EngramQuest

學習科學

用 AI 學習會變笨嗎?研究其實是這樣說的

重點整理

  • 在 AI 替學習者回想、寫作或推理的研究裡,學習變差;在 AI 被設計成讓學習者自己做這些事的研究裡,學習沒有變差,甚至更好。[1][10][12]
  • 一項近 1,000 名高中生的隨機試驗中,不設限的 GPT-4 讓練習成績提高 48%,考試成績卻低了 17%;只給提示的版本沒有出現這個落差。[1]
  • 哈佛物理課的 AI 家教一步步引導學生,課後測驗的學習增益中位數是課堂主動學習的兩倍以上,但測的是上完課當下。[10]
  • 最常被引用的 MIT 腦波研究是小樣本預印本:它顯示寫一篇文章時投入較低,並沒有證明長期傷害。[5][6]
  • 實用原則:讓 AI 準備教材、負責解釋,但你先試著作答、只要提示不要答案、關掉對話再回想,並在幾天後重新測自己。

有新聞說 ChatGPT 讓人變笨,也有研究說 AI 家教讓學習成效翻倍。我們把兩邊的論文都讀過,整理成一張表,找出決定結果的那個條件,再把它變成 8 條你可以拿自己測試的 AI 學習規則。

用 AI 學習會變笨嗎?

AI 本身不會。發現學習變差的研究有一個共同點:本該由學習者練習的回想、作答或推理,被 AI 做掉了。只要工具設計成讓學習者自己做這些事,同樣的技術就能帶來一樣好、甚至更好的結果。

如果你搜尋過「AI 讓人變笨」,大概看過 MIT 腦波研究或 Microsoft 問卷的新聞。這篇文章回頭讀這些新聞背後的論文,也讀了比較少人提的隨機對照試驗,說明為什麼看似互相矛盾的研究,只要問一個問題就對得起來:到底是誰在思考?

綜觀 2024 到 2026 年的研究:AI 取代學習者的回想、生成或推理時,學習變差;AI 被設計成讓學習者自己完成這些工作時,學習沒有變差或更好。[1][10][12]

這篇文章比新聞摘要多了什麼:一張整理 11 篇研究樣本、設計與主要限制的表;一個依「誰做了工作」來分類研究的框架;以及一份規則清單,每條都附上檢查自己有沒有做到的方法。

說 AI 有害學習的研究,實際上發現了什麼?

它們發現:拿掉 AI 之後分數變低、推理變淺、對自己用 AI 寫出來的東西記得更少。證據最強的是隨機實驗,其餘是問卷或小型預印本,這個差別很重要。

土耳其高中數學(PNAS,2025)

Bastani 等人在土耳其一所高中,對近 1,000 名 9 到 11 年級學生做隨機試驗,共四堂 90 分鐘的數學課。[1] 一組用一般的 GPT-4 對話介面(GPT Base),另一組用同一個模型,但加上老師寫的隱藏指令,要求它一步步給提示、不直接給答案(GPT Tutor),對照組只用課本和筆記。

練習時,GPT Base 組比對照組高 48%,GPT Tutor 組高 127%。到了不能用 AI 的考試,GPT Base 組比對照組低 17%,GPT Tutor 組則與對照組沒有統計上的差異。[1] 對話紀錄顯示,很多 GPT Base 的學生直接要最終答案,而不設限的模型答對的比例只有大約一半。

45 天後還記得多少(2025)

Barcaui 把巴西 120 名商學院大學生隨機分成兩組學習 AI 概念,一組用 ChatGPT,另一組只用課堂筆記、資料庫與一般搜尋。[2] 45 天後的突擊測驗,ChatGPT 組平均答對 57.5%,另一組 68.5%(Cohen’s d = 0.68)。ChatGPT 組讀書時間較短(3.2 比 5.8 小時),但扣除讀書時間的影響後差距仍在。限制是約三成受試者沒參加最後測驗,而且全部來自同一所大學。

工程師學新函式庫(2026,預印本)

Anthropic 的研究者 Shen 與 Tamkin 把 52 位多半是資淺的工程師隨機分組,學習 Python 函式庫 Trio,一組有 AI 助手,一組沒有。[3] 之後的小測驗,AI 組平均 50 分,手寫程式組 67 分(d = 0.74),而且 AI 組並沒有明顯比較快,差距最大的是除錯題。只問 AI 概念問題的人,或讓 AI 產生程式碼後一路追問直到看懂的人,得分在 65% 以上;把工作整個交給 AI 的人低於 40%。這最後一組比較屬於觀察結果,而且各小組人數很少。

