這片研究報告的結論是：
1.電腦科學的學生只佔學生總人數的5.4%，但對話比率達36.8%。相較之下，商業、健康及人文學科的使用率較低。
2.學生主要跟AI互動的四種模式（比例都差不多）：直接解決問題、直接生成輸出、協作解決問題跟協作創造輸出
3.學生主要運用AI進行創作跟分析，像是創作coding project或是分析法律概念。這個跟Bloom’s Taxonomy上的高階認知能力相符。這導致了一個問題就是我們如何確保學生不將重要的認知任務外包給AI。
電腦、工程、自然科學跟數學領域的使用者比較偏好協作型對話。
而教育領域的使用者特別偏好創造輸出(Out Creation)不論是直接或是協作，但通常用來”建立全面的教學素材和教育資源”和”建立詳細的教案”
學生主要使用Claude在完成高階的認知任務，從Bloom’s Taxonomy來看，創作(39.8%)和Analyzing(30.2%)是最常見的使用的方式。而這樣的結果顯示了AI成為學生過度仰賴的支柱，進而妨礙他們發展支持高階認知能力所需的基礎技能。畢竟反過來的金字塔可能會倒塌。
我的心得：
雖然這篇研究報告的結果並不意外，我的想法還是如果我們還讓孩子在"我們看不到"的地方自行摸索使用，孩子就只會用AI節省時間，都直接讓AI生成最後的作品或者問題解決方案。
但如此一來，孩子就跳過中間記憶跟理解的認知階段直接創造作品。也意味著學生並沒有在過程中付出努力學習，這樣的學習其實很脆弱也不真實。
但如果我們跟孩子談如何應用AI輔助學習跟協作解決問題，跟孩子討論「這個界線在哪裡？」「什麼時候用是恰當的？」「什麼時候我們應該質疑它、挑戰它（例如：它的答案是否全面？是否帶有偏見？是否忽略了更重要的脈絡）？」「哪些任務，我們必須堅持由自己來完成？」
這樣會不會更好？
留言