21:30
他的作業，四十分鐘，還沒寫下第一個字。
她的作業，八分鐘就寫完了。
寫的不是她。
每一下，都算數。
AI 好像什麼都會了，孩子還要學什麼？
他不是不想寫。
上了一整天的課，輪到自己動手，不知道從哪裡開始。
她不是不會寫。
把題目丟給 AI，一整頁的解答就出來了。照著抄，八分鐘。
答案對不對、適不適合她這個年級，她不知道。
- 12.7%
受訪的 6,122 位國中、高中職學生裡，有這麼多人會直接照抄 AI 的答案，當作自己的作業交出去。
兒童福利聯盟，2025 - 79.1%對13.5%
七成九的老師看到學生「只求答案、不重視解題過程」；覺得自己是這樣的學生，只有一成三。
親子天下教育創新中心，2026
這不是哪一個孩子的問題。
他們今天，其實都已經很認真了。
早上八點進教室，坐著聽到下午四點。
五點半進補習班，再坐著聽到九點。
一天下來，聽了快十個小時。
輪到自己動手，已經九點多。
一天裡最累的時候。
偏偏這個時候，手機裡有一個隨時都給答案的 AI。
它不是為孩子做的。答案不一定對，講法不一定適合這個年紀。畢竟它只是個工具，不會在意孩子到底怎麼學。
作業寫完了。學會了嗎？
有人認真量過。2026 年的一份研究，追蹤了中國 26,811 名七到十二年級的學生，整整三十個月。
開始用 AI 以後，作業分數高了 18%，寫作業的時間少了 30%。
半年內，閉卷月考的成績低了 20%。用了兩年以上才去考升學大考的學生：升高中那一次低了 24%，升大學那一次低了 18%。
分數變高的，可能是 AI。考卷上的，才是孩子。
同一份研究還發現：用 AI 超過五個月的學生裡，大約八成作業寫得特別快、分數卻特別高，掉分主要集中在他們身上。寫作業的時間和沒用 AI 的同學差不多的人，掉得很少。
AI 本身沒有錯。差別在它是幫孩子想，還是替孩子寫。
用對地方，AI 是老師和家長的好助手：幫大人看懂孩子現在學到哪裡、卡在哪裡。讓它直接替孩子把作業寫完，才是問題。
研究怎麼說隨機實驗也看到同一件事。土耳其一所高中、近千名學生的數學課：練習時可以問一般 AI 的那一組，練習成績高了 48%；等到考試不能用，反而比沒用過的同學低 17%，而且他們自己不覺得學得比較差。那個一般 AI 給的答案，平均只有 51% 是對的。Bastani et al., 2025
「AI 都會了，我幹嘛還要學？」
「世界變得這麼快，我的孩子以後跟得上嗎？」
研究怎麼說世界經濟論壇 2025 年問了全球一千多家雇主：到 2030 年，一個人現有的技能平均有 39% 會被改變或過時；需求成長最快的能力裡，「好奇心與終身學習」排在第六。World Economic Forum, 2025
現在的孩子，最不缺的就是答案。
答案到處都有。孩子更需要的，是自學的能力。
AI 會的越來越多，孩子以後要學的新東西只會更多。能自己坐下來、自己想、自己練會的孩子，才跟得上。
所以伴伴最想教的，是自主學習。怎麼教？先講一個健身房的例子。
換個地方想。
假設你請到全世界最好的健身教練。他什麼都懂，動作最標準，每一個要點都講得清清楚楚：腳怎麼站、背怎麼挺、什麼時候吸氣。
可是每次上課，都是他在蹲、他在舉。你坐在旁邊，邊聽邊抄筆記。
聽得再懂，筆記抄得再漂亮，你一下都沒有舉。
三個月後，肌肉會長在誰身上？
「光看別人運動，體能不會變好。要自己下場，才會。學習也是一樣。」
教練再厲害，也沒辦法替你長肌肉。
老師再會教也一樣。孩子沒有自己拿起筆、自己想過、自己練到那個量，再好的課都是白費。
現在更省事了。
連教練都不用，機器替你舉。
重量每天都有動，紀錄表漂漂亮亮。
肌肉，一點也沒長。
讓 AI 把作業寫完，就是這麼一回事。
換你了。
按住滑鼠或空白鍵，按住下面的圓圈，把它舉起來。
一組三下
三下，都是你自己舉起來的。
最後那一下，旁邊有人幫你托了一點點。
學東西也一樣。老師講得再好、AI 答得再快，要想、要錯、要改、要重新弄懂的，還是孩子自己。
手開始動，腦才會開始學。
研究怎麼說130 萬筆學生練習紀錄（小學高年級到大學）顯示：聽完講解，學生一開始平均只答對約 65%；之後每自己練一次進步一點，一個觀念大約要練七次，才能穩定答對八成。Koedinger et al., 2023
但是舉一次，肌肉不會長出來。
要明天再來，後天再來。
練過的人都知道，難的不是那一下。
是明天，還想不想再來。
那個四十分鐘寫不下第一個字的孩子，缺的不是題目。題目再多，放在那裡，不會自己變成習慣。
所以我們把每天的份量先排好。小小的，做得完。
畫面是台灣學生實際使用的介面，所以是繁體中文。
放學打開平板，今天要練的已經在那裡。份量不大，做得完。
做完三項，蓋章。也可以自己按下那個章。也可以自己點那個章。每一組都是一關。過了，下一關才會打開。
過關有金幣。連續七天沒斷，金幣多一成，拿到「一週達成」；一百天，是「百日無缺席」。
還有一個徽章叫「靠實力不靠運氣」：一百份考卷，都沒有亂猜。
金幣可以換頭像、換獎品；排行榜上，看得到自己一格一格往上爬。
練完，有東西在等他。
