GPT‑4o提升學生成績，因果推理課程激發創新思維

核心發現：在義大利波科尼大學（Bocconi University）進行的隨機實驗顯示，使用 GPT‑4o 的學生在商業案例作業上，平均比未使用者高出近一分（滿分 5 分）。同時，短期的因果推理課程雖未提升傳統分數，卻促使學生提出更具多樣性與深度的解決方案。

2025 年 11 月，研究團隊將 1,053 名大一新生的 13 個管理學入門課程分組，形成四種處置：

作業要求在 180 字以內，為校園商品店提出行銷建議。評分標準以 1‑5 分衡量答案的結構、完整性與說服力，並由三位領域專家提供參考答案。

GPT‑4o 介面：使用者平均多出約兩個構思，論點更具邏輯連貫性，且與專家參考答案的相似度提升。即使在控制了「論證品質、構思數量、構思多樣性」等變項後，仍保有顯著的分數優勢，說明提升主要來自內容品質而非學生事前知識的差異。
因果推理課程：傳統分數略低，但學生更常說明「為何此行動能奏效」以及「在何種條件下可能失敗」。他們的答案呈現更高的構思多樣性，與同儕的想法差異較大。
課程＋GPT‑4o：在傳統分數上未見額外提升，然而在因果推理指標上兩者互補，課程帶來的多樣性仍保持。

統計上，「構思數量」與「論點連貫」與高分呈正相關；相反地，「可證偽性」與過度詳盡的執行說明、以及與他人想法的高度差異，則與低分相關。這表明現行評分體系仍偏好結構完整、符合預期解答範圍的作品，而非純粹的創新或原創。

AI 作為寫作輔助：GPT‑4o 能顯著提升答案的深度與品質，暗示在資訊密集的商業課題中，人工智慧可成為有效的思考助理。
因果推理的教學價值：即使短期課程未直接提升分數，它卻培養學生檢視假設、思考結果因果的能力，這對長期學習與實務決策至關重要。
評分標準的再設計：若學術機構希望鼓勵創新與批判性思考，必須在評分規範中明確納入「構思多樣性」與「因果說明」等指標，否則 AI 仍可能被視為「作弊」工具。
後續學習驗證：本研究缺乏追蹤測驗，未能證明學生在無 AI 輔助下的知識保留程度。未來研究應加入「概念遷移」與「長期記憶」的測驗，以全面評估 AI 與因果推理課程對真實學習的貢獻。

結語：GPT‑4o 的即時生成能力已證實能提升學生作業表現；而因果推理的教學則在培養多元思考上扮演關鍵角色。教育者若能同步調整評分架構，將有機會將這兩股力量結合，打造兼具效率、深度與創新的學習環境。