孩子的作業寫完了，答案也對了。可是把螢幕放到一旁，問問「這一步為什麼這樣做」，才發現還有一段沒弄懂。當AI越來越會解題，家長可以留意的，也許就是這個差別：完成一份作業，和自己學會一件事。
2026年10月19日，國立臺中教育大學發表AI教科書系統，並與臺南市教育局、南投縣教育處及見賢思琪基金會啟動合作。這則台灣消息，值得和一項2025年刊登、在土耳其高中進行的數學研究放在一起看。兩者不是同一套產品；研究能提醒我們問什麼，不能替新產品證明有效或無效。
AI教科書已發表，合作仍要走進教室驗證
中教大說明，系統希望串起教師備課、學生與AI互動，以及學習歷程分析。教師可以調整AI產生的教材，也可參考測驗、操作與對話紀錄，觀察學生可能在哪裡需要支持。
但校方也明確保留了一條界線：這些指標反映的是可觀察的使用行為，需要教師結合情境判斷，測量效度仍須持續驗證。換句話說，看到孩子怎麼使用AI，不等於已經可靠地知道孩子懂了多少。不宜把一個提示當成孩子偷懶、作弊或「大腦外包」的判決。
南投縣政府公告則寫明，10月19日已簽合作意向書，未來導入系統，搭配教師社群與工作坊。這是合作啟動，不是全縣、全台所有學校已全面使用。中央社現場報導也核實發表與簽約；其中功能與效益的敘述主要來自校方，不能當成獨立成效實驗。
一個研究，把「有AI時」和「離開AI後」分開看
Bastani等人的論文於2025年6月25日刊登在《PNAS》。研究在2023年秋季的土耳其單一高中進行，對象是九至十一年級，安排四次、每次90分鐘的數學課程。主分析納入839名學生；研究團隊排除了非隨機編班的榮譽班（honors classes）及未填問卷者，另做穩健性分析。
學生原本在普通班隨機編班，研究再依班級、課表與設備條件分派三種練習方式：課本與筆記、一般聊天形式的GPT-4，以及加入教師解答、常見錯誤與漸進提示的GPT Tutor。練習之後，所有人都要在沒有AI、課本與筆電協助下，完成概念相近的測驗。
兩種AI在練習階段都讓成績變好。但拿走工具後，主分析模型估計，一般聊天形式組的無輔助測驗成績，比對照組相對低約17%。這是相對差異，不是少17分，也不是智力下降17%。加入教學設計的Tutor組，則未發現與對照組有統計顯著差異，不能寫成已證明學得更好。
研究的提醒很具體：有工具幫忙時的漂亮成果，不能直接當作孩子已經能獨立完成。同時，這只是單校、數學、短期測驗，而且使用2023年的模型；沒有證明所有AI、所有孩子或長期學習都會出現相同結果。
所以，關鍵也包括「AI怎麼教」
另一項2025年《Scientific Reports》的大學入門物理研究，在兩週交叉實驗中，發現專門設計的AI tutor條件有較好的即時課後測驗表現。它包含預先設計的解題步驟、內容順序與回饋，不是直接把通用聊天機器人交給學生。
這項研究也有界線：單一大學、兩個單元、短期後測，不能拿來宣稱AI比老師好，更不能外推成國小孩子的長期效果。兩項研究共同提醒我們，工具名稱之外，教學設計、使用情境和評量方式都值得看清楚。
OECD《2026數位教育展望》也特別區分任務表現與學習進展，提醒評量不能只看成品。這是整合不同研究的報告，不是另一場獨立實驗，也沒有測試中教大這次發表的系統。
回到家，留一小段讓孩子自己來
不必每次都檢查全部作業，也不用一看到AI就收走裝置。可以先和孩子約好，今天挑一道題、一個觀念，看看哪一段需要幫忙。
先說卡在哪裡，再請工具提示。例如：「我知道要用這個公式，但不知道為什麼。」這比直接拿一整份解答，更容易讓大人看見孩子原本的想法。AI的回應仍要對照課本或可信資料，不能因為語氣肯定就照單全收。
看過說明後，把提示放一旁。請孩子用自己的話說、畫一張圖，或試一道相近的題目。不是突然考倒他，而是一起找出還需要補哪一小段；說不清楚時，可以回去看，再試一次。
如果學校導入新工具，可以問具體一點。它怎麼保留學生先嘗試的空間？老師如何檢視AI錯誤？學習紀錄用來提供支持，還是直接替孩子貼標籤？這些問題，比「有沒有用AI」更接近學習本身。
我們希望留下的，不只是一份正確答案，而是孩子能慢慢說出：「這一段，我知道自己是怎麼想的。」
