為甚麼用認知科學檢視 AI 課堂

這四項原則的英文分別是 attention、active engagement、error feedback、consolidation。用它們檢視 AI 課堂，好處是把「這個工具好不好」的模糊問題，換成四條可以逐一回答的問題。

以下逐項說明 AI 幫得上與幫倒忙的地方。同一件工具，用對了扣中原則，用錯了會反過來妨礙學習，分別往往只在課堂設計。

專注：AI 幫在哪、害在哪

專注是學習的入口，注意力放在哪裡，學習就發生在哪裡。AI 能製作貼近學生程度的材料，減少因太難或太易而分心；即時回應也有助維持投入。反過來，花俏的介面、過多的動畫與提示音，會把注意力從內容引開。工具愈熱鬧，未必愈有效。

檢視點：這個 AI 功能是把學生的注意力帶向要學的內容，還是帶向工具本身？

主動參與：給答案會殺掉參與

學習要靠學生主動提取與思考，被動接收的效果遠遜。這是 AI 最容易用錯的地方：學生一問，AI 就給出完整答案，思考的過程被整個略過，看起來完成了工作，其實甚麼都沒學到。

較好的用法是讓 AI 提供提示而非答案、要求學生先嘗試再由 AI 回應，或讓學生評鑑 AI 輸出的對錯。判斷 AI 的答案，本身就是一種主動參與。設計時要守住一條線：想的部分留給學生。

錯誤回饋：AI 最能發揮的地方

及時、具體、針對個人的錯誤回饋，是提升學習最有效的因素之一，也是傳統課堂最難做到的——一位教師難以同時給三十名學生即時批改。AI 在這裡最有價值：它可以即堂指出錯在哪、為甚麼錯，讓學生趁記憶還熱時修正。

但回饋的質素取決於工具是否對準本地課程與評卷準則。籠統的讚美或錯誤的糾正，比沒有回饋更壞。採用前要看它的回饋是否有據、能否指到具體的一步。

鞏固：對抗遺忘

學過的東西會遺忘，鞏固靠的是間隔重溫與變式練習。AI 可以按學生的弱點生成貼近其真實錯誤的變式題目，安排在適當時間重溫，這類工作由人手做最花時間。用錯的情況是把鞏固變成大量機械操練，學生做得多卻想得少，反而消磨動機。

檢視點：這些練習是在幫學生把理解變得牢固，還是只在堆砌數量？

一個可套用的設計問題

把四項原則濃縮成一個教師能即時使用的問題：這個 AI 用法，是幫學生更專注、更主動、獲得更好的回饋、記得更牢，還是只是替教師省了功夫？四項都答得上，這是值得推行的用法；若只是省事而學習沒有增益，再方便也應該保留。以學習為準繩而非以方便為準繩，是 AI 進課堂時最實在的分界。