陳正和
元智大學企業管理學群助理教授
E-mail：alex@saturn.yzu.edu.tw
摘要
本研究探討大學商管學生在生成式AI（GenAI）輔助資料分析任務中的決策行為。以161 名修習商業分析課程之大學生為研究對象（來自X、Y、Z 三班，資料來源為Quiz01 與W2問卷之配對紀錄），本研究提出三項研究問題：（1）統計先備知識能否預測任務犯錯行為？（2）自我報告之自動化偏誤量表（ABI）與批判思維指數（CI）能否預測實際犯錯？（3）使用多個AI 工具交叉驗證，是否能降低或反而提高犯錯率？
三項研究問題之答案如下：（1）統計先備知識無法預測犯錯——Quiz01分數在完整模型中OR = 1.215（p = .556），天花板效應使測驗幾乎喪失區辨力；（2）ABI（p = .858）與CI（p = .323）同樣無法預測犯錯，確認知識-行為斷層與態度-行為斷層並存；（3）多工具驗證者犯錯率（18.9%）反而高於單一工具使用者（6.5%，OR = 2.839，p = .072），顯示「確認偏誤放大效應」。此外，Gemini 使用者犯錯機率為非Gemini 使用者之3.5 倍（OR = 3.515，p = .045），揭示工具特定精確度干擾。上述發現挑戰了現行AI 素養教學的核心假設。本研究建議：AI 素養課程應從「比答案」升級為「比程序、比證據、比可重現性」；教師應引導學生以獨立計算方法（而非多問幾個AI）進行交叉驗證，並針對不同任務類型評估各GenAI 工具的精確度差異。本研究所提出的TRV（可追溯性—可重現性—可驗證性）框架，可直接轉化為AI 輔助作業的評量標準，作為高等教育AI 融入課程設計的操作指引。
關鍵字：自動化偏誤、生成式AI、知識-行為斷層、多工具驗證、AI 素養教育