學生沒從 Khanmigo 拿到答案，但他們也不想要它的問題——AI 家教的第一個壞消息

一份針對數學 AI 家教 Khanmigo 的研究給出了一個讓人意外的結果：學生確實沒能從它那裡直接拿到答案——這是設計上的成功；但學生也不願意回應它的引導式提問——這是設計上的失敗。

**這個結果之所以重要，是因為它打到的正是目前最被看好的方向。**

過去兩年，教育界對 AI 的共識逐漸收斂成一句話：問題不在 AI，而在它太願意給答案。於是「不直接給答案、改用提問引導」成了負責任的 AI 家教的標準配方，也是許多產品的主要賣點。這個方向在理論上完全正確——學習發生在學生自己思考的時候，而不是讀到答案的時候。

**而這份研究指出的是：理論正確，不代表學生會配合。**

這個落差的原因不難理解。當一個學生打開 AI 家教時，他當下的目標往往不是「理解這個概念」，而是「把這題寫完」。在這個動機下，一個反過來問他問題的系統不是幫手，而是障礙。他可以選擇關掉它，去問另一個免費、立刻給答案的通用聊天機器人。

**這揭露了一個常被忽略的設計現實：AI 家教不是在跟人類老師競爭，而是在跟「直接給答案的 AI」競爭。**

人類家教能讓學生配合，靠的不只是提問技巧。老師知道學生什麼時候是真的卡住、什麼時候只是想放棄；老師有關係、有權威，也能察覺情緒；學生不能把老師關掉。這些條件 AI 目前一個都沒有，而蘇格拉底式教學恰好高度依賴這些條件。

**那這是不是代表這個方向錯了？** 更合理的解讀是：光靠產品設計不足以撐起這個方向，它需要制度條件。

具體來說，引導式 AI 家教要能運作，可能需要：在課堂裡使用而非讓學生獨自面對、由教師指定為作業的一部分並看得到互動歷程、以及在該情境下限制其他 AI 工具的替代。也就是說，它的有效性取決於周邊的設計，而不只是模型與提示詞。

**另一個值得抽出來看的是動機問題。** 學生不配合提問，反映的是他對「寫完」與「學會」的價值判斷。而這個判斷很大程度是評量方式教給他的：當成績只看最終答案時，跳過理解是理性的選擇。這也連回近期的討論——如果評量不改，任何要求學生慢下來的工具都會被繞過。

業界分析人士指出，教育科技工具的實際使用率與其教學設計品質常不成正比，使用情境與誘因結構往往是更強的決定因素。

**對台灣的教育科技業者與學校而言，這份研究值得認真看。** 台灣的 AI 解題工具早已普及，而「引導式而非直接給答案」也正是許多本地產品宣稱的差異化。這份研究提醒我們：這個差異化在示範時很漂亮，在學生獨自使用時很可能失效。

一個學生願意被引導，通常不是因為工具做得好，而是因為他有理由不走捷徑。而那個理由，不是產品能提供的。