式來引導學生的思考方向。錯誤的猜測逐漸被排除，可行的思路慢慢清晰起來，並且開始向外延伸，準備在新概念正式出現時與之連結。

4.連結（Attach）。 唯有在學生經歷了足夠的摸索之後，教師才展示一個完整且清晰的工作範例。新概念會「落」在學生已經準備好的心智連結上，學生原有的某些認知結構會稍微調整，為新知識騰出空間。

5.強化（Strengthen）。新建立的連結還很脆弱，學生需要在第二個、第三個變化的問題中反覆使用這個概念。每一次使用都會讓連結更加穩固，將新知識更深地融入原有的認知網絡中。刻意練習、交錯練習、透過解釋來鞏固，乃至教導同儕，均屬此階段的活動。

6.檢驗（Test）。 最後，學生在沒有任何輔助的情況下獨自面對問題，例如進行一場測驗。若能夠順利完成，代表新概念已經真正成為學生認知結構的一部分。從記憶中提取知識的過程，本身也是最有效的鞏固方式之一。

 

保護「掙扎」的時刻，釋放「輔助」的潛能

若將這六個步驟對照到AI的使用，得出的結論為Probe（試探） 和 Test（檢驗） 是兩個絕不容許AI介入的「保護時刻」，前者是學生初次面對難題、不斷摸索的關鍵一環，後者則是證明其獨立掌握能力的最終考驗。剩餘中間的步驟則可以適度運用AI作為輔助，例如在激發階段，AI可以協助生成引發興趣的案例、類比或回憶提示，在點撥階段，Al可以指出錯誤方向、提供類似的已解問題作為參照等等，但絕不可直接給出當前問題的答案。到了強化階段，AI則能擴大練習的密度與回饋的即時性，成為學生的練習夥伴。

就這歸納得出的六個步驟而言，學習的每個階段，學生需要的幫助是不同的，而AI的介入與否，事實上須隨著這個需求而移動。換言之，界線不在於工具本身，而在於時機。學生在尚未開始思考之前，AI不該出現，而當他們在思考遭遇瓶頸時，AI則可以提供引導而非解答；學生在反覆練習時，AI可以提升效率與回饋品質，而當學生在證明自己是否真正理解時，AI必須完全退場。同一個工具，放在學習弧線的不同位置，可能產生截然相反的效果：在一個環節是助力，在另一個環節就成了替代。

 

結語：為「自己的思考」保留空間

學習從來不是一條坦途。對知識真正的理解，往往誕生於思維的隘口，那裡有困惑，有試誤，也有山窮水盡之後的柳暗花明。這份「富有成效的掙扎」，是學習之所以真實的證據，也是能力得以生根的土壤。

人工智慧的到來，讓這條崎嶇之路變得前所未有的平坦。它可以掃除障礙、鋪平道路，甚至直接將旅人送往目的地。但問題在於：省略了跋涉的抵達，是否還稱得上一場旅途？那些不曾親身走過的風景，不曾迷路後重新找到方向的經驗，是否會在某個必須獨行的時刻，讓看似熟練的旅人發現自己手中原來空無一物？

毫不費力的學習體驗，往往以真正的理解力為代價。教育的本質，不僅是知識的傳遞，更是思維的鍛造。AI可以成為很好的助教、嚮導，甚至練習夥伴，但它不能成為學生思考的代替者。

因此，當使用Al成為學習的常態，我們需要思考的，或許不是如何讓學生的學習變得更輕鬆，而是如何在這個追求效率的世界裡，為學生保留那些「必須由自己完成」的思考時刻。讓AI在學生迷途時給予指引，而非直接代為行走；在學生困惑時提供線索，而非逕自給出答案，這或許才是當今AI浪潮中，教育的真正意義所在。

（文章僅代表作者觀點，不代表Newtalk新聞立場。）