金幣進帳、徽章亮起來、可以換一個新頭像，或是一樣想了很久的獎品。
獎品有平台準備的，機構也可以放上自己的。
家長可以放心的是順序：獎勵永遠排在今天的練習後面。
獎勵有很多種：金幣、徽章、頭像、獎品，小遊戲也是其中一種（畫面為實際錄影）。它們都只是讓孩子願意坐下來的小獎勵。
一開始，他是為了獎勵回來的。
後來，是因為昨天弄懂了一題，今天想再弄懂一題。
研究怎麼說2024 年一項統合分析：遊戲化對「自己想學」的動機只有小幅幫助；常見的問題是，孩子沒有感覺到自己變厲害。所以獎勵只是起點，要讓他看得見自己變強。Li et al., 2024
習慣，就是這樣養出來的。
研究怎麼說養成一個習慣沒有固定的天數。2023 年一項用上千萬筆紀錄做的研究：養成上健身房的習慣要幾個月，養成洗手的習慣只要幾週。Buyalskaya et al., 2023 另一項回顧整理了成人養成健康習慣的研究：有量時間的幾項裡，中位數大約兩個月，快的 4 天、慢的 335 天。Singh et al., 2024 所以每天的份量要小、要做得完。
重量也要對。
太輕，只是在重複已經會的。
太重，只會一直失敗。
會進步的重量，在中間那一小段。
研究怎麼說2025 年一項整理 60 項實驗的統合分析：基礎還不夠的學生，引導多一點學得比較好；已經會的學生，引導太多反而學得比較差。協助的多寡，要跟著孩子走。Tetzlaff et al., 2025
拖拖看，找到剛好的重量。
答得穩，就加一點。開始晃，就多確認一次。連錯，就先減下來。
全班的進度不用她追。進度跟著她走。
有時候卡住的地方，根本不在這一章。
國二的數列題一直錯。
往回找，是國一解方程式的時候，移項沒有站穩。
再往回，是五年級的分數加減。
找到那個沒學好的地方，先補起來，再一路練回來。
說她錯了很容易。找到她為什麼錯，才幫得上忙。
研究怎麼說荷蘭 5,000 多名學生、100 多萬組線上數學題的紀錄：基本運算的基礎，預測了分數學得好不好；分數的理解，又預測了之後的代數表現。這是預測關係，不是因果。Spitzer & Moeller, 2022
1,625個知識點國小到國中數學
3,276條「要先會」的關係國小到國中數學
26,707個知識點整個題庫・國小到高中 18 科
1,213,661題2026 年 9 月統計
重訓的時候，旁邊會站一個人。
他不替你舉。
他在你撐不住的那一下，接住你。
伴伴的「伴」，就是這個人。
在伴伴，他叫學習教練。不站在前面講，站在孩子旁邊，陪他把每一下做完。
替你舉的，是機器。
我們的 AI，是陪你舉的。
它帶著孩子一起探索：先問他怎麼想，再陪他走下一步，讓他自己走到答案。
要給孩子用的 AI，不能拿現成的直接用。我們替它定了很多規矩：先聽孩子怎麼想、一次只問一個問題、照孩子的年級說話、不陪聊跟學習無關的事。
跟它要答案，它會先反問一句：「這題你已經試過什麼方法了？」
跟坊間的 AI 產品比起來，AIMii 多做了三件事：
- 它認得這個孩子孩子幾年級、用哪一版課本、今天練到哪一題、這份練習要練什麼，它都清楚，孩子不用每次從頭交代。
- 引導是做進去的帶著孩子自己想，是整個產品從頭到尾的設計，不是加上去的一句提示。孩子換個問法、重開對話，它還是陪他一步一步想下去。
- 它背後有人孩子卡太久、狀況不對，學習教練和老師馬上看得到，會有人過來陪他。
3(x − 2) = 2x + 5
答案是多少？
x = 11。
解法：
3x − 6 = 2x + 5
3x − 2x = 5 + 6
x = 11
問 AIMii 這一題（第 4 題）目前作答第 4 題／共 10 題・七年級 數學
直接告訴我答案
AIMii我知道你想快點寫完。這題你其實離答案不遠了，先跟我說：你做到哪一步？
我把 3 乘進去，變成 3x − 2
AIMii先把括號打開，這個方向是對的。不過這一步有個地方不對喔：3 要乘括號裡的每一項，−2 那一項乘了嗎？
啊，是 3x − 6
AIMii對！是你自己抓到的。下次看到括號，你會先檢查什麼？
每一項都要乘到
AIMii就是這個。剩下的你來，我在旁邊。
右邊是 AIMii 學生端問問題的畫面；對話是照它的引導規則寫的示意。
提示一次只給一點，剛好夠她再往前一步。會了，它就把手放開。每天這樣陪，練習才會變成習慣。
研究怎麼說同一個土耳其實驗裡還有第三組：他們用的 AI 被設定成家教的樣子：只給提示，讓學生自己把題目解出來（設定裡還放了老師寫好的正確解法）。這一組練習成績高了 127%，考試成績也沒有掉，和沒用 AI 的同學差不多。Bastani et al., 2025
AI 不會消失。所以我們想讓孩子帶走的，是三個用 AI 的習慣：
- 先自己想，再問。「應先自行閱讀與思考，再視需要使用工具輔助。」教育部，2026
- 問方法，不問答案。教育部建議學生用為教育目的設計的工具，理由之一：它是「能引導思考而非直接給答案的『智慧導師』」。教育部，2026
- AI 說的，自己驗一遍。「判斷 AI 的輸出該接受、修改，還是拒絕。」OECD & European Union, 2026
