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。
| 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。
| 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。
- 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]
- 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]
- 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]
- 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]
- 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]
- 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]
- 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]
- 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。

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。

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。

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。
- 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
- 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
- Shen, J. H., & Tamkin, A. (2026). How AI impacts skill formation. arXiv preprint arXiv:2601.20245. arxiv.org/abs/2601.20245
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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