AI做助教得唔得？Google DeepMind首個隨機對照試驗揭示咗乜嘢

目標劑量係要學生喺每星期四堂數學堂入面，揀兩堂用AI工具，夾埋即係八星期內累積12個鐘嘅引導式學習 。

四部曲結構化課堂，仲有啲特別角色

個干預措施唔係就咁塞個Chatbot畀學生咁簡單。佢跟從一個好嚴格嘅教學框架，目的係要令AI成為協作學習過程入面嘅夥伴：

1. 老師引導嘅課堂引入：老師會設定學習目標，同埋檢查學生嘅已有知識。
2. 主要嘅二人協作活動：學生會兩個人共用一部機（即係2:1嘅學生對裝置比例）咁做功課。最關鍵係，佢哋會有清晰嘅角色分工：**「司機」（driver）負責將問題打入Gemini，而「領航員」（navigator）**就負責做筆記同引導提問。為咗確保公平參與，每堂都會調轉角色。
3. 全班討論：老師會帶領一個環節，鞏固學到嘅嘢。
4. 課堂總結：老師最後會做一個總結歸納 。

為咗準備，老師要定好課堂目標、寫低起始提示（starter prompts），同埋喺黑板起草問題骨幹，用嚟搭建學生同Gemini互動嘅鷹架（scaffold） 。

結果：整體有顯著提升，但唔係人人均等

呢項試驗得出咗統計學上顯著嘅增益，但成效有幾大，好大程度取決於工具嘅使用量同學生嘅起步點。

學生實際上係點樣同Gemini互動？

呢個研究其中一個最有啟發性嘅部分，就係分析咗超過113,000次學生同Gemini嘅互動記錄。分析結果描繪出AI嘅角色並唔係一部答案機，而係一個導師。

絕大多數嘅對話——91.4%——都係專注喺數學理解上面 。Gemini自己嘅行為亦都受到引導式學習功能嘅小心駕馭：佢發出嘅訊息入面，有76.4%都係提出鷹架式提問（scaffolding questions），推動學生自己思考，而直接提供完整解決方案嘅情況只係得2.1% 。

可能會擴大學習差距嘅風險

最初能力較高嘅學生得益最大呢個發現，促使研究人員標示咗一個好大嘅憂慮。如果冇設計出刻意支援能力較弱學生嘅策略，呢個干預措施可能會擴大現有嘅學習差距，而唔係收窄佢 。

老師有咩體驗？

嚟自老師焦點小組嘅質性反饋，為結果加多咗一個維度。老師報告話留意到學生嘅投入感增加咗，課室參與度亦都更加活躍 。好多老師仲開始用Gemini嚟備課，發現咗解釋分數呢類複雜課題嘅新方法 。

好關鍵嘅係，老師形容佢哋自己嘅專業身份有咗轉變，感覺自己嘅角色由「講師」演變成「促進者（facilitator）」，喺課室入面走動去支援一對對嘅學生 。

不過，都唔係所有反饋都係正面嘅。有啲老師反映遇到挑戰，包括Gemini間中會帶出啲離題嘅內容，或者拖慢咗成班跟教學計劃嘅進度 。

呢項研究有咩關鍵局限？

雖然結果係正面嘅，但研究人員都好小心咁列出咗幾個局限，等我哋要放喺呢啲背景之下嚟理解啲發現：

• 捆綁式干預（Bundled intervention）：呢項試驗將引導式學習、老師培訓、新課堂結構、裝置提供同埋課堂監察捆綁埋一齊。呢個設計冇辦法單獨分拆出AI工具本身嘅效果，撇除其他重要嘅支援嚟睇 。
• 普遍適用性（Generalizability）：樣本只係嚟自塞拉利昂嘅一個區，並唔能夠代表全國。研究發現最適用嘅係嗰啲有類似基礎設施嘅學校，包括有平板電腦、可靠嘅互聯網同埋準備好嘅老師 。

一個全球研究嘅藍圖

塞拉利昂嘅試驗只係個開始。呢個係Google DeepMind同Fab AI計劃緊嗰一連串國際性、預先登記試驗嘅第一炮，目的係喺唔同教育體系入面研究引導式學習 。為咗走向透明同可擴展性，佢哋喺公布結果嘅同時，亦都公開咗佢哋嘅老師培訓教材同埋一本快速RCT操作手冊（rapid RCT playbook），為其他研究人員同教育體系提供咗一個藍圖 。