Dartmouth AI 調查揭示學生使用情況與同儕懷疑之間的落差

Dartmouth 公布調查結果顯示，8% 受訪美國大學生表示會直接複製 AI 文字、只作少量修改，但有 50% 相信同儕會這樣做。於 10 月 30 日公布的 Dartmouth AI 調查，揭示了自述行為與校園預期之間一項影響深遠的落差。它亦提出一個棘手問題：當學生不信任他人如何完成作業時，大學應如何保障學習？

這些結果令推動 AI 技能、同時維持有意義評核的院校承受壓力。學生可以重視聊天機械人提供的解釋，同時憂慮同學因從未真正理解的作業而獲得分數。這兩種立場並不矛盾。衝突在於，這類協助是否支援作業原本應衡量的學習成果。

由 Wharton 的 Hamsa Bastani 領導的研究提供了一個有用參照：在 AI 協助下表現更佳，並不必然代表獨立學習能力更好。Dartmouth 的貢獻則不同。其調查記錄了學生的經驗與信念，包括圍繞他人作業的懷疑。綜合而言，這些觀點顯示，大學需要同時掌握人類能力及對學術規則信心的證據。

Dartmouth AI 調查實際發現了甚麼

核心發現是，學生對自身行為的說法，與他們對其他人行為的看法之間存在落差。

Dartmouth 的學生 AI 調查結果涵蓋 1,003 名美國大學生及 1,533 名 Dartmouth 學生。全國樣本經加權處理；Dartmouth 結果則未經加權。現時 Dartmouth 本科生與即將入學的學生分為不同組別。

在全國層面，11% 受訪者表示曾使用 AI 尋找習題答案，相比之下，49% 相信同儕曾這樣做。同時，70% 表示 AI 令帶回家完成的作業變得不公平，39% 則感到同儕也在使用 AI，因而有壓力使用。

這些回答描述了一個環境：除了實際工具使用情況外，對競爭的感知亦值得關注。正在決定是否索取答案的學生，眼前看到的是當前作業；同一名學生亦會設想同學如何完成作業、教師能偵測到甚麼，以及哪些捷徑能帶來優勢。

即使尚未有人確立違規行為的實際頻率，這已構成制度層面的問題。如果學生相信按正常方式努力會令自己處於劣勢，大學的書面政策便難以令人信服。規則必須具備足夠清晰度和可信性，讓學生相信遵守規則仍然值得。

這項調查並未證明同學作弊的比例如受訪者所想般高。自述複製行為比例偏低，也不代表違規行為罕見。兩種說法之間的差異相當重要，因為任何一種過度陳述，都會導向過分自信的回應。

若把對同儕的估算視為已獲證實的行為，便是把懷疑當成證據。若把自述當成完整交代，則會忽略受訪者可能把自己描述得較為正面的可能性。兩種解讀都無法為教師提供可靠基礎，以判斷哪些作業仍能衡量個人的理解能力。

較可辯護的解讀較為狹窄：學生表示，他們自身的行為與他們歸因於他人的行為之間存在明顯不一致。大學現時有理由直接調查這種不一致，而非假設一項通用 AI 政策便能解決問題。

一項有用的院校回應，應區分幾個問題：哪些協助獲准？學生實際使用哪些協助？他們相信同學使用哪些協助？最終作品是否展現預期技能？

這些問題互有重疊，但回答其中一項並不能解決其餘問題。一份作業可以符合政策，卻仍然幾乎無法顯示獨立推理能力。學生亦可能在大部分同學遵守規則的課程中，懷疑存在不公平情況。

因此，這則新聞不僅關乎聊天機械人的採用。Dartmouth 已令評核的可信性成為校園 AI 討論中可衡量的一環。這令焦點轉向學生相信自己的作品會獲公平評價的條件。

大學面對評核可信性問題

當學生可獲得不同形式的協助時，大學面對壓力，需要說明成績代表甚麼。

一篇文章的成績或許反映論證質素、寫作發展、研究判斷，或這些能力的組合。當允許的 AI 貢獻仍不清晰時，AI 便會令這種關係變得複雜。一份精緻的提交作品，可能令教師無法確定哪些決定由學生作出。

當學生相信同學實際上遵從另一套標準時，問題會更尖銳。一項規則可能禁止生成文字，但容許對草稿提供回饋。若沒有具體例子，學生便要自行判斷回饋在何處結束、代寫在何處開始。

