Andrew Ng稱，大多數學生把生成式AI用於代寫作業、直接給答案或完成論文

Andrew Ng稱AI代做作業損害留存

Andrew Ng稱，大多數學生把生成式AI用於代寫作業、直接給答案或完成論文時，短期作業分數會上升，但長期記憶留存和脫離工具後的獨立表現會更差。

他將原因歸結爲“認知卸載”：模型替學生完成檢索、組織、推理、寫作與糾錯，學生獲得完成任務的結果，卻沒有經歷形成知識結構所需的提取、試錯、解釋和重複練習。AI在場時看似能力提升，移除AI後能力缺口才暴露。

一項針對本科生的隨機實驗發現，允許使用生成式AI的學生在即時測試中表現更好，部分增益在一週後的留存測試中仍存在約5.1個百分點；研究者同時強調，結果取決於學生具體如何使用AI，並非所有使用方式都會降低學習效果。

另一組研究與教育觀察得出相反風險：當學生無限制讓ChatGPT替代思考，留存測試正確率爲57.5%，傳統學習組爲68.5%，差距11個百分點；一項中國中學生實地研究則發現，生成式AI使作業成績提高18%、完成時間減少30%，但六個月後的月考成績下降20%。

不同研究結果並不矛盾：AI作爲講解者、追問者、反饋工具或個性化練習系統，可能提高學習效率；AI作爲答案生成器、作業代寫者或論文代理，則會減少學生自身完成關鍵認知步驟的次數。決定學習效果的不是“有沒有AI”，而是任務中的推理、回憶和糾錯是否仍由學生完成。

最實用的用法是“先做後問”：先在不看AI答案的情況下寫出解題路徑、代碼、論證或摘要，再要求AI指出漏洞、反駁假設、生成變式題，並用閉卷複述檢驗自己。比如學習微積分時，先獨立推導一道題，再讓AI只檢查每一步而不直接給最終解；隔天不借助AI重做同類題，才能測試是否真正形成能力。

市場機制上，學校、培訓機構和僱主正在面對“可展示產出”與“真實能力”分離的問題。學生和知識工作者會購買提高即時交付速度的AI工具，教育機構則需要增加口試、現場任務、過程記錄、階段測驗和無工具評估；受益者是能將AI設計爲導師、考官和反饋系統的平臺，承壓者是僅靠生成最終答案、卻無法驗證學習過程的作業與證書體系。

來源：公開信息