分析指出 AI 家教可能讓學生學得更少，關鍵在於認知掙扎被抹平

AI 家教最引以為傲的特質——隨叫隨到、耐心無限、解釋清晰——正在被質疑是不是恰好構成了它的問題。

質疑的理論基礎來自認知心理學中的「合意困難」（desirable difficulties）。研究反覆顯示，學習過程中適度的困難——努力回想而非直接翻答案、自己嘗試錯誤而非照著範例做、間隔複習而非集中填鴨——雖然當下感覺效率較低，卻能顯著提升長期記憶與遷移能力。反之，過於順暢的學習體驗常帶來「流暢錯覺」：學生覺得自己懂了，實際上什麼都沒留下。

AI 家教的問題正出在這裡。當學生卡住時，模型能立刻給出清楚的下一步；當學生答錯時，模型能溫和地指出錯在哪並示範正確做法。每一次互動都減少了摩擦，但學習所需的認知努力也隨之減少。學生確實在較短時間內走完了題目，卻沒有經歷「想不出來、換個角度、再試一次」的過程——而那正是解題能力真正被建構的地方。

第二層問題是後設認知的削弱。傳統學習中，學生必須自己判斷「我是不是真的懂了」，這種自我監控能力是獨立學習的核心。當 AI 隨時可以確認、隨時可以修正，這項判斷就被外包出去了。學生失去的不只是某道題的解法，而是評估自身理解程度的練習機會。

第三層則是動機結構的改變。學習的成就感來自克服困難，而困難被移除後，成就感也一併消失。這與近期關於 AI 參與創作會降低任務意義感的研究，指向同一個方向。

不過，把責任歸給技術本身並不精確。這些問題多來自產品設計選擇——為了讓使用者滿意，模型被調校成盡快給出有幫助的回答。技術上完全可以設計成相反方向：先反問、只給提示、要求學生先嘗試、刻意延遲揭露答案。近期已有新創明確以「不直接給答案」作為產品定位，顯示市場開始注意到這個設計取捨。

對教育現場而言，這個分析的實用價值在於評估標準。判斷一個 AI 學習工具好不好，不該只看學生用得順不順、題目做得快不快，而該看它有沒有保留必要的認知負荷——換句話說，它讓學生「花力氣」的地方對不對。