試想一項假設性的寫作作業。一名學生要求聊天機械人找出薄弱的轉折位，然後自行修訂。另一名學生則接受重寫後的論點，只作表面修改。兩人都可能把自己的活動描述為編輯，儘管其智識貢獻有所不同。

這種模糊性令教職員承擔具體責任：把獲准的協助與作業目的連結起來。如果目標是培養論證能力，外判其結構便會影響學習證據；如果目標是評估互相競爭的論點，比較生成的替代方案則可能有助完成任務。

這是評核設計問題，而不是一份通用認可工具清單所能解答的問題。同一個聊天機械人可支援不同的行為。僅列出某個應用程式，幾乎無法說明某種特定使用方式是否保留學生需要練習的工作。

可信的回應應在提交前讓這些界線清楚可見。學生應明白哪些內容必須獨立完成、哪些協助可予披露，以及教師如何評估這些協助。否則，執行政策可能在作品完成後才變成對詮釋的爭論。

透明度亦須有實際界限。要求學生記錄每次互動，可能增加行政工作，卻無助釐清學習情況。相關證據應是任何有助教師評估目標技能的資料，例如推理、來源選擇、修訂或解釋。

例如，評估研究判斷力的教師可要求學生說明，為何拒絕一個表面上相關的來源。評估數學理解的教師則可要求學生在新條件下調整解法。這些是可能的回應，並非 Dartmouth 調查已驗證的干預措施。

其價值取決於是否與課程配合。能夠揭示某一學科推理過程的要求，在另一學科可能成為不必要的障礙。因此，大學需要一個共同框架，同時讓教師有空間界定有意義的證據。

公平亦不止於查找被禁止的行為。遵守規則的學生需要相信，他們的努力仍然重要。只描述懲罰的政策，無法回答正當學習如何獲得認可。

眼前壓力落在教職員、學系領導及學術行政人員身上。他們必須把有關負責任使用 AI 的廣泛承諾，轉化為學生能一致理解的作業。若欠缺這種轉化，取得工具的渠道會擴大，期望卻仍然不明確。

這正是 Dartmouth AI 調查的重要性超越 Dartmouth 本身的原因。其結果明確指出一種常見課堂張力：評核制度部分取決於學生相信其他參與者面對可理解的期望。

AI 協助可以改善作品，但學習成果仍未明朗

更好的答案與準備更充分的學生，是兩種不同結果，教育 AI 需要兼顧兩者。

這個區別說明，學生對 AI 的正面經驗為何不能解決技能發展方面的憂慮。一項解釋可以感覺清晰；一份草稿可以更易閱讀；一道題目可以得出正確答案。然而，單憑這些觀察，不能證明學生可以獨立重現甚麼。

一項刊於 PNAS 的數學學習實驗利用以 GPT-4 為基礎的介面考察這項區別。研究人員比較一般聊天介面、設有教師知情防護措施的導師介面，以及沒有 AI 協助的對照組。

一般介面改善了在協助下的練習表現，但其使用者其後在無法使用介面的情況下表現較差。導師介面的防護措施大致減輕了這種損害。研究針對高中數學，因此不能證明其結果適用於所有大學學科。

其相關性在於衡量方式。評估協助消失後的表現，與評估使用工具完成的作品，是兩個不同問題。大學需要知道某個教育產品聲稱改善的是哪一種結果。

這個區別亦有助解釋不同產品取向。一般助理可直接回應使用者索取完整答案的要求。以學習為重點的介面則可引導使用者完成中間的推理步驟。兩種介面標籤都不能保證教育成果。

導師可能提供仍然過於直接的提示。一般助理亦可能在學生提出有紀律的問題時支援有用練習。產品行為、學生選擇、作業設計及後續評核，都會影響某次互動的意義。

同樣的張力亦見於 INSEAD 與 University of Pennsylvania 研究人員所述的按需協助研究。其象棋訓練實驗發現，參與者可隨時要求額外 AI 協助時，學習成效較弱。

研究人員認為，即使學習者意識到自己依賴 AI，方便取得的協助仍可能取代具成效的掙扎。這項發現支持謹慎看待把使用者控制權等同教育效益的做法；但它並不能證明所有主動要求的協助都會損害學習。

對大學採購者而言，實際含意是需要更嚴格的評估標準。滿意度、頻繁使用及完成作業，均可顯示學生認為工具有用；但這些指標仍無法確定學生有否發展院校希望教授的能力。

因此，評估可包括在移除助理後完成的任務，亦可檢視學生能否解釋錯誤、在陌生情境應用概念，或識別缺乏支持的結論。這些衡量方式比單看精緻輸出更直接反映能力。

這項挑戰亦延伸至知識工作。僱員可在協助下完成報告，卻仍無法為當中的假設辯護。開發人員可以接受建議的修正，卻不理解其奏效原因。這些只是說明性的風險，並非 Dartmouth 所衡量的結果。

