ChatGPT教育研究被撤稿：AI學習紅利證據并不牢靠 統計方法遭質疑

一項在學術界和社交媒體上被廣泛引用、曾被視為證明 ChatGPT 明顯提升學生學習效果的重要研究，近日被出版方正式撤稿，理由是論文在元分析過程中存在多處“差異”和方法問題，導致結論可靠性遭到嚴重削弱。

這篇由 Springer Nature 旗下期刊《Humanities & Social Sciences Communications》于 2025 年 5 月發表的論文，試圖整合 51 項研究結果，評估學生在使用與不使用 ChatGPT 情況下的學習表現差異。 論文聲稱，使用 ChatGPT 對“提升學習成績”有“顯著正向影響”，對“改善學習感知”有中度正向影響，并能“促進高階思維能力”。

這項研究發表后迅速在學術與公眾輿論中“出圈”。 在 Springer Nature 體系內，它已被引用 262 次，整體引用次數超過 500 次，閱讀量接近 50 萬。 憑借在社交媒體上的持續傳播，這篇論文在期刊文章中的關注度位列前百分位，被不少人當作“第一批關于 ChatGPT 有利于學習的硬證據”來引用和轉述。 然而，在論文影響力迅速擴散的同時，質疑聲也開始累積，最終促成了此次撤稿。

愛丁堡大學數字教育研究中心與 Edinburgh Futures Institute 高級講師本·威廉姆森（Ben Williamson）指出，作者給出的結論極具“吸睛”效果，宣稱 ChatGPT 能顯著改善學習結果，因此被社交媒體廣泛當成“金標準”證據來傳播。 他批評這項元分析在整合原始研究時方法令人擔憂：一方面，它似乎納入了“質量非常低”的研究，另一方面，還把在方法、研究對象、樣本等方面差異巨大、根本不可直接比較的研究結果硬性拼在一起。 在接受 Ars Technica 采訪時，威廉姆森直言，這看起來是一篇“本不應該被發表”的論文。

時間維度上的矛盾也引發了學界的警惕。 ChatGPT 在 2022 年底才向公眾開放，留給研究者完成多項高質量、經同行評議的實證研究并最終匯總成元分析的時間窗口非常狹窄。 威廉姆森認為，在如此短的周期內，幾乎不可能出現幾十項足以支撐嚴謹元分析的高質量研究，因此這本身就對論文的“樣本基礎”提出了根本性疑問。

除了威廉姆森，其他研究者也在早期就對這項研究發出了警告。 Meaning Processing Ltd. 首席科學家伊爾卡·圖奧米（Ilkka Tuomi）在 LinkedIn 上批評，像這類元分析往往會把實際上并不可比的研究結果混在一起，從而基于模糊甚至不一致的指標得出結論。 他提醒，復雜的統計工具很容易營造出一種“高度科學”的錯覺，即使底層數據質量并不可靠，最終依然能產出看似靠譜的數字和圖表。

隨著論文在社交媒體上不斷被轉發，其原本在正文中存在的諸多“限定條件”和研究細節逐漸被稀釋，只剩下“ChatGPT 顯著提升學習效果”這樣的標題式結論在各類傳播中反復出現。 威廉姆森指出，這種“只剩口號、沒有上下文”的擴散方式，加劇了公眾對 AI 在教育領域作用的誤判，也弱化了學術界內部對證據質量的討論空間。 他擔心，即便論文已經被正式撤稿，此前引用或轉發過它的研究者與從業者也未必會留意到這一更新。 這意味著，“ChatGPT 能顯著改善學習表現”這一核心信息可能仍會在許多場合被當作既成事實繼續流傳。

此次撤稿發生的時間點，也與教育系統圍繞生成式 AI 的博弈高度重疊。 一些學校和大學仍在想辦法限制 AI 在作業、考試中的濫用，尤其是防范借助聊天機器人進行“代寫”和作弊；與此同時，科技公司則不斷推出各類“學習助手”“作業輔導”功能，把聊天機器人包裝為新一代學習工具。 與此并行的，還有對“全面數字化課堂”的反思，有的國家已經重新強調紙質教材與手寫作業的重要性，試圖糾正過度依賴屏幕和在線平臺的傾向。

對威廉姆森等研究者來說，這件事帶來的挫敗感并不止于一篇論文本身，而在于它所折射出的整體氛圍。 在過去幾年里，圍繞生成式 AI 的討論往往被“炒作”和樂觀敘事主導，而真正嚴謹、有充分證據支撐的研究則明顯不足。 他認為，這次撤稿提醒人們：與其急于宣布“AI 已經徹底改變教育”，不如先扎實回答一個更基本的問題——這些工具在具體的教學實踐中，究竟是如何、在什么條件下影響學生和教師的行為與結果的。