- 2026-06-02 13:14
（示意圖）
香港大學、香港教育大學、澳洲莫納什大學合作的研究團隊，開發了一套名為元認知懶惰量表（MLS）的工具，用以衡量學生在使用人工智能時，是否把原本應由自己完成的目標設定、理解監察與反思評估等元認知工作假手於人工智能。研究結果顯示，這一量表具備良好的初步統計一致性，所謂「元認知懶惰」是一種可計量的概念，支持進一步研究。研究成果已刊於《華東師範大學教育評論》。
論文：
研究背景
在今天，學生究竟是善用 AI 支援學習，還是把應由自己完成的認知工作外包給 AI，已成為教育界的新問題。除了代寫或摘要外，更值得關注的是，學生是否把元認知 — 例如判斷內容、規劃學習步驟、設定學習目標、檢視自己的表現 — 都逐漸交由 AI 代勞。這類現象被研究者稱為元認知懶惰（metacognitive laziness）。
元認知能力，是深度學習、自主學習與長期學術表現的重要基礎，因此，若學生愈來愈依賴 AI 替自己完成這些內在監控與反思工作，可能會對學習質量產生長遠影響。不過，這一概念目前仍屬新興議題，缺乏可直接用於量化評估的工具。
研究成果
香港大學鮑氏醫學及衞生教育研究所 Fraide GANOTICE Jr 博士領導的團隊，聯同香港教育大學應用政策研究及教育未來學院 Norman B. MENDOZA 博士、莫納什大學 Dragan Gasevic 教授，提出並初步驗證了元認知懶惰量表（Metacognitive Laziness Scale，MLS）。
這一量表共 6 題，由既有的「逃避努力」量表改編而來，以針對 AI 介入學習的情境。團隊在一項為期三週的跨專業教育模擬課程後，向香港一所大學的 144 名本科生進行測試。參與者來自護理、藥劑、醫學、中醫、社工及食品與營養科學等六個學科，涵蓋本科不同年級。
統計結果顯示，MLS 標準化因子載荷介於 0.73-0.96 之間，量表內部一致性較高。與替代的雙因子模型相比，修正後的單因子模型擬合更佳，說明「元認知懶惰」可以作為一個相對獨立且可測量的構念。基於此，元認知懶惰分析顯示，其與行為疏離感（disaffection）（β = 0.49）及情緒疏離感（β = 0.50）均呈顯著正相關，並可分別解釋約 24% 至 25% 的變異；相比之下，它與行為參與（engagement）（β = 0.01）及情緒參與（β = 0.05）並無顯著關係。
換言之，學生若傾向把元認知工作交給 AI，不一定表現為「完全不參與學習」，但更容易在學習時出現退縮、冷淡或疏離傾向，可能在某些情況下削弱學生原本應主動投入的自我調節歷程。
不過，團隊也強調，這項工作仍屬初步探索。本研究尚無法判定到底是 AI 使用導致元認知能力下降，還是本身傾向逃避努力的學生更容易以這種方式使用 AI。此外，樣本數量仍然有限，且主要來自香港單一院校。
整體而言，本研究為教育界提供了一個具體的測量工具，可作進一步發展，以辨識 AI 是否在某些情境下削弱學生的元認知參與。
研究團隊
論文第一作者為香港大學的 John Ian Wilzon T. Dizon。通訊作者為 Fraide A. Ganotice Jr. 博士。共同作者包括香港教育大學 Norman B. Mendoza 博士、莫納什大學 Dragan Gasevic 教授。
如欲知道更多教科相關消息，請留意京港 Facebook 專頁：https://www.facebook.com/BHKAEC