對學生而言，關鍵在於當下便利與未來自主能力之間的關係。當協助能幫助他們處理自己愈來愈理解的工作時，便具有價值。若完成的成品掩蓋了理解程度毫無改變的事實，便愈來愈難從教育角度為其辯護。

這正是本文的核心取捨。大學希望學生累積使用 AI 的經驗，同時保留能培養判斷力的練習。相關證據要求審慎設計及評估，而非僅因看見完成的作品便抱有信心。

認知落差並非經核實的作弊比率

這項調查支持人們對信任的憂慮，但無法確定違規使用 AI 的確切普遍程度。

Dartmouth 的調查工作論文討論了造成這種差異的不同解釋。受訪者可能少報自己的行為、高估同儕的行為，或記得特別顯眼的例子。這些可能性可以同時存在。

作者指出，即使將自我申報的比率加倍，許多用途之間仍存在落差。這項做法測試了少報情況的敏感度，卻無法確立正確的調整方式，亦不能揭示獨立觀察所得的違規率。

這個區別避免了一個看似誘人但缺乏支持的結論：學生只是誤解了其他所有人的情況。調查提供了質疑同儕估計的理由，但沒有提供外部紀錄，顯示究竟哪些學生在甚麼作業中使用了甚麼協助。

相反的結論同樣缺乏支持。對同儕行為的高估計，並不能證明院校正面對該等估計水平的違規行為。受訪者可能描述不同的參照群體，或對同一行為有不同理解。

使用 AI 與違規之間亦有區別。撰寫初稿、編輯文字或取得解答是否違反規則，取決於作業本身。只有把某項行為回應與適用要求連繫起來，才可成為違規行為的證據。

這些限制並不抹煞研究發現，而是界定了證據可支持甚麼結論。調查可以記錄憂慮、感受到的壓力及申報行為，卻無法獨立核實受訪者描述的每一項活動。

因此，溝通時需要格外謹慎。大學若希望糾正被誇大的認知，應在呈現數字時一併說明不確定性。把自我申報當作既定事實，可能會削弱那些目睹明確違規情況的學生對院校的信任。

同時，若只傳達令人警惕的同儕估計，亦可能放大院校本來希望減低的競爭壓力。學生可能把訊息理解為：違規協助已屬普遍，而且不可或缺。

論文亦描述不同學生群體及學科之間的差異。這些比較不應淪為對哪些學生負責任地使用 AI 的簡單排名。不同領域安排的任務不同，受訪者對何謂有意義的協助亦有不同期望。

另一項複雜因素涉及結果。學生相信 AI 會損害寫作能力，反映了一項重要憂慮，但不等於已量度到寫作能力下降。他們相信 AI 能提升理解，同樣需要另行評估。

院校可以認真看待兩種信念，卻不應把任何一項表述為實驗結果。合適的下一步，是找出所申報的益處或憂慮在哪些實際課業中出現，然後檢視相關學習成果。

這正是 Dartmouth AI 調查最清晰的貢獻。它指出值得測試的問題，以及值得回應的經驗。若一則方便的標題把這些發現轉化為對作弊、學習損失或所有學生行為的確定結論，其價值便會降低。

Dartmouth 的 AI 推行令教學期望更為迫切

提供 AI 存取權，亦帶來責任：院校必須說明學生應如何在教育過程中使用這項存取權。

Dartmouth 的校園 AI 合作夥伴關係於 2025 年 12 月 3 日公布，涵蓋 Anthropic 的 Claude for Education 及 Amazon Bedrock。大學表示，學生、教職員均可使用相關服務，並會合作探索學術應用。

這項院校承諾令調查具備實際意義。Dartmouth 一方面研究學生的經驗，另一方面將 AI 納入校園生活。因此，存取權與教育評估應放在同一討論之中。

由大學提供的工具，與學生自行發現的應用程式所帶來的含義不同。學生合理地會期望院校就合宜使用方式提供指引。單憑可用性，無法傳達個別作業的界線。

教職員同樣需要清楚了解院校認可意味著甚麼。校園授權並不表示每門課程都應採用該產品；教師施加限制，亦不代表大學整體合作夥伴關係沒有價值。

有意義的決定取決於學習目標。協助整理研究項目的工具，可能適合高階作業；同樣的協助，卻可能繞過入門課程特別要求學生培養的組織能力。

這對大學領導層及供應商均構成壓力。院校需要說明採用 AI 如何支持其教育承諾；希望在學術界部署產品的供應商，則需要展示產品行為如何配合教育工作者實際安排的任務。

調查並沒有比較 Claude 與 ChatGPT，也沒有為教育助手排名。因此，Dartmouth 的合作夥伴關係應視為部署背景，而不是證明某個特定模型能解決學生所報告問題的證據。

