幾年前，統計學課堂發生了一些變化，但這種變化並非以正式公告的形式出現。學生開始帶著人工智慧生成的、流暢自信的JMP輸出結果解讀來上課，這些解讀有時完全錯誤。分析本身沒問題，但理解卻往往不足。
如今，強大的思考能力與脆弱的思考模式之間的鴻溝，是數據分析教學面臨的核心挑戰，但禁止人工智慧並非解決之道。真正的問題在於，我們設計的作業是否真正需要思考。
在本系列部落格的第一集中，我闡述了在人工智慧出現之前，優秀的統計學教學應該是什麼樣子。本集將探討人工智慧的應用會帶來哪些變化，以及教師如何利用這些變化，而不僅僅是應對它們。
課堂現實的改變
伊森·莫利克（Ethan Mollick）的著作《協同智能》（Co-Intelligence）[5]已成為所有認真思考人工智慧在教育領域應用的人的必讀書目。他直言不諱地指出：我們所知的家庭作業時代已經結束了。我認為他的說法大致正確，但這與其說是危機，不如說是設計挑戰。
現今的學生非常擅長產生答案，但他們卻不太擅長判斷答案的正確性。他們可以將 JMP 的輸出結果貼到通用人工智慧工具中，然後得到一段精心撰寫的解釋。然而，他們卻無法總是判斷這種解釋是否正確，模型是否選擇得當，假設是否經過檢驗，以及結論是否真正基於數據。
這時，教師的角色就可以發生轉變，從訊息的傳遞者轉變為更像推理指導者的角色。當重點不再是解釋諸如p值是什麼之類的概念時，教師應該設計學習經驗，讓學生思考為什麼某種分析方法是合適的，以及分析結果在實際情境中的意義是什麼。
增強，而非自動化
任何人工智慧工具在教育領域的設計核心問題在於：它是用於自動化還是輔助？自動化取代人類決策，而輔助則支援並改善人類決策。這兩種功能截然不同，混淆二者正是課堂人工智慧應用引發諸多焦慮的根源。
統計學教育的目標始終應該是增強：人工智慧應該幫助學生更清晰地思考，而不是替他們思考。這種差異決定了從使用哪些工具、如何使用這些工具，到哪些作業仍然能夠可靠地檢驗學習效果等各個面向。
人工智慧真正能提供什麼
在討論風險之前（這些風險是真實存在的，並在第四集中進行了全面探討），值得一提的是，人工智慧實際上如何使統計學課程受益：
- 隨時提供協助。學生可以隨時提問，無需等待辦公時間，也無需因為沒聽懂講座而感到尷尬。
- 擁有無限的耐心。人工智慧會根據要求，任意多種不同的方式，反覆解釋同一個概念。
- 這樣可以節省課堂時間。當常規的程序性問題轉移到課堂之外時，剩餘的時間就可以集中用於討論、解讀以及人工智慧真正無法解決的那種模糊不清的問題。
另一種人工智慧：JMP 中的 LearnBot
LearnBot [3] 是一款免費插件，可從 JMP Marketplace 下載，也可從 JMP 學生版的「幫助」選單存取。它是基於 JMP 文件和學習資源進行訓練，因此是一款專注且能感知情境的輔導工具，而非通用聊天機器人。
LearnBot 是一款以文字為主的對話式人工智慧，可作為 JMP 和統計輔導工具。它無法存取學生的數據或輸出結果。學生只要用自己的語言描述所看到的內容，LearnBot 就會根據描述做出回應。
這種近距離接觸至關重要。學生無需切換到瀏覽器標籤頁，只需點擊一下即可留在分析環境中，直接在工作進行的地方完成任務。
向 LearnBot 描述輸出結果本身就是一個學習過程。在提出好問題之前，你必須先找到合適的字詞來描述你所看到的內容。正是這種清晰的表達，要麼揭示了理解的本質，要麼阻礙了理解的形成。
舉個具體的例子。一位學生執行迴歸分析，發現 R² 值為 0.71，同時殘差圖呈現明顯的模式。他在 LearnBot 中輸入：“我的多元迴歸模型顯示 R² 值為 0.71，但殘差圖呈現出一些明顯的結構或模式。這是什麼意思？”
Using LearnBot in JMP Student Edition, a student describes their regression output and receives statistical and JMP guidance.Using LearnBot in JMP Student Edition, a student describes their regression output and receives statistical and JMP guidance.Using LearnBot in JMP Student Edition, a student describes their regression output and receives statistical and JMP guidance.學生使用 JMP 學生版中的 LearnBot 描述他們的迴歸輸出，並獲得統計和 JMP 指導。