AIMii 也是教學者的第二雙眼睛。
孩子這邊，它幫他更快找到：自己到底錯在哪裡。
老師這邊，它先把孩子的狀況整理好，再給教法建議：這種情況，有經驗的老師會怎麼教。
所以伴伴的學習教練，每一次走過去，都知道該從哪裡教起。學校和機構裡的老師，用的也是同一套。
移動游標：手指滑過畫面：移到孩子身上，看 AIMii 看到什麼；移到教練身上，看它給的教法建議。畫面上的提示為示意。
學習教練要看的，是另一件事。
錯了三次以後，不太敢再舉手的那一刻。
嘴巴說「我不會」，其實是「我不想再試了」。
這些，數字看不出來。
AIMii 找問題，學習教練陪孩子。
改作業、出題、記錄，系統做掉了。學習教練的時間，都花在孩子身上：看著她的臉，陪她走過卡住的那一段。
請家教、送安親，不也有人陪嗎？
差別，在他看得到多少。
家教一個禮拜來一兩次，看到的是那幾個小時。安親老師一個人顧一整班，能盯的常常是「寫完了沒」。不是他們不用心，是一個人能看到的，就那麼多。
伴伴的學習教練，手上有一整套看得見孩子的技術。孩子每天練了什麼、錯在哪裡、哪個觀念開始鬆動，數據隨時在更新，分析也跟著走。所以他的力氣，都能花在這個孩子現在最需要的那一件事上。
功課寫了沒？
今天學到什麼新東西？
回到家，爸媽不用再當監工。
學習教練負責把觀念教懂、把方法帶會。
爸媽負責聽他說：今天弄懂了什麼、哪裡覺得有意思。
研究怎麼說2024 年一項整理 37 萬多名學生的統合分析：家長陪寫功課的各種做法裡，只有「支持孩子自己想、自己安排」和成績正相關；盯著做、陪得多，都和成績沒有明顯關係。這是相關，不是因果。Xu et al., 2024
從第一天起，旁邊一直有伴。
又是晚上九點半。同一棟樓，同樣兩扇窗。
他自己開始了。
她自己想完了。手機蓋在桌角。
這題我卡在移項那一步。
先把括號打開再說。
這招不行，換一招。
AI 講的，我自己再算一次。
現在不會，又不是永遠不會。
研究學習的人，替這樣的孩子取了一個名字：
自我調整的學習者。
開始之前，知道自己要做什麼。做的時候，看得見自己做得怎麼樣。做完，回頭想哪裡可以不一樣。
然後，再來一圈。
研究怎麼說這是教得會的。2025 年一項整理 67 項研究的統合分析（幼兒園到國小）：教孩子先計畫、邊做邊看、做完回頭想，學習表現變好，課程結束後效果還在。Eberhart et al., 2025 OECD 2026 年的報告也把這件事列為 AI 時代學生需要的能力之一：看得見自己怎麼學，並且有意識地決定，什麼時候交給 AI，什麼時候該自己花力氣想。OECD, 2026a 十二年國教課綱說的「終身學習者」「自主行動」，指的也是這件事。教育部，2021
- 預想今天要練什麼、練到哪裡
- 執行自己動手，當下就知道對錯
- 反思錯在哪、下一次怎麼改
有人陪著，
一圈一圈
這一代的孩子，一出生就有 AI。
擋不住，也不必擋。
我們想養出的，是真正的 AI 原住民：AI 就在旁邊，還是自己會想的人。
所以除了成績，我們更在意孩子身上的三件事：
- 好奇看到答案，還會多問一句「為什麼」。
- 探索敢自己試。這個方法不行，就換一個。
- 主動不用人催，自己坐下來開始。
會自己學的孩子，AI 是他的教練、他的隊友。
不會自己學的孩子，AI 只是那台替他舉重的機器。
所以，為什麼還要學？
AI 會的，是 AI 的。自己想過的，才是你的。
跟得上未來的，不是背得最多的孩子。是學得會新東西的孩子。
我不是叫它替我想。我是請它教我原本不懂的東西……
黃仁勳｜NVIDIA 執行長被問到一項「用 AI 的人，認知測驗分數最低」的研究時的回答。譯自英文｜Zakaria, 2025AI 應該加在學生費力的學習上，而不是取代它。真正的理解，來自自己把事情想過。
Mathias Cormann｜OECD 秘書長寫在 PISA 2025 報告的序言裡。這份評量有 91 個國家和地區、76 萬名十五歲學生參加。譯自英文｜OECD, 2026b強調培養以人為本的「終身學習者」……個人為學習的主體。
教育部｜十二年國教課綱總綱核心素養的第一個面向，就叫「自主行動」。教育部，2021
AI 會一年比一年強。這是我們最想教會孩子的事——
學會怎麼學。
連 Google DeepMind 執行長 Demis Hassabis 都說，下一代最重要的能力，就是「learning how to learn」。Gatopoulos, 2025
伴伴陪孩子走的，是這一段路：
從要人盯，到自己來。
- 一開始每天的份量有人排好，陪他做完，養成坐下來的習慣。
- 後來他自己會開始。卡住的那一下，學習教練和 AIMii 接住他。
- 再後來他要學的是課本以外的新東西。我們陪他把 AI 用對，自己學會。
學習教練×AIMii×正確學習方法×主動練習×數據追蹤
今日訓練完成
7組
0下
0金幣
你剛剛自己動手，做了 0 下。
孩子在 AIMii 的每一天，也是這樣一下一下練起來的：份量每天排好，AIMii 一步一步帶著想，卡住有學習教練接，孩子越練越強，我們一路陪。
只要十幾秒。想試試的話，舉完回來，幫你蓋章。