同樣地，數學實驗中對 GPT Base 與 GPT Tutor 的比較，關乎該研究內的介面與教學設計，並不能確立當前商業產品的排名。相關比較應聚焦於不同協助形式及其可量度的後果。

就校園採購而言，這引出一組有用問題。教育工作者能否圍繞作業目標設定協助方式？學生能否分辨建議與已核實的證據？院校能否評估獨立表現，而不把使用產品的參與度當成主要成功指標？

這些問題之所以重要，是因為院校目標可能與即時用戶偏好不一致。面對截止期限壓力的學生，可能偏好完整答案；以培養推理能力為目標的課程，則可能要求學生在獲得答案前先處理不確定性。

挑戰在於如何令這種教育目的容易理解。沒有說明的阻礙可能令人感到武斷。把限制與某項技能明確連繫，能讓學生更清楚了解課程的期望。

同一原則亦適用於個人知識管理：整理材料與理解材料是相關但不同的任務。一套有用的學習系統應讓支援證據容易取得，同時為學習者的判斷保留空間。

因此，Dartmouth 的推行令指引更為迫切。學生需要明白何時協助有助於練習、何時會改變提交作品所證明的內容，以及教師將如何評估兩者的差別。

調查發布後值得留意甚麼

下一批有用的證據，將會把大學決策、已展示的學習成果及僱主期望連繫起來。

第一個訊號是 Dartmouth 是否會把研究發現轉化為具體的學術指引。其調查公告指出，一份關於教學及研究建議的教師領導報告即將發布。

未來數月，值得關注的是該指引會具體到甚麼程度。與論文、習題、研究項目及修訂工作相連的例子，將顯示院校原則如何落實於日常課業。單靠廣泛表述，仍會把大量詮釋責任留給學生。

若建議界定可觀察的期望，便會加強「調查正為教育實踐提供資訊」的論點。若回應集中於一般鼓勵，卻沒有說明評估界線，則會削弱該論點。

第二個訊號是校園評估會否區分受協助的產出與獨立能力。這需要的不只是報告參與情況或收集正面回應。來自獨立完成任務的證據，將有助直接處理學習問題。

這類評估需要審慎解讀。評估應配合課程教授的內容，結果亦應限定於所研究的人群及任務。某個環境中的成功介入措施，只能支持進一步測試，而非普遍性主張。

若學生能保留或遷移預期技能，這個訊號會加強人們對 AI 部署的信心。若受協助的提交作品更強，卻沒有相應的獨立證據，核心問題仍未有定論。

第三個訊號是 Dartmouth 的僱主研究。大學表示正調查僱主對入門職位、職責變化及所需技能的看法。這項工作可協助比較學生期望與機構所描述的需求。

僱主回應仍需要審視。表達出來的偏好不同於觀察到的招聘決定，而對 AI 技能的熱衷亦無法說明哪些能力最重要。具體說明工作、督導及評估的例子，會比一般認可更有參考價值。

若僱主識別出大學可以教授及評估的具體能力，這些發現便會加強職涯準備的論據。若存在落差，院校便有理由修訂其描述 AI 培訓益處的方式。

這些訊號均不需要假裝另一項學生調查即將進行。Dartmouth 指出下一次學生調查日期為 2027 年 8 月。較近期的發展，關乎院校指引、評估實務，以及已在進行的僱主研究。

對關注 Dartmouth AI 調查的讀者而言，下一步有用的做法，是問清楚甚麼證據會改變院校的方針。學生可以問作業中哪些部分必須展示獨立判斷；教育工作者可以說明獲准的協助如何配合這個目標；僱主可以描述他們期望新入職者能夠辯護的推理，包括 AI 生成的答案看似合理時的情況。產品團隊可以評估用戶是否保留其工具聲稱支援的能力。隨着回應逐步形成，請留意這些具體決策。當院校表示 AI 能讓學生為工作做好準備時，將量度甚麼來證明學生仍能解釋、質疑及應用自己所產出的內容？