LearnBot 會解釋殘差圖呈現的模式意味著什麼，然後問道：「您是否需要關於在 JMP 中添加二次項或運行變換的指導？」這個後續問題正是關鍵所在。其目的並非直接給出答案，而是引導學生進行下一步思考。
阿德瓦伊特·薩卡爾[4]警告說，我們有可能淪為“自身思想的中層管理者”，將推理外包給人工智慧，而不是自己開發推理能力。 LearnBot 的設計初衷正是為了抵制這種趨勢。
“能回答你問題的工具和能幫助你提出更好問題的工具之間是有區別的。” |
真正的轉變：A作業設計
對教師而言，最大的改變不在於選擇允許使用哪些人工智慧工具，而在於重新設計佈置的任務。學生從任何人工智慧工具中獲得的成果質量，很大程度上取決於他們輸入內容的品質。請比較以下兩個提示：
- ✘ 運行回歸併報告 R²。
- ✔ 比較兩個模型，說明你選擇的理由，並指出一個你無法驗證的假設。
第二個任務若不加以理解，就無法外包。 JMP 的視覺化、探索式工作流程恰好能引導這種解讀，這也是它在人工智慧參與其中時，依然能作為教學環境發揮良好作用的原因之一。
更智能的課堂
在翻轉教室或混合式教學模式下，人工智慧的優勢更加顯著。學生可以在課前探索數據並利用人工智慧輔助解決難題。課堂時間則專注於討論、判斷以及解決目前人工智慧尚無法有效應對的現實世界中的各種模糊問題。
正如JMP的Russ Wolfinger所言[6]：人工智慧是增強而非取代。教師的職責是設計學習環境，使學生真正體驗到的是增強，而不是繞過他們所需思考的捷徑。
第 3 集深入探討了 JMP Assistant：它的具體分析工作流程、它的功能和局限性，以及如何使用它來讓學生掌握主動權。
試試這個
從 JMP Marketplace 安裝 LearnBot [3]，然後從 JMP 學生版的「幫助」選單中開啟它。給學生一個資料集，讓他們選擇進行一個分析。然後，請他們用自己的語言向 LearnBot 描述一個他們不確定的結果，並將這次交流帶到下一節課。他們寫給 LearnBot 的內容往往比分析本身更能反映他們對數據的理解。
參考
[1] JMP學術項目，jmp.com/academic
[2] JMP 學生版，jmp.com/student
[3]LearnBot（JMP Marketplace） ，marketplace.jmp.com
[4] Advait Sarkar，“如何阻止人工智慧扼殺你的批判性思維”， TED演講，2025年
[5] Ethan Mollick，《協同智慧：與人工智慧共存與合作》， Portfolio/Penguin出版社，2024年
[6] Russ Wolfinger，“科學家和工程師應該為人工智慧時代做好準備的七大途徑”， JMP 白皮書
[7]GAISE學院報告修訂（進行中，2025年）
關於a作者
Volker Kraft 是 JMP Statistical Discovery（SAS 旗下公司）的首席學術大使（歐洲、中東和非洲地區），也是 JMP 全球學術團隊的成員。自 2011 年以來，他一直致力於幫助歐洲各地的大學將 JMP 應用於教學和研究。他的研究背景是語音技術，在人工智慧成為家喻戶曉的概念之前，統計學的嚴謹性和工程的實用性就已在該領域得到充分的整合。您可以透過JMP 社群或LinkedIn聯繫他。
第 2 集（共 5 集） • 下一集： JMP Assistant 實作應用： 在它能為你做什麼
嗨，Volker，文章寫得真好。我驚訝於使用 LearnBot 後，我能如此快速、深入地運用 JMP 進行資料科學研究。你的論點清晰明了，你推薦的在課堂上使用 LearnBot 的方法也十分恰當。我非常期待閱讀本系列的後續文章，並將它們應用到我們在墨西哥進行的混合式教學中。此致，DH
這是一個非常有趣的討論，探討如何將人工智慧作為學習輔助工具，而不是取代批判性思考。我特別欣賞文中強調的作業要求學生解釋其推理過程並論證其分析選擇，而不僅僅是報告結果。這種方法能夠使學術工作更有意義。英國學術論文網（Academic Papers UK）也透過其作業代寫服務為學生提供支持，該服務專注於研究、結構和更清晰的學術寫作。
這是一個非常有趣的討論，探討如何將人工智慧作為學習輔助工具，而不是取代批判性思考。我特別欣賞文中強調的作業要求學生解釋其推理過程並論證其分析選擇，而不僅僅是報告結果。這種方法能夠使學術工作更有意義。英國學術論文網（Academic Papers UK）也透過其作業代寫服務為學生提供支持，該服務專注於研究、結構和更清晰的學術論文。
