認知負荷

[HK EdTech AI Application and Teaching]

研究顯示，AI能顯著提升學生在記憶與理解等基礎層面的表現（例如即時回憶與理解任務高出22分），但三週後差距大幅縮小；在高階思維任務（如應用、評估、創造）上，未使用AI的學生表現反而持續領先。使用ChatGPT修改文章的學生，雖然分數進步，但知識吸收與遷移卻沒有差異——這形成了「認知債務」：當下的表現進步，掩蓋了長期學習的缺失。

( https://edtechinsiders.substack.com/p/the-cognitive-debt-problem) 

問題核心在於「認知負荷」的區別：AI能減少無關負荷（如不良設計造成的干擾），這是好的；但它也減少了內在負荷——那種因努力理解複雜概念而產生的「生產性掙扎」，而這正是學習發生的關鍵。AI讓學習變得更輕鬆，卻不一定學得更多。

此外，AI的使用存在「能力門檻」：基礎扎實的學生能將AI當作思考的放大器；基礎薄弱的學生則傾向直接索取答案，無法評估AI輸出的品質，可能反而擴大學習差距。

好的設計原則是：

1. 保護首次嘗試——學生應先自己面對任務，再使用AI。

2. 強制評估循環——在使用AI前先進行自我評估（我知道什麼？卡在哪裡？）

3. 針對正確的負荷類型——讓AI解釋概念（降低無關負荷），而非替學生完成任務（降低內在負荷）。

4. 給予教師能見度——透過學生與AI的互動記錄，讓教師能發現AI使用從輔助轉為取代的跡象。