比較省力,也比較淺(2024)

Stadler、Bannert 與 Sailer 讓 91 名大學生用 20 分鐘查一個健康問題,一組用 Google,一組用 ChatGPT。[4] ChatGPT 組在每一項認知負荷指標上都比較低,但寫出的建議裡,有根據的理由比較少(1.20 比 1.87)。統計上,正是用來建構理解的那部分心力(germane load)下降,解釋了這個差距。

MIT「Your Brain on ChatGPT」研究(預印本)

MIT Media Lab 的 Kosmyna 等人記錄了 54 位成人的腦波(EEG),他們分別用 ChatGPT、搜尋引擎或不用任何工具寫作文。[5] 不用工具的組腦部連結最強、分布最廣,ChatGPT 組最弱。ChatGPT 組也很難引用自己幾分鐘前寫的句子,對文章的「這是我寫的」感受也最低。

讀這篇要小心。它是預印本,只有 18 人完成了交換條件的那一輪,只測一種任務、一種工具,而且已有發表在 arXiv 的評論質疑它的樣本數、腦波分析方法與報告方式。[5][6] 它顯示的是寫一篇文章時投入較低,不是長期傷害,作者自己也說結論是初步的。

作文變好,學到的沒有變多(2025)

Fan 等人把 117 名大學生隨機分成四組寫作:用 ChatGPT、找真人專家、用寫作分析工具,或不給額外協助。[7] ChatGPT 組作文分數進步最多,但知識增長與遷移能力都沒有比其他組好,自我調節學習的過程也不一樣。作者把這個風險稱為「後設認知怠惰」(metacognitive laziness):把原本該自己做的規劃與監控交給工具。

兩份問卷:認知卸載與信任

Gerlich 以問卷與訪談調查 666 人,發現越常用 AI 的人批判性思考分數越低,而這個關聯是透過認知卸載(cognitive offloading)產生的,年輕族群最依賴 AI。[8] Microsoft Research 與卡內基美隆大學的 Lee 等人調查 319 位知識工作者、936 個真實任務:越信任 AI,自評的批判性思考越少;越相信自己的能力,則越多。[9] 兩者都是相關研究、部分靠自評,不能證明是 AI 造成的。

那為什麼另一些研究說 AI 家教讓學習成效翻倍?

因為那些家教被設計成讓學生一直動腦。最知名的正面研究並不是丟給學生一個通用聊天機器人,而是一位依課程內容、一步步寫好引導的家教。

Kestin 等人在哈佛給生命科學學生的物理入門課做交叉試驗,分析了 194 名學生。[10] 每位學生有一週在家跟 AI 家教學一個主題,另一週上課堂主動學習。比較對象是主動學習而不是講課,門檻相當高。這位家教依序帶學生完成每題的每個小題,提示詞由授課老師撰寫,目的是促進主動投入、控制認知負荷,並提供逐步解答讓它保持正確。

上完 AI 課後的測驗中位數是 4.5,上完實體課是 3.5,作者報告學習增益的中位數超過兩倍,而且花的時間更少(中位數 49 分鐘)。[10] 限制也很實在:測驗是上完課立刻做的、系統花了好幾個月建置、沒有測長期記憶。研究團隊也發現,光靠系統提示詞,並不能穩定讓家教按順序帶完多小題的題目。

另外兩項結果也符合同一個模式。世界銀行在奈及利亞的隨機試驗中,高一學生接受六週 GPT-4 家教後,英文成績提高 0.23 個標準差(這是工作論文,尚未經同儕審查)。[11] Lehmann、Cornelius 與 Sting 的兩個預先登記的實驗室實驗中,能不能用 LLM 對整體學習沒有影響,但用法造成明顯分歧:讓 LLM 產生習題解答的學生涵蓋了更多主題,但每個主題都懂得比較少;請它解釋的學生則理解得更深。[12] LLM 也拉大了先備知識高低學生之間的差距。

樂觀的一方也要提醒一件事:一篇 2025 年廣被引用、宣稱 ChatGPT 大幅提升學習成效的後設分析,在 2026 年因編輯對其分析失去信心而被撤稿。[13] 好消息和嚇人的標題,都值得同樣仔細檢查。

在 PNAS 的試驗裡,同一個 GPT-4 模型自由給答案時讓考試成績低了 17%;用老師寫的提示詞讓它改給提示後,就沒有可測量的傷害。[1]

為什麼省掉力氣會傷到記憶?