參考文獻
- 兒童福利聯盟文教基金會（2025 年 8 月 20 日）。2025 年台灣兒少網路安全調查［新聞稿］。 https://www.children.org.tw/news/news_detail/3397
- 教育部（2021）。十二年國民基本教育課程綱要總綱（2014 年發布，2021 年 2 月修正）。國家教育研究院。 https://www.naer.edu.tw/PageSyllabus?fid=52
- 教育部（2026）。中小學使用「生成式人工智慧」注意事項 2.1（學生版）。 https://pads.moe.edu.tw/download_file.php?file=_upload_aba798ab3bb88f11d0c43a7e477fb9c5.pdf&old=upload
- 親子天下教育創新中心（2026 年 8 月 10 日）。2026 全國中小學親師生 AI 素養大調查［新聞稿］。 https://www.eduinnohub.org.tw/news/1/2156
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), Article e2422633122. https://doi.org/10.1073/pnas.2422633122
- Buyalskaya, A., Ho, H., Milkman, K. L., Li, X., Duckworth, A. L., & Camerer, C. (2023). What can machine learning teach us about habit formation? Evidence from exercise and hygiene. Proceedings of the National Academy of Sciences, 120(17), Article e2216115120. https://doi.org/10.1073/pnas.2216115120
- Eberhart, J., Ingendahl, F., & Bryce, D. (2025). Are metacognition interventions in young children effective? Evidence from a series of meta-analyses. Metacognition and Learning, 20(1), Article 7. https://doi.org/10.1007/s11409-024-09405-x
- Gatopoulos, D. (2025, September 12). Google’s top AI scientist says ‘learning how to learn’ will be next generation’s most needed skill. ClickOnDetroit (Associated Press). https://www.clickondetroit.com/tech/2025/09/12/googles-top-ai-scientist-says-learning-how-to-learn-will-be-next-generations-most-needed-skill/
- Jones, M. G., & Walker, L. (2026, September 10). Youth losing critical skills and AI ‘hollowing out’ capabilities, PISA founder says. Euronews. https://www.euronews.com/my-europe/2026/09/10/youth-losing-critical-skills-and-ai-hollowing-out-capabilities-pisa-founder-says
- Koedinger, K. R., Carvalho, P. F., Liu, R., & McLaughlin, E. A. (2023). An astonishing regularity in student learning rate. Proceedings of the National Academy of Sciences, 120(13), Article e2221311120. https://doi.org/10.1073/pnas.2221311120
- Li, L., Hew, K. F., & Du, J. (2024). Gamification enhances student intrinsic motivation, perceptions of autonomy and relatedness, but minimal impact on competency: A meta-analysis and systematic review. Educational Technology Research and Development, 72(2), 765–796. https://doi.org/10.1007/s11423-023-10337-7
