AI在科學評估題表現較佳，是否需要重想評估目標？

研究以54道2019年美國NAEP科學評估題，測試ChatGPT及GPT-4，並按題目的認知複雜性及維度，與四、八及十二年級學生的既有答題資料比較。兩個模型在所測題目普遍優於多數學生。題目要求提高時，學生通常需要更高能力才能答對；模型的表現則大多未呈相同變化。這是模型與既有評估資料的比較，並非人工智能教學介入實驗。