因為那份力氣就是學習發生的地方。幾十年的記憶研究顯示,自己產生答案、從記憶裡提取、稍微卡一下,才讓知識留得久;而這三件事當下的感覺,都比讀一段流暢的解釋還差。

  • 生成效應。 根據線索自己想出來的詞,比直接讀到的同一個詞記得更好,回憶測驗與再認測驗都是如此。[14]
  • 測驗效應。 練習回想一篇文章的學生,一週後記得 61%,重讀的學生只記得 40%;但重讀的學生反而預測自己會記得最多。[15]
  • 合意困難。 間隔、交錯、自己生成、自我測驗,都讓練習感覺更難,學習當下的表現也常比較差,卻能提升長期記憶與遷移。練習時的表現,不是學會多少的好指標。[16]
  • 認知卸載。 用外在的東西,例如筆記、計算機,現在則是聊天機器人,來降低一件事的心智負擔,很正常也常常很合理。研究也描述了代價:卸載出去的東西,比較不會留在你自己的記憶裡。[17]

這種擔心比聊天機器人更早出現。2011 年 Sparrow、Liu 與 Wegner 報告,預期之後還查得到資訊的人,記得資訊本身比較差,記得去哪裡找比較好。[18] 但 2018 年一個重做 Nature 與 Science 社會科學實驗的大型計畫,沒有重現它所測試的那個結果,[19] 所以「Google 效應」應該看成合理推測,而不是定論。生成效應與測驗效應的實驗基礎則廣得多。[16]

有 AI 時的練習表現不等於學會:用不設限 GPT-4 的學生練習時高出 48%,拿掉 AI 的考試卻低了 17%。[1]

一張表看完所有研究

下表列出每項研究的對象、設計、測量內容、結果,以及最重要的限制。引用任何一篇之前,先看最後一欄。

AI 與學習的研究證據,2024 到 2026 年(2026 年 11 月查核)
研究對象與人數設計測量結果主要限制
Bastani 等,2025[1]約 1,000 名高中生,土耳其隨機試驗,4 堂數學課練習成績;不用 AI 的考試不設限 GPT-4:練習 +48%、考試 −17%;只給提示的家教:考試沒有變差單一學校、單一科目、短期
Barcaui,2025[2]120 名大學生,巴西隨機試驗45 天後突擊測驗用 ChatGPT 57.5%,不用 68.5%約三成沒參加測驗;單一大學
Shen 與 Tamkin,2026[3]52 位工程師隨機試驗學新函式庫後的小測驗50% 比 67%;沒有明顯比較快預印本;人數少;立即測驗
Stadler 等,2024[4]91 名大學生隨機:ChatGPT 對 Google認知負荷;推理品質比較省力,理由比較薄弱單一 20 分鐘任務
Kosmyna 等,2025[5]54 位成人(第 4 輪 18 位)3 組、4 輪、腦波腦部連結;記得自己的文章ChatGPT 組連結最弱、記得最少預印本;方法受質疑[6]
Fan 等,2025[7]117 名大學生隨機,4 種協助方式作文分數、知識、遷移作文變好;知識與遷移沒有單一寫作任務
Gerlich,2025[8]666 位成人問卷與訪談批判性思考;AI 使用負相關,經由認知卸載相關研究
Lee 等,2025[9]319 位知識工作者問卷,936 個真實任務自評批判性思考越信任 AI,批判性思考越少自評;相關研究
Kestin 等,2025[10]194 名哈佛物理課學生交叉隨機試驗課後測驗;花費時間學習增益中位數是主動學習的兩倍以上立即測驗;建置耗時數月
De Simone 等,2025[11]中學生,奈及利亞隨機試驗,6 週英文、數位能力英文 +0.23 個標準差工作論文
Lehmann 等,2025[12]大學生2 個實驗室實驗+田野研究涵蓋主題數;理解程度整體無差異;拿來代替有害,拿來輔助有益預印本

AI 幫助還是傷害學習,取決於什麼?