- OECD. (2026a). OECD digital education outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en
- OECD. (2026b). PISA 2025 results (Volume I): Future-ready students. OECD Publishing. https://doi.org/10.1787/73451bc5-en
- OECD & European Union. (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing. https://doi.org/10.1787/65cd27d4-en
- Singh, B., Murphy, A., Maher, C., & Smith, A. E. (2024). Time to form a habit: A systematic review and meta-analysis of health behaviour habit formation and its determinants. Healthcare, 12(23), Article 2488. https://doi.org/10.3390/healthcare12232488
- Spitzer, M. W. H., & Moeller, K. (2022). Predicting fraction and algebra achievements online: A large-scale longitudinal study using data from an online learning environment. Journal of Computer Assisted Learning, 38(6), 1797–1806. https://doi.org/10.1111/jcal.12721
- Strömberg, D., Lei, V., & Wu, Y. (2026). The generative AI learning penalty: Evidence from Chinese secondary education (CEPR Discussion Paper No. 21577). CEPR Press. https://cepr.org/publications/dp21577
- Tetzlaff, L., Simonsmeier, B., Peters, T., & Brod, G. (2025). A cornerstone of adaptivity – A meta-analysis of the expertise reversal effect. Learning and Instruction, 98, Article 102142. https://doi.org/10.1016/j.learninstruc.2025.102142
- World Economic Forum. (2025). Future of jobs report 2025. https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf
- Xu, J., Guo, S., Feng, Y., Ma, Y., Zhang, Y., Núñez, J. C., & Fan, H. (2024). Parental homework involvement and students’ achievement: A three-level meta-analysis. Psicothema, 36(1), 1–14. https://doi.org/10.7334/psicothema2023.92
- Zakaria, F. (Host). (2025, July 13). Interview with Jensen Huang [TV series episode transcript]. In Fareed Zakaria GPS. CNN. https://transcripts.cnn.com/show/fzgps/date/2025-07-13/segment/01
本頁所載人物、情境及 AI 對話內容均為示意，並非真實學生或實際對話紀錄。知識點及題目數量係依伴伴辦學科技平台 2026 年 9 月之統計資料，日後可能隨內容更新而有所變動。本頁所引研究之結果，僅適用於各該研究之對象與條件，不代表個別學生之學習成效；實際學習成效因個人學習狀況而異。各項研究出處詳見參考文獻。