用 AI 工具寫作會變笨嗎？
用 AI 工具寫作會變笨嗎？先看 AI 離場後，你還剩下什麼
現在很多研究生使用 AI 工具，已經不是糾結在「自己有沒有跟上時代」，而是用到開始有點心虛了；摘要卡住，請 AI 幫忙！引言不知道怎麼開，請 AI 給幾個版本！英文句子不夠像學術英文，也請 AI 修一下。一開始覺得效率變高，後來卻冒出另一個問題：這些文字變好了，但我有變強嗎？這篇論文中，還有多少是我真正投入、想過、判斷過、承擔過的？
這就像《棋靈王》中，進藤光剛遇到佐為的時候。坐在棋盤前的人是阿光，但那一步漂亮的棋，到底是誰想出來的？AI 工具幫你把段落修得頂呱呱，但當你看著那段突然充滿學術氣息的文字，心裡可能也會默默問一句：這真的是我寫的嗎？說到底，「AI 能不能幫我寫好」已不是問題，而是如果沒有AI的寫作協助，我還留下什麼？
實驗設計：三回合的「佐為退場測試」
Bauer 等人的研究，剛好提供了一個值得思考的觀察。這篇研究使用 ChatGPT，採 ABA within-participants design：學生先不用 ChatGPT 撰寫一篇科學論文引言，接著使用 ChatGPT 撰寫第二篇引言，最後再回到不用 ChatGPT 撰寫第三篇引言；研究對象是 21 位國際服裝設計系一年級學生，任務聚焦在科學論文引言寫作，並提供參考文獻，避免把「寫作能力」和「文獻搜尋能力」混在一起比較。
這就像三回合的「佐為退場測試」：第一回合，沒有佐為，先看阿光原本怎麼下；第二回合，佐為進場，看看佐為會如何神之一手；第三回合才是真正關鍵：佐為退場，阿光是否從中學習成長。
這個設計最有意思的設計，就是讓ChatGPT像是佐為一樣進行協助，但並非觀察 ChatGPT 在場時學生寫得比較好；事實上，請一個寫作家教或使用 AI 協助，多少可以預期是能讓學生的文字變順、語氣變成熟，但真正值得觀察的，是當 ChatGPT 被撤掉後，學生是否仍然比第一回合寫得好一點。
研究使用教師評分、可讀性、文本連貫性等方式評估寫作品質。結果顯示，學生在使用 ChatGPT 時寫作品質提升；重點在於第三回合不用 ChatGPT 寫作時，相較第一回合也出現改善；換言之，AI 輔助寫作可能不只是當下代筆，也可能留下某種短期強化痕跡。
香檳先冰著！別開～
不過，並不能說：「太好了，以後用 AI 工具寫作都會自動變強。」
Bauer 等人也明確指出研究限制：樣本只有 21 人，而且是特定領域的一年級服裝設計學生；學生與 ChatGPT 互動時間只有約 50 分鐘，可能有新奇效果；此外，研究觀察到的是短期表現，不能直接證明長期學習效果。作者也提醒，需要更長期、例如整學期的研究設計，才能判斷這些效果是否能持續。
所以，在這個特定課堂、特定任務、特定學生群體中，ChatGPT 顯示出短期強化寫作表現的可能，但是「短期變好」和「長期學會」，中間還隔著一道深不可測的溝渠，不要只是看到一座橋的影子，就宣布自己已經過河，對～你先不要過來！
文字變順之後，主導權還在你手上嗎？
Bauer 等人的研究還有另一個對研究生很重要的觀察項目：心理所有權（ownership）和感知控制（perceived control）。研究發現，學生在使用 ChatGPT 寫作時，對文本的心理所有權和感知控制有所下降；這樣的結果其實相當合理：當 AI 幫你把文字美化到讓人讚嘆，同時也可能讓你自我懷疑，這到底還是不是我寫的？
研究也觀察到，第三回合不用 ChatGPT 後，心理所有權有回升趨勢；不過這個描述性發現沒有達到統計顯著，不能誇大成明確長期效果。比較保守的說法是：AI 介入時，學生的文本主導感可能會下降；但當學生重新回到自己寫作時，心理所有權有機會被重新建立。
