核心概念

2026 年 6 月，Google DeepMind 與在地 AI 公司 Fab AI 及獅子山（Sierra Leone）教育部合作，發布一項隨機對照試驗（RCT）的完整成果報告。這是目前規模最大、方法最嚴謹的「AI 輔導工具在發展中國家課堂效益」研究之一。

研究設計：1,763 名初級中學生，來自 Port Loko District 的 12 所學校，為期 8 週，採用標準 RCT 隨機分配對照組。受試學生使用的是 Gemini App 內建的 Guided Learning 功能，免費、不需特殊硬體。

核心結果：使用 Guided Learning 的學生，數學成績相較對照組提升 +0.258 標準差，換算成學習進度相當於「在 8 週內累積了 1.2 至 1.7 年的典型學習量」。課堂使用頻率更高的學生，效益更大，進度估算達 1.8 至 2.5 年。

這個數字的意義要放在教育科技的整體脈絡來看：絕大多數教育科技工具在 RCT 下的效果量落在 0.1 以下，而 0.258 標準差已接近頂尖私人家教的效果等級。

**為什麼發展中國家特別值得關注？**獅子山是全球師生比最吃緊的國家之一，平均一位教師對應數十至百名學生，個人化輔導根本無從實現。Guided Learning 提供的，等同於讓每個學生在課後擁有一位隨叫隨到的私人家教，且完全免費。

Guided Learning 的設計哲學

Guided Learning 不是一個「直接給答案」的 AI，而是蘇格拉底式（Socratic）引導系統。研究團隊分析了 113,000 次互動紀錄，發現：

  • Gemini 在 76% 的回應中提出引導性問題（而非提供解答）
  • 僅 2% 的回應直接給出答案
  • 學生在 91.4% 的對話中，是在主動建構概念理解，而非尋求捷徑

學習行為隨時間的演變也值得注意：在最後一週，學生提問中 90% 屬於技能建構型、僅 10% 是尋求直接答案——與實驗初期的比例恰好相反。這代表學生不只在學數學，也在學「如何學習」。

關鍵要點

  • 參與度遠超行業基準：69% 的學生達到或超過設定使用目標，而教育科技工具的業界慣例是約 5%。在資源匱乏的發展中國家課堂中，這個數字尤其不尋常。

  • 師生雙向受益：教師反映這個工具支持了他們自己的專業發展，幫助他們更了解學生的思考盲點；學生則在 AI 的引導式提問下被迫「思考更深一層」。

  • 方法論的嚴謹性是亮點：這項研究採用預先登記（pre-registered）的 RCT 設計，是目前 AI 教育研究中最可信的方法論。DeepMind 同步公開了研究方法手冊（research methodology handbook）與教師培訓指南，供全球研究者複製或引用。

  • 全球擴散計畫：DeepMind 正在多個國家進行後續預先登記 RCT，不只是複製實驗，而是系統性建構「AI 輔導效益」的跨文化證據鏈。獅子山是起點，但並非終點。

  • 效果量的解讀門檻：+0.258 標準差在教育研究中屬於「中等偏高」的效果量。考量到獅子山的師資條件與基礎設施限制，這個數字反映的不只是 Gemini 的能力，更是「AI 在填補資源缺口」上的潛力。

實務應用

對教育政策制定者：這份 RCT 數據提供了一個難得的硬性論據——在 AI 教育工具的政策討論中，往往缺乏發展中國家的嚴謹數據。獅子山案例可作為類似條件國家（師資不足、基礎設施有限）的政策參考。

對教師：Guided Learning 的蘇格拉底引導設計，意外地減少了教師的「直接解答壓力」，讓他們能更專注在課堂引導而非個別補救。這是 AI 工具「輔助而非取代」教師角色的典型案例。

對 AI 產品設計者：這份研究的數據結構（互動紀錄分析 + RCT 成果評估）提供了一個可參考的評估框架。76% 引導性問題 vs. 2% 直接答案的設計比例，以及學生行為隨時間的轉變，都是 AI 教育產品設計的重要依據。

延伸觀點

同期的多項學術研究從不同角度強化了 Guided Learning 的核心主張。

AI 教學代理提升學習自主感：arXiv 一篇 2025 年 5 月的 RCT 研究（Xu et al.，arXiv:2505.22526）比較了人類教師、MOOC 聊天機器人、AI 教學代理三種條件。AI 組學生的學習自主感顯著高於其他組——能自主調控學習節奏、中斷與繼續——而這種自主感正向預測測試成績。這呼應了 Guided Learning 的核心設計：不是讓學生被動接收，而是讓他們主導學習節奏。

AI 輔導可媲美人類輔導員：英國 5 所中學的 RCT（arXiv:2512.23633，165 名學生）引入 Google LearnLM 輔助數學輔導。AI 輔導組學生在後測解題成功率達 66.2%，高於人類輔導的 60.5%。更值得注意的是，多位人類輔導員反映從 AI 生成的「蘇格拉底式問題」中學到了新的教學技巧——AI 在這裡變成了教師的教師。

兩項研究共同指向的結論是：設計良好的 AI 輔導工具，效益來自「引導式互動」而非「資訊傳遞」。Guided Learning 的 76% 引導性問題設計，不只是功能選擇，而是教育研究數十年積累的教學科學體現。獅子山的 RCT 數據，替這個命題提供了在最嚴苛條件下的實地驗證。

相關頁面：AI for the Planet：Google DeepMind 亞太環境加速器 · OpenAI 教育國家計畫第二階段：從工具推廣到實證落地 · 馬爾他 × OpenAI：全國公民免費 ChatGPT Plus 普及計畫

反向連結

以下頁面引用了本頁：