一句話重點
上一篇談如何引導學生「批判性地」用 AI 寫作。這一篇是它的反面警訊： 一份 387 人的 EMI 研究發現，語言能力較弱的學生，反而更傾向用生成式 AI「取代」 而非「補充」自己的語言努力。最需要練習的人，最容易把練習外包給 AI。 教師的任務，是設計能促進「互補式」整合、防止「取代式」依賴的任務。
研究發現了什麼
這份 2026 年發表於 System 的研究，調查了土耳其某大學 387 位社會科學領域的 EMI 學生， 把學生使用生成式 AI 的方式區分為三種：
- 互補式（complementary）：用 AI 輔助、延伸自己的思考與產出。
- 取代式（substitutive）：用 AI 直接代替自己該做的語言工作。
- 混合式（hybrid）：兩者交雜。
研究的關鍵發現是：
- 語言能力與 EMI 學業表現正相關——英語愈好，課業表現愈好。
- 語言能力與「取代式」AI 使用負相關——英語愈弱，愈傾向讓 AI 代勞。
研究者推論：「語言能力較低的學生，可能用生成式 AI 來彌補語言上的困難。」 這形成一個令人擔憂的循環：最該透過練習提升語言的學生，卻最容易用 AI 跳過練習， 長期下來反而拉大差距。
這是一份相關性調查，不是介入實驗——它呈現「能力與使用方式的關聯」， 但不能證明因果方向（究竟是弱才依賴，還是依賴導致弱）。即便如此，它對教師是明確的預警： 「開放使用 AI」對不同程度的學生，效果可能截然不同。
教師可以怎麼做
目標是把所有學生往「互補式」推、把「取代式」的誘因降到最低：
設計「AI 無法代勞」的任務
要求連結個人經驗、課堂特定討論、本地案例或即席口頭辯護—— 這些 AI 給不出標準答案的環節，自然逼出學生自己的思考。
評量「過程」而非只看「成品」
要求繳交大綱、草稿、修改紀錄與反思。當分數來自看得見的學習歷程， 「整段貼上 AI」的取代式策略就失去意義。
特別關照語言能力較弱的學生
這群人風險最高。提供額外的語言鷹架（術語表、句型範例、母語討論時間）， 降低他們「不靠 AI 就做不出來」的壓力，才能減少取代式依賴。
明確區分「互補」與「取代」
用具體例子告訴學生：請 AI 解釋一個概念、檢查文法是互補； 讓 AI 寫完整段論證再照抄是取代。讓界線清楚到學生能自我檢核。
保留一些「無 AI」的低風險練習
安排課堂內、不插電的短寫作或口說，讓學生（與你）都看得到「沒有 AI 時」的真實程度， 維持語言肌肉的持續鍛鍊。
搭配 Uedu 工具
Uedu 保留學生與 AI 助教的完整對話軌跡。你可以觀察學生是「在追問、在思辨」 （互補式），還是「一句指令就要整篇答案」（取代式）。 搭配 Bloom 認知層次分析，更能看出互動是否真的牽動了高層次思考。
用學習單設計「分步驟、需展示過程」的任務，把學習拆成 AI 難以一次代勞的環節； 對較弱的學生，可在 ClassroomGPT 的 system prompt 中要求助教 「以提示和提問引導，而非直接給完整答案」。
請學生用 AI 完成一份草稿後，關掉 AI，當堂用三分鐘手寫 「這段我會怎麼用自己的話重講一次」。比較兩者的落差，就是一面照出依賴程度的鏡子—— 對學生自己也是有力的提醒。
教師常見疑慮
「那到底該不該讓學生用 AI？」
本系列的立場一貫：關鍵不在「用不用」，而在「怎麼用」與「誰在用」。
同一個工具，對英語好的學生是加速器，對英語弱的學生卻可能是逃避練習的捷徑。
與其一刀切，不如針對不同程度設計不同鷹架與任務，
讓 AI 對每個學生都成為「互補」而非「取代」。