只取決於一個條件:提取、生成與判斷這三件事,是你自己做,還是 AI 替你做。用這個問題把研究重新分類,表面上的矛盾就消失了。

  • 提取: 在看到答案之前,先從自己的記憶裡把答案拉出來。
  • 生成: 自己寫出解法、解釋、句子或程式碼。
  • 判斷: 決定一個答案對不對、去查證,並察覺自己還不懂的地方。
研究背後的共同模式
當 AI…學習者就…研究發現
一問就給最終答案照抄,跳過提取與生成練習分數高,拿掉 AI 後分數低[1][3]
幫你寫好文章或學習內容只修改,不自己生成記不住自己的作品;45 天後記得更少[5][2]
幫你查資料、做整合照單全收,判斷變少比較省力,理由比較薄弱[4][9]
給提示、一步步引導每一步仍自己生成沒有傷害,甚至大幅進步[1][10]
回答學習者主動問的解釋問完自己動手理解更深[12][3]

有兩個副作用,讓有害的情況很容易被忽略。第一,流暢感很像學會了:在土耳其的試驗中,用不設限模型的學生並不覺得自己學得比較少,[1] 測驗效應研究裡,重讀的學生預測自己記得最好,結果卻最差。[15] 第二,信任會讓人少查證:知識工作者越信任 AI,自評的批判性思考越少,[9] 而土耳其那個不設限的家教,大約一半時候是錯的。[1]

能預測結果的問題不是「你有沒有用 AI」,而是「提取、生成與判斷是誰做的」。由學習者自己做時,有 AI 輔助的學習和沒有 AI 一樣好,甚至更好。[1][10][12]

這個框架沒有主張的事:AI 會降低任何人的整體智力。這些研究沒有一篇測量過這件事。它們測的是特定任務上的特定能力,多半只追蹤幾天到幾週,而且多數樣本小或只來自單一地點。

怎麼用 AI 學習才不會變笨?8 條可以自我檢驗的規則

讓 AI 準備、解釋、幫你查核;第一次嘗試和回想留給自己。每條規則都附一個簡單的檢查方式,看你是不是真的做到了。

  1. 先試,再問。 下提示之前,先寫下自己的答案、解法或大綱。檢查:筆記裡有一份在第一個提示之前寫的嘗試。[3][14]
  2. 要下一個提示,不要答案。 告訴 AI 只能引導、不要給完整解答。檢查:數一數這次對話中有幾則回覆直接給了完整解答,目標是零。[1]
  3. 用 AI 解釋,不要用 AI 做練習。 問為什麼、怎麼做,練習自己動手。檢查:本來要你練習寫的東西,沒有一樣是 AI 寫的。[12]
  4. AI 產生內容時,追問到底。 它寫完程式或摘要後,一直追問到你能自己重建為止。檢查:你能從空白頁重寫一次。[3]
  5. 關掉對話,再回想。 每次學完,在 AI 關閉的狀態下憑記憶寫出重點。檢查:你有一份寫好的回想清單,並對照原始資料批改過。[15]
  6. 隔幾天再回來,不是隔幾分鐘。 幾天後再測一次,一週以上再測一次。檢查:下一次複習已經排進行事曆。[16]
  7. 用「不靠 AI 的測驗」評估自己。 順暢的學習感覺很有效率,但要用不靠工具能做到什麼來衡量。檢查:你的進度紀錄是不用 AI 的小考分數,而不是完成了幾次對話。[1][15]
  8. 查證它說的話。 尤其是剛入門的領域,事實與解法都要對照來源。檢查:筆記裡每個重要說法旁邊都有出處。[1][9]

可以直接貼上的學習模式提示詞

你是我學習[主題]的家教。不要給我最終答案或完整解法。
1. 先請我自己試著作答。
2. 我卡住時,一次只給一個提示,從最小的開始。
3. 我回答後,請我說明理由,再告訴我哪裡錯,但不要直接給修正。
4. 結束前問我 3 個必須憑記憶回答的問題。
如果我要答案,先提醒我這條規則一次;我再要一次才給。

提示詞是很弱的護欄。你隨時可以再問一次,而哈佛團隊也發現,光靠系統提示詞,沒辦法穩定讓家教照順序帶完題目。[10] 所以第 7 條最重要:不靠 AI 的測驗,是唯一不會被流暢感騙過的指標。

EngramQuest 怎麼依這些規則設計?

