AI 不是給答案，而是出題（下）：從答案機器到提問教練

AI 的角色：從「答案機器」到「提問教練」

生成式 AI 的快速發展，為學習帶來了新的可能性，也帶來了新的擔憂。最常見的憂慮是：當 AI 能夠提供即時、便捷的答案時，學生可能將認知工作「卸裝」給 AI。一項研究發現，頻繁使用生成式 AI 的學生出現「顯著更低的認知度」，因為少了的反思、減低了對理解需求和批判性思考，出現了「cognitive debt cycle」。

然而，問題的關鍵是 AI 如何被使用。如果 AI 被主要定位為「答案提供者」，就未必能達到學習效果。但如果 AI 被設計為「提問者」和 retrieval practice 的觸發器，它反而可以成為促進深度學習的工具。傳統上，retrieval practice 需要學習者自覺地主動回憶，而這種「自覺」恰恰是許多學生所缺乏的。學生很少自發地進行 free recall 練習。AI 可以填補這個缺口。

AI 生成練習的具體優勢

AI 不只是「出題」，它出題的方式可以遠比傳統練習更精準、更有針對性。

個人化漸進難度的題目。 傳統課本的練習題，難度比較固定，要麼比較簡單或很難。AI 可以根據學生的表現，動態調整題目難度，讓學生永遠在「稍微超出目前能力，但努力就能達到」的區間學習，達到「zone of proximal development」的理想狀態。

針對弱點的陷阱題。 學生常見的狀態，不是「知道自己不會」，而是「以為自己會」。AI 可以設計專門針對常見誤解的「陷阱題」，測試學生是否真正理解，還是只是背下了表面模式。例如學生學了矩陣乘法，AI 就出一個「行乘列」和「列乘行」結果不同的題目，令學生面對自己是否真的分得清楚。這些陷阱題不是為了刁難學生，而是為了在安全的環境下暴露弱點，在考試前發現自己哪裡沒懂。

模擬實境練習。 AI 可以模擬真實的測驗情境：限時、隨機出題、不給提示、混合不同章節的內容。這種模擬練習讓學生提前體驗考試的情境，也讓 retrieval practice 更接近真實的提取條件，而不是在你剛讀完、記憶還很新鮮時提取。它提供了「間隔練習」（spaced practice）和「交錯練習」（interleaved practice）的機會，而這兩者都被證實能顯著提升長期保留。這種個人化的模擬測驗，是傳統教學中難以達致的。

不要過量生成練習

AI 生成練習雖然很方便，但不等於學習的容易。生成一份練習題只需幾秒鐘，學生做完及理解每一個卡住的地方卻可能要幾個小時。若因出題變便宜就不斷堆疊練習和測驗，會變成剝削學生，當練習量超出消化時，學習就退化成「應付」。再好的方法，如果學生不想學，都是空的。如果學生沒有足夠動機去承受，再科學的方法也不會被採用。當學習被簡化為一連串測驗、分數和進度追蹤，學生很容易失去內在動力，學習成了外在壓力，而不是出於好奇和渴望。學習動機不是附加品，它是學習的引擎。設計 AI 輔助學習時，必須把動機放在核心位置：平衡質與量。

結語

有效學習是知識的「輸入」及「輸出」，通過認知學習，再加工。如 AI 被適當設計為「提問者」而非「答案提供者」時，將大大提升學習效果。AI 的方便不應該變成剝削學生的理由；學習動機才是學習的核心。