AI 真正有效的教育用法，是製造思考的摩擦而非消除它

教育科技的發展，賣點始終離不開一個字：快。改作業更快、備課更快、找答案更快，彷彿速度就是解決學習落差的解方。

不過，2026 年 8 月一份針對六千名田納西州國中生的隨機對照實驗顯示，所有測試設定裡，唯一能帶來正向學習成效的特徵，反而是「慢」。目前唯一被證實有效的 AI 教育應用，是拿來「製造摩擦」，用摩擦逼孩子動腦思考，而不是消滅摩擦。

隨機對照實驗的真相：AI 的唯一成效來自「製造摩擦」

多倫多大學與賓州大學 Wharton 商學院用嚴謹標準評估 AI。研究隨機分派六千多名國中生，對照組使用傳統電腦化教材練習分數，實驗組則加入名為Numi的 AI 家教。兩組再細分是否套用「精熟規則」，也就是答錯必須連續答對三題才能前進。

結果勝出的不是「有 AI」的組別，而是「AI 加上重複」的組別，成效也只高出三個百分點。主持研究的經濟學家 Philip Oreopoulos說，這份 NBER 工作論文顯示優勢只出現在最基礎的題型，目前尚未通過同儕審查，但在許多 AI 直接給答案而跳過學習歷程的負面證據中，這已是罕見的正面訊號。

研究指出，AI 的關鍵價值在於“引導學生走過自己的錯誤”，而不是直接給解法。這項機制的核心，其實是 Benjamin Bloom 在 1960 年代提出的「精熟學習」：沒學會就不准往前。AI 只是讓這個五十年前人力難以負擔的老方法得以落實。

相較於實驗裡的微幅提升，更多的刻板印象是宣傳「每週使用 AI 的老師平均省下 5.9 小時、一年省六週」。但這類老師自我承述式的調查，從未實質證明省下的時間，能直接轉化為學生的學習成效。如果一套工具在宣傳「省時」出現的次數遠多於「學會」，它解決的往往是行政痛點，而非學習本質。

孩子的自制與落差：摩擦正在變成一種隱形特權

根據 Britebound 與 Common Sense Media 針對青少年的調查，雖然高達七成學生會用 AI 輔助功課，但多數學生卡關時，依然偏好先自己想，或是問老師、家長與朋友。AI 只是排在後面的選項。

波士頓「Me, Myself, and AI」學生藝術展也展現了青少年的成熟想法。Day of AI 執行長 Jeffrey Riley 指出，學生懂得刻意限制 AI 使用，藉此保有個人原創性。得獎者 Annie 更提出界線，考量開源、倫理與環境足跡。這證明孩子缺的不是自制力，而是清楚的指引。

真正的危機在於數位落差正沿著既有裂縫擴大。Britebound 與 Common Sense Media 發現，公立學校、父母沒有四年制大學學歷或有 IEP/504 計畫的學生，更容易把 AI 當成找答案的販賣機。在家裡有人示範如何追問的孩子，能把 AI 當成思維槓桿；缺乏指引的孩子，則失去思考的機會。懂得何時讓孩子卡住並開始思考，正在變成一種演算法無法提供的特權。

制度與台灣教育的省思：別讓錯誤的學習方式跑得更快

面對衝擊，美國教育部的非強制指引提出五大核心問題。指引要求工具必須提出改善學習的具體證據，否則就該退場。MIT 的 AI 使用委員會報告也承認 AI 已經能解決多數書面作業，並建議停止使用 AI 偵測工具，改為要求教師揭露教學與評分時的 AI 使用情況，把管制焦點轉向證據與透明度。

這給高度重視解題技巧與進度效率的台灣教育敲了警鐘。台灣傳統升學系統與補習文化本就以「消除摩擦」為目標，習慣提供整理好的講義與最短解題路徑。如果把三秒內就能給解答的 AI 放入這個獎勵快速正確答案的系統，只會加速跳過學習歷程。

田納西研究裡的三個百分點，代價是進度表上必須讓出的時間。如果不改變「進度用時間衡量，而非用精熟衡量」的觀念，AI 只會讓錯誤的學習模式跑得更快。面對 AI 工具，家長與教師最該問的不是它幫孩子省下多少時間，而是省下來的時間，究竟拿去做了什麼。