為什麼這很重要
AI 不僅僅是捷徑——它是學習、創意與成長的強大夥伴。 當你謹慎使用 AI，你就能培養出最重要的技能：批判性思考、創造力與判斷力。 當你利用 AI 提出更好的問題、理解多元觀點並探索新想法時，你正為未來與 AI 作為學習夥伴而非代理的未來做準備。
使用 AI 學習的關鍵技能
AI 工具能支持你的學習——幫助你理解複雜主題、更有效練習，並更深入探索想法。 關鍵在於謹慎使用這些工具，並培養我們所謂 的適當依賴 ——在 AI 表現良好時信任它，與保持健康的懷疑態度以捕捉錯誤之間找到適當的平衡。
以下是三種互補的方法，能幫助你充分發揮 AI 學習工具的效益：
✅ 先驗證：來源檢查 AI 輸出
AI 可能會出錯，因此你應該隨時透過查看可信來源來再次核對 AI 產生的資訊。 判斷關鍵資訊是否正確，不僅僅是盡職調查;它能在你學習過程中強化最重要的概念！
為什麼有效： 將主張與外部來源進行比對，能迫使你的大腦擷取並評估所知——而檢索有助於學習持久 (Roediger & Karpicke，2006年) 。
提示： Which key points are most crucial that I get correct if I want to learn [topic] properly? For each, suggest a few trusted sources I can check (e.g., textbook chapters, official websites) to independently confirm that you've covered it accurately. If I identify differences or gaps, help me investigate.
✅ 除了解釋之外：利用 AI 個人化練習和複習
你可以用 AI 自我測驗，並制定自訂的練習間隔計畫，這已被證明能幫助你隨時間更好地記憶事情。
為什麼有效： 檢索練習與間隔重複能產生更持久的學習與遷移 (Roediger & Karpicke， 2006;Cepeda 等人，2006) 。
提示： Be my retrieval coach for [topic]. Start by giving me a short answer question that I'll do my best to respond to. Score it 0–2 with a one sentence correction if needed. Repeat this 8 times, interleaving one or two items from prior topics. Based on my results, suggest a spaced plan for the next 7 days (1d, 3d, 7d) with varied formats (explain/compute/apply) if applicable.
✅ 教以學習：向 AI 解釋，讓它反擊
當你用自己的話解釋概念時，AI 可以提出問題，幫助你發現錯誤或理解上的漏洞。
為什麼有效： 自我解釋與詳盡的「為什麼/如何」提示能加深理解並支持知識轉移 (Chi 等人，1994;Pressley 等人，1987) 。
提示： Act like a curious student while I systematically teach [concept] over a series of messages. Interrupt whenever I skip reasoning with targeted 'why/how do you know?' questions - proceed as far as is reasonable. When I indicate that I'm done teaching, restate my explanation in your own words and list any misconceptions or gaps.
✅ 移除輔助輪：從引導式轉向獨立練習
你可以用 AI 學習，跟著範例，然後嘗試較少幫助的題目，最後自己解出來，建立自信和技巧。
這個過程在 STEM、量化社會科學、結構化語言任務，以及任何需要逐步精通的領域中特別強大。
為什麼有效： 範例範例能減輕認知負擔;淡化能建立獨立性;多樣化/交錯的實踐能促進轉移 ( Sweller， 1988;倫克爾 & 阿特金森，2003年;Rohrer & Taylor，2007) 。
提示： Teach me [problem type] using a 3 step progression, one message at at time. First one fully worked example with brief justifications that I'll confirm I understand. Then, one faded example with 1–2 steps with hints for me to try on my own (I'll respond with my answer, then you should give minimal, immediate feedback). Finally, an independent problem that I'll try on my own. Repeat with two more independent problems (one at a time) with mixed structures. Vary surface features but keep deep structure, then lightly interleave with a similar but different type. After each item, list the rule/formula/concept I used and suggest where to verify each definition or rule with an independent source. End with a 1 minute 'what changed?' reflection comparing two similar problems.
✅ 嘗試、檢查並反思：用 AI 在一個循環中學習
當你用 AI 練習概念或新技能時，你可以盡力而為，從 AI 系統獲得回饋，然後追蹤自己做對或做錯的地方，以提升學習效果。
為什麼有效： 預測與信心校準糾正認知錯覺;「理想困難」驅動長期保留 ( Koriat， 1997;比約克 & 比約克，2011年) 。
提示： For [topic], use a predict commit check process for 6 items (ideas, questions, or tasks). For each one: (1) ask me for my answer and my confidence (0–100%) before you share the correct or model answer, (2) reveal the answer with a brief explanation or reasoning, (3) prompt me to write a one sentence reflection or lesson learned if I didn't get it right. Keep a running error/insight log with columns: Item → Pattern (error or insight) → Possible Cause → Next Step . (4) once I answer with a reflection, move on to the next. If I do well (get three questions in a row correctly), gently increase the challenge; if I struggle (three in a row missed), decrease the challenge.
