在生成式 AI 快速普及的教育環境中，許多教育者面臨一個核心爭論：學生應該學習獨立思考，還是學習如何使用 AI？這種對立的看法將 AI 視為思考能力的替代品，但近期由博科尼大學（Bocconi University）與 OpenAI 經濟研究團隊合作的一項隨機實驗，揭示了 AI 工具與批判性思考訓練之間其實存在著互補關係，而非單純的替代或衝突。
該實驗針對一千多名大學一年級新生展開，要求他們針對大學校園商店的行銷建議撰寫一份真實世界的商業案例分析。研究人員將學生隨機分為四組：第一組僅能使用 ChatGPT (GPT-4o)，第二組僅接受因果推理（Causal Reasoning）訓練，第三組同時擁有 AI 權限並接受訓練，第四組則兩者皆無。這裡提到的因果推理是一種特定的批判性思考形式，旨在訓練學生建立原因與結果之間的邏輯連結，並能解釋某個解決方案為何可行或不可行。值得注意的是，這項因果推理訓練與 AI 無關，而是透過遊戲、案例分析與反饋機制來達成。
AI 工具對專業能力的填補作用
實驗結果顯示，能夠使用 ChatGPT 的學生在五分制的評分量表上得分顯著較高，幾乎高出近一分。這些學生的答案包含更多想法，邏輯結構更清晰，且其建議內容與專業人士撰寫的方案高度相似。這說明 AI 能有效縮小初學者與專家之間的專業差距，幫助學生產出看起來更專業、更具說服力的成品。
然而，研究強調學生並非單純將作業交給 AI 處理。在實際操作中，學生仍需決定詢問 AI 的方向、評估 AI 給出的回應，並篩選出最適合放入最終提交文件的內容。這意味著 AI 在此扮演的是一種提升產出品質與邏輯連貫性的工具，而非完全取代思考過程。
批判性思考訓練對原創性的貢獻
相較於 AI 提升的「專業感」，因果推理訓練則帶來了截然不同的效果。接受訓練的學生在解釋想法為何有效或何時會失敗時表現得更清晰。有趣的是，這部分學生在傳統的評分量表上並沒有獲得更高的分數，因為傳統量表主要衡量建議是否達成增加商店知名度與使用率這兩個標準目標，而忽略了思考過程的深度。
透過自動化文本分析，研究人員發現接受批判性思考訓練的學生，其產出的想法種類更豐富，且與同儕相比具有更高的獨特性。這揭示了一個關鍵點：傳統的評分方式傾向於獎勵結構完整、符合預期的標準答案，但往往會忽略那些雖然不夠「標準」但極具原創性的洞察。
互補效應與教育評估的轉型
當 AI 權限與批判性思考訓練結合時，學生展現出了最全面的成長。這組學生既保留了因果推理訓練帶來的想法多樣性，又擁有了 AI 提供的邏輯連貫性與專業外觀。他們在質疑假設、尋找深層解釋以及產出高品質答案之間達成了平衡。
這項研究對現代教育體系提出了重要的警示：如果 AI 可以讓任何學生輕鬆產出像專家一樣完美的答案，那麼僅僅觀察最終成品（Final Answer）將無法有效衡量學生的真實理解程度。教育者必須重新思考評分機制，將重心從「答案是否正確或專業」轉移到「思考過程是否具備原創性」以及「推理邏輯是否嚴謹」。
總結來說，AI 幫助學生將答案變得更好，而批判性思考訓練則讓學生的想法變得更寬廣。在 AI 時代，教育的目標不應是在兩者之間做選擇，而應是將 AI 作為提升效率與品質的槓桿，同時強化人類獨有的原創思考能力，以應對未來複雜的挑戰。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。