超越「代筆」：將 AI 定位為你的 DSE 研究顧問

在香港中學文憑試（HKDSE）的框架下，無論是不同科目的校本評核（SBA），還是各類自主探究項目，學生面臨最大的挑戰往往不是「寫不出字」，而是「題目太淺」。很多同學在開始研究時，傾向選擇如「香港的環保政策」或「社交媒體對青少年的影響」等大而化之的課題。這類題目因為缺乏深度，往往在評分準則（Assessment Rubrics）中的「探究能力」一項只能取得合格分數。

隨著 2024-2025 年度教育局與考評局對 AI 工具的使用指引日益清晰，學生應學會將 AI 的角色從「內容生成器」轉變為「研究顧問」（Research Consultant）。這不單符合學術誠信的要求，更能利用 AI 的大數據處理能力，為你的研究題目進行「壓力測試」，確保你的探究具有足夠的學術價值與批判性。你可以透過 Thinka 的 AI 學習支援 了解更多如何提升個人學習效能。

第一步：利用 AI 進行「知識縫隙」掃描

高分的專題研究通常聚焦於一個非常具體的「小切口」。與其直接叫 AI 給你一個題目，不如要求它分析現有研究的不足之處。你可以嘗試以下提示詞（Prompt）策略：

「我正研究香港的電子支付普及化。請列出目前關於『長者使用習慣』研究中尚未被充分討論的 3 個特定場景，並分析這些場景為何具有探究價值。」

這種方法能助你識別「知識縫隙」（Niche Knowledge Gaps）。例如，AI 可能會指出「公共街市小販對數碼轉型的抗拒心理」比單純討論「長者不用支付寶」更有深度。當你鎖定了具體的變項，例如變項 \( X \)（街市營運成本）與變項 \( Y \)（電子支付手續費）的關係，你的研究就有了科學化的根基。

第二步：模擬「同行評審」進行壓力測試

在學術界，論文在發表前必須經過同行評審（Peer Review）。DSE 學生可以利用 AI 模擬嚴苛的評審員，對自己的初步研究計劃書（Proposal）進行壓力測試。你可以將你的研究問題輸入系統，並要求 AI 扮演一位「挑剔的考評局閱卷員」：

  • 質疑邏輯：「這項研究的因果關係是否成立？有沒有潛在的干擾變項（Confounding Variables）？」
  • 評估可行性：「在 3 個月內，一名中學生是否真的能獲取這些私營企業的內部數據？」
  • 測試可偽證性（Falsifiability）：「如果你的研究假設 \( H_0 \) 是錯誤的，你的數據能否證明這一點？」

透過這種模擬反饋，你可以在正式動筆前修正題目漏洞。如果你需要參考更多高層次的學術結構，可以參考我們的 免費 DSE 溫習筆記與資源。

第三步：驗證研究設計的「精準度」

一個好的 DSE 研究題目必須是可以被量化或具體質化分析的。利用 AI，你可以優化你的研究公式。例如，將題目從：
「香港房屋問題的研究」
優化為：
「探討深水埗區劏房住戶在極端酷熱天氣下的能源貧窮（Energy Poverty）狀況：一項基於冷氣使用時數與電費佔比的相關性分析」

在後者的題目中，變項清晰，且可以用數學模型 \( E = \frac{C}{I} \)（其中 \( E \) 為能源負擔比例，\( C \) 為能源開支，\( I \) 為家庭收入）來進行論證。這種精準度正是獲取 Level 5 或以上成績的關鍵。老師亦可以利用 Thinka 老師端工具 來生成類似的高層次範例，引導學生思考。

學術誠信與 AI 的邊界

在使用 AI 進行研究設計時，學生必須嚴格遵守以下原則：
1. 透明申報： 紀錄你如何使用 AI 來激發靈感或優化題目方向。
2. 原始數據： 雖然 AI 可以幫你設計問卷題目，但搜集數據（如派發問卷、進行訪談）必須由你親身完成。
3. 最終判斷： AI 提供的建議可能存在偏差，最終決定研究方向的必須是你自己。

這種「人機協作」模式不僅能提升你的 SBA 分數，更是在預備未來大學層級的自主探究能力。想立即體驗如何透過 AI 提升你的思維深度？歡迎到 Thinka AI 練習平台 開始實踐。記住，AI 不是幫你完成作業的工具，而是助你成為「研究建築師」的強大支點。