對研究生來說，這很值得反思。論文如果幾乎都是 AI 代筆，你可能在短時間內獲得一份看起來十分精美的文本，卻少掉親身經歷研究問題深究、文獻閱讀歸納、組織論證與自我辯證的歷程；少掉這段歷程，最直接的後果不只是「寫作風格不像自己」，而是你對自己的研究沒有信心。因為你沒有真的走過那條論證路線，也就很難在別人追問時說清楚：為什麼這樣寫？為什麼這樣改？為什麼這個段落應該放在這裡？
誠如筆者當年指導教授所言：你應該要是這世界最理解你論文的那個人！
超越 AI 代筆
這篇文獻捎來很實際提醒：使用AI 絕非禁忌，但要把它當成「思維的對照組」，而非「便宜行事的生產線」；AI 產出的文字不該是終點，而應該是中間材料：是用來比較、檢查、修正，最後重新轉化成研究者自己的表述，在使用AI輔助寫作的過程中，也能夠借鏡ABA 實驗設計的架構，經過三輪的寫作流程，開始知道段落怎麼安排、論點怎麼推進、句子該刪該留，讓 AI 回到輔助寫作的角色，研究人員對論文的「心理所有權」才會慢慢長回來。
研究寫作從不是把文字排漂亮就好，雖然你家老闆可能最後才開始挑排版、引文和圖表目錄，但口考時你要能說明：這些文獻為什麼重要？研究缺口怎麼來？論證為什麼站得住？AI 可以幫你把句子整理得更順，但這些問題從來不能由 AI 負責。
這也是圖書館和研究支援服務仍然重要的地方：不是要防堵大家用 AI，而是協助研究者理解 AI 工具的使用邊界，並把資料來源、文獻取得、引用脈絡與研究流程整理成比較可追溯、可檢查、可交代的歷程，盡可能降低 AI 幻覺與錯誤引用帶來的影響。
如果要讓短期強化變成長期資本
Bauer 等人的研究把問題推到一個關鍵位置：AI 輔助寫作可能不只是當下代工，也可能留下短期強化痕跡。但如果希望這種強化不要只停在一次任務，就要繼續問：每一次 AI 幫你整理、改寫、比較、指出問題之後，這些東西有沒有被留下來？還是交稿後，整個對話紀錄或是研究歷程，就像期末報告前一天的小宇宙，燒完就沒了？
這時候，可以參考 Andrej Karpathy 提出的 LLM Wiki 架構；它或許不一定是唯一解方，但提供了一個方向，讓 LLM 以 Markdown／wiki 形式協助維護持續更新的個人研究知識庫，若搭配 Obsidian 這類筆記工具，也可以形成可回看、可連結、可修正的研究工作流。
但要注意，你所收集的原始資料仍然應該是一切的核心，AI 維護的是整理層，而不是替你決定什麼是真理，AI 可以幫你留下研究過程，讓一次性的強化逐漸變成可回看、可修正、可累積的研究資本。
不過，就算知識庫建構的再完善豐富，也不等於自己腦中的知識，筆記被 AI 整理起來，也不代表你真的理解。只有當你能把 AI 協作留下的成果，慢慢轉化成自己的知識、判斷與表述能力，才能在 AI 離場後，仍然說得清楚自己的論述與寫作。那時候，研究主導權才是真的回到你手上。
參考文獻
Bauer, N., Fütterer, T., Brucker, B., & Gerjets, P. (2026). Leveraging ChatGPT in academic writing: ChatGPT enhances students’ writing quality, writing experience, and ownership. Computers and Education Open, 10, Article 100351. https://doi.org/10.1016/j.caeo.2026.100351
Karpathy, A. (2026, April 4). LLM Wiki [GitHub Gist]. GitHub. Retrieved May 5, 2026, from https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
推廣組 柯文仁 / 本文搭配AI工具進行寫作輔助