EngramQuest 照研究建議的方式分工:你的 AI 工具從筆記做出學習材料,回想則由你來做。它是一個可以免費安裝與使用的 Obsidian 外掛,而且 AI 完全可選。

生成工作交給你本來就在用的 AI 工具,例如 Claude Code、Codex、Gemini CLI 或 Cursor,透過在插件設定裡安裝的 skills 來執行。它們把一篇筆記或一個主題做成教材、Review Deck 卡片或 Quest Map。插件接著呈現給你的東西,都設計成要你自己回想。

Review Deck:先看問題,提示分三步

卡片一開始只顯示問題,你得先在記憶裡找答案,任何提示都還沒出現(L1,主動回想)。卡住時,你一次要一步:L2 是脈絡錨點,從你自己的 vault 重建你第一次學到這個概念的場景;L3 是收斂提示,只指方向,絕不給完整答案。接著翻開答案,自評「重來、困難、普通、簡單」,FSRS-5 會把下一次複習排在你快要忘記的時候。這等於把第 2、5、6 條規則直接做進流程裡。研究背景見主動回想與間隔重複,功能介紹見 Review Deck。

插件裡的 Review Deck:每個牌組顯示可複習、到期與新卡的數量,以及已掌握的比例;每張卡何時回來由 FSRS 決定。
插件裡的 Review Deck:每個牌組顯示可複習、到期與新卡的數量,以及已掌握的比例;每張卡何時回來由 FSRS 決定。

Quest Map:在沒看過的情境裡用出來

回想只是一部分。Quest Map 把筆記、主題或課程變成任務:把你放進沒看過的情境,真實資料就在眼前,要你做出懂這件事的人會做的決定,然後計分。Easy、Medium、Hard 三種難度,加上最後的 Boss Battle,測的是判斷、排序與取捨。這就是上面框架裡的「判斷」,也呼應遷移與合意困難的研究。

Quest Map 的練習任務頁:每個任務標出難度、已完成的關卡,以及 Boss Battle 是否已解鎖。
Quest Map 的練習任務頁:每個任務標出難度、已完成的關卡,以及 Boss Battle 是否已解鎖。

教材以測驗收尾,卡片也可以自己寫

教材的每一課都以小測驗結尾,整套課程之後還能轉成 Review Deck 卡片或 Quest Map。如果你想把生成這一步留給自己,就手寫卡片:在筆記加上 #flashcards/主題 標籤,寫下 Q: 和 A:,牌組就會出現,完全不需要 AI(見卡片格式)。自己寫卡片,本身就是一種生成練習。

不用 AI 的做法:替筆記加上標籤,用五種格式之一寫 Q: / A: 卡片,牌組就會出現在 Hub。
不用 AI 的做法:替筆記加上標籤,用五種格式之一寫 Q: / A: 卡片,牌組就會出現在 Hub。

外掛幫不了你的地方

「顯示答案」按鈕一直都在,也沒有東西能阻止你在另一個視窗直接問聊天機器人。卡片由 AI 寫的時候,寫卡這個生成步驟就被 AI 做掉了。而且 EngramQuest 沒有做過對照試驗:它應用上面這些原理,但不保證結果。8 條規則仍然適用在你身上;使用指南說明 AI 路徑與手寫路徑各要怎麼設定。

常見問題

用 ChatGPT 會讓人變笨嗎?

沒有研究證明 AI 會降低整體智力。但多項隨機試驗顯示,練習時用 AI 直接拿答案,會讓之後的測驗分數與記憶變差,因為學習者跳過了建立記憶的回想與解題過程。

什麼是認知卸載?

認知卸載是用外在工具或動作,例如寫清單、用計算機或問聊天機器人,來減少一件事的心智負擔。它省力也常常合理,但卸載出去的資訊比較不會存進你自己的記憶。

MIT「Your Brain on ChatGPT」研究可信嗎?

應該當成初步結果看待。它是預印本,54 位受試者中只有 18 位完成最後一輪交換條件,只測一種任務與一種工具,也有發表在 arXiv 的評論質疑它的腦波分析方法。它顯示用 ChatGPT 寫作時投入較低,不代表大腦受到長期傷害。

AI 家教真的能幫助學習嗎?

可以,前提是它被設計成引導而不是直接給答案。哈佛物理課一步步引導學生的 AI 家教,學習增益中位數是課堂主動學習的兩倍以上;只給提示的 GPT-4 家教,也避免了不設限版本造成的考試退步。

怎麼用 AI 讀書才不會傷到記憶?