[來源]
比約克，R. A.，& 比約克，E. L. (2011) 。 讓自己很難過，但那是好 事 。 新理論：廢棄 /理想困難。
Cepeda， N. J. 等人 (2006) 。 《語言回憶任務中的分散式練習：回顧與量化綜合》。心理 學通訊 。
奇，M. T. H. 等人 (1994) 。 自我解釋：學生如何 學習並運用範例來解決問題。認知 科學 。
Dunlosky， J. 等人 (2013) 。 以有效的學習技巧提升學生的學習。《公共利益下的心理科學》。
Koriat， A. (1997) 。 監控自身知識：一種提示利用方法。心理 學評論 。
科內爾，N.，& 比約克，R. A. (2009) 。 人類記憶中的穩定性偏誤。《實驗心理學期刊：學習、記憶與認知》。
倫克爾，A.，& 阿特金森，R. K. (2003) 。 結構化從 範例 題到問題解決的過渡過程。教育 心理學家 。
羅迪格，H. L.，& 卡皮克，J. D. (2006). 考試強化學習。實驗心理學期刊： 一般 。
Rohrer， D.， & Taylor， K. (2007) 。 數學題目的洗牌有助於提升學習。應用認知 心理學 。
斯韋勒，J. (1988;1994年) 。 認知負荷理論 與 教學設計 的意涵 。 教學 科學 ; 學習與 教學 。
了解什麼是 AI，以及它不是什麼
了解 AI 擅長什麼以及它的不足之處，有助於你更有效運用它。 AI 擅長模式識別、產生範例及資訊組織。 它能幫助你從多角度探索主題，並透過各種範例練習技巧。
同時，AI 也會犯錯。 它可能產生聽起來合理但錯誤的資訊，忽略複雜主題的細微差別，或是訓練資料中反映偏見。 了解這些限制有助於你適當依賴 AI——在發揮其優勢的同時，也要時刻留意其弱點。
一般資源
全面涵蓋 AI 基礎、生成式 AI 及負責任的 AI 原則。
學生資源
開始Microsoft 365 Copilot Chat (影片)
短動畫影片介紹基本的 Copilot Chat 功能及驗證來源的重要性。
透過這些短影片，任何人都能學習 AI 的基本運作原理，以及它如何幫助我們解決問題和學習。 每支影片都配有可下載的教學資料、家長指南和電影海報。
教育者資源
幫助學生建立對 AI 能力與限制的基礎理解：
一個創意資源，結合引人入勝的敘事故事與教學資訊，為13至15歲的教育工作者與學生創造沉浸且有效的學習體驗。
Reed Smart：人工智慧偵探 (Minecraft Education)
加入偵探里德·史馬特，一起調查這個謎團中人工智慧濫用的奇異案件！ 分析深偽技術、發現 AI 生成內容，並學習 AI 運作方式，追蹤線索並分析證據。
建立你自己的 AI 能力，學習將 AI 融入你工作中的策略。
AI 成功的關鍵技能
隨著人工智慧改變我們的學習、工作與解決問題方式，資訊素養已成為一項不可或缺的技能。 資訊素養技能，如核實來源、理解脈絡及批判性思考，是負責任且有效線上資訊導航的基礎。 隨著 AI 成為學習與日常生活不可或缺的一部分，這些技能變得更加關鍵：我們不僅需要資訊的取得，還需要對自己評估資訊的能力有信心。
推薦的第三方資源
請觀看這套完整的影片課程，介紹如何評估線上資訊並建立關鍵的線上資訊素養技能。 請注意：本資源因其教育價值而推薦，並非由 Microsoft 製作。我們是以第三方的身份分享 資源！
Microsoft 教育者資源
協助學生理解人工智慧對學習與社會的更廣泛影響：
透過將資訊素養技能融入任何作業，幫助學生自信地駕馭當今複雜的資訊生態系統。
提供教學材料與指導，以培養學生資訊素養技能。
適合8至18歲的引人入勝體驗，教導學生評估資料來源、偵測偏見並發掘資訊中的真相。
一個創意資源，結合引人入勝的敘事故事與教學資訊，為13至15歲的教育工作者與學生創造沉浸且有效的學習體驗。
其他資源
用 AI 技能導航器找到你的 AI 學習路徑
了解更多關於 Microsoft關於適當依賴的研究
閱讀 AETHER 生成式人工智慧學習成果評測
