生成式 AI 輔助下不同作業型態對大學計算機概論學習內化之影響： 作業導向與報告導向策略的準實驗比較

Abstract

隨著生成式人工智慧（Generative AI）進入高等教育，學生普遍使用 ChatGPT
輔助解題與報告撰寫，然其對長期學習成效之影響仍有待釐清。本研究探討在相同 AI
使用條件下，不同作業型態如何透過學習強化機制（reinforcement）影響學習內化。研究以 2024
年某理工科大學「計算機概論」兩個平行班級為對象，採準實驗設計，比較 GPT 輔助反覆練習的作業導向策略（A 班）與
GPT 輔助口頭報告的報告導向策略（B 班）。兩班共進行五次測驗，其中第一次小考與期末考禁止使用
GPT。結果顯示，兩班在第一次小考表現相近（d = −0.07），但隨學期進行，A 班逐步展現優勢，第二次小考效應量達
d = 0.43，期末考（無 GPT）時 A 班顯著高於 B 班（50.0 vs. 39.5，d =
0.66）。研究顯示，生成式 AI 的教學成效取決於其是否被嵌入促進反覆練習與錯誤修正的作業型態，方能支持長期學習內化。