每題先自己試、只要提示不要答案、關掉對話寫下記得的內容,並在幾天後再測一次自己。用不靠 AI 能做到什麼來衡量進度,而不是看學習過程順不順。

用 EngramQuest 一定要用 AI 嗎?

不用。你可以在加上 #flashcards/主題 標籤的筆記裡手寫卡片,用 FSRS 排程複習。AI 工具可以從筆記做出教材、卡片和 Quest Map,但回想永遠是你自己來。

參考資料

文中每一個研究說法都對應到下列來源;預印本會特別標示。

  1. Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. doi.org/10.1073/pnas.2422633122
  2. Barcaui, A. (2025). ChatGPT as a cognitive crutch: Evidence from a randomized controlled trial on knowledge retention. Social Sciences & Humanities Open, article 102287. doi.org/10.1016/j.ssaho.2025.102287
  3. Shen, J. H., & Tamkin, A. (2026). How AI impacts skill formation. arXiv preprint arXiv:2601.20245. arxiv.org/abs/2601.20245
  4. Stadler, M., Bannert, M., & Sailer, M. (2024). Cognitive ease at a cost: LLMs reduce mental effort but compromise depth in student scientific inquiry. Computers in Human Behavior, 160, 108386. doi.org/10.1016/j.chb.2024.108386
  5. Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv preprint arXiv:2506.08872 (MIT Media Lab; not peer reviewed). arxiv.org/abs/2506.08872
  6. Stankovic, M., Hirche, E., Kollatzsch, S., & Doetsch, J. N. (2025). Comment on “Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task”. arXiv preprint arXiv:2601.00856. arxiv.org/abs/2601.00856
  7. Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530. doi.org/10.1111/bjet.13544
  8. Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. www.mdpi.com/2075-4698/15/1/6
  9. Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI ’25), Article 1121, 1–22. ACM. doi.org/10.1145/3706598.3713778
  10. Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. doi.org/10.1038/s41598-025-97652-6
  11. De Simone, M. E., Tiberti, F. H., Barron Rodriguez, M. R., Manolio, F. A., Mosuro, W., & Dikoru, E. J. (2025). From chalkboards to chatbots: Evaluating the impact of generative AI on learning outcomes in Nigeria. Policy Research Working Paper 11125. World Bank. doi.org/10.1596/1813-9450-11125
  12. Lehmann, M., Cornelius, P. B., & Sting, F. J. (2025). AI meets the classroom: When do large language models harm learning? arXiv preprint arXiv:2409.09047 (v2). arxiv.org/abs/2409.09047
  13. Humanities and Social Sciences Communications (2026). Retraction note for Wang, J., & Fan, W. (2025), a meta-analysis of the effect of ChatGPT on students’ learning performance. www.nature.com/articles/s41599-026-07310-z
  14. Slamecka, N. J., & Graf, P. (1978). The generation effect: Delineation of a phenomenon. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 592–604. doi.org/10.1037/0278-7393.4.6.592
  15. Roediger, H. L., III, & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255. doi.org/10.1111/j.1467-9280.2006.01693.x
  16. Bjork, E. L., & Bjork, R. A. (2011). Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning. In M. A. Gernsbacher, R. W. Pew, L. M. Hough, & J. R. Pomerantz (Eds.), Psychology and the real world: Essays illustrating fundamental contributions to society (pp. 56–64). Worth Publishers. bjorklab.psych.ucla.edu/wp-content/uploads/sites/13/2016/04/EBjork_RBjork_2011.pdf
  17. Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. doi.org/10.1016/j.tics.2016.07.002
  18. Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776–778. doi.org/10.1126/science.1207745
  19. Camerer, C. F., Dreber, A., Holzmeister, F., et al. (2018). Evaluating the replicability of social science experiments in Nature and Science between 2010 and 2015. Nature Human Behaviour, 2(9), 637–644. doi.org/10.1038/s41562-018-0399-z

關於這篇文章

powen 是 EngramQuest 的開發者。EngramQuest 是免費的 Obsidian 外掛,把筆記變成教材、教學影片、練習任務和 FSRS 閃卡。這裡的文章由 AI 協助蒐集資料與起稿;引用的每一篇研究都對照過原始論文,外掛的細節來自外掛本身的文件與原始碼。

EngramQuest 如何運用記憶科學

把學到的留下來。

Obsidian 桌面版與手機版皆可免費使用。AI 可選。

免費社群插件 · 會打開 Obsidian。沒有反應? 從插件目錄安裝 (在新分頁開啟)