杜紫宸觀點：生成式AI倒逼國中小教育改革─從防弊思維走向認知設計

生成式AI進入校園後，社會討論多半仍停留在「學生會不會作弊」「該不該禁止使用」等技術或紀律層次，但這些都只是表象。真正受到衝擊的，從來不是學生的道德，而是一整套長期仰賴「成果外觀」來判斷學習是否發生的教學與評量制度。

當文字可以被即時生成、解題步驟可以被完整列出，教育面臨的已不是「如何防止學生使用AI」，而是更根本的問題：當成果本身不再能作為理解的證據，學校究竟在評量什麼？

這場衝擊，在國中小尤為劇烈。因為在這個階段，教育的核心本就不該是交出漂亮答案，而是培養認知、理解、表達與創造能力；生成式AI只是讓原本被忽略的問題，無法再被掩蓋。

在小學，學習的關鍵不是知識量，而是孩子如何把模糊的感受轉化為語言，如何將生活經驗整理成敘事，如何逐步說清尚未成熟的想法。這些看似緩慢的過程，正是心智發育中不可被壓縮的基礎。

然而，生成式AI恰恰能繞過這些歷程，直接產出語法正確、結構完整、情緒到位的文字成品。於是，老師已無法再僅憑作文或作業內容，判斷孩子是否真的理解；當文字品質與理解程度徹底脫鈎，繼續沿用原有的教學與評量方式，已不是保守，而是失職。

但這並不意味著AI必須被排除在課堂之外。相反地，AI正好成為老師重新設計學習歷程的契機。當生成本身不再困難，教師可以把重心轉向孩子是否能辨識、解釋、重組內容：哪些地方看得懂？哪些地方不合理？能不能用自己的話重新說一次？能不能改寫給不同對象聽？

在這樣的設計下，AI不會取代理解，反而迫使理解現形。

若只將責任歸咎於學校，問題同樣不完整。長期以來，許多家長習慣以字數、用詞與完成度判斷孩子學得好不好，無意間傳遞了「看起來好，比真的懂更重要」的訊號。在這樣的期待結構下，生成式AI自然成為最有效率的捷徑。

當家長只關心作業是否漂亮，卻不追問孩子能否說清楚在寫什麼、為何這樣寫，理解便被推到次要位置。生成式AI只是放大了這個早已存在的價值錯置。

因此，小學教育的轉向，必須是家校共同的。教師把重心拉回課堂現場，要求孩子說出來、解釋給人聽、回應即時追問；家長則必須調整期待，從「寫得漂不漂亮」轉向「能不能用自己的話說清楚內容」。只要任何一方仍停留在成果導向，理解就會繼續被外包。

進入國中後，問題更加尖銳。國中原本是理解能力開始分化的階段，數學解題、自然推導與社會科申論，本應用來檢驗學生是否真正掌握概念。然而生成式AI讓「看起來懂」變得前所未有地容易：完整的解題步驟、結構成熟的申論答案隨手可得，卻未必代表學生知道每一步在做什麼。

更嚴重的是，學生可能逐漸喪失對「自己其實不懂」的警覺。當答案合理、語言流暢，卻缺乏判斷其適用條件與限制的能力，學習便從理解退化為套用。

因此，國中教師必須調整的不只是評量方式，而是教學重心本身。算對不再是終點，而是起點；關鍵在於學生能否說明理由、比較不同解法、分析錯誤來源。申論題不只要求有觀點，而必須追問學生站在哪一邊、為何做出這個選擇。

生成式AI可以列出所有可能性，卻無法替學生為判斷承擔責任；而這，正是教育不可外包的核心。

在生成式AI普及後，教師不再需要與機器競爭誰知道得多，而是扮演更關鍵的角色：設計那些學生無法不動腦的學習情境。

教學的重心，從「我教了什麼」，轉向「學生在哪個環節必須做出判斷」；評量的核心，從「答案是否正確」，轉向「思考過程是否能被說清楚」。當老師敢於把AI納入課堂、納入比較、納入修正與討論，AI不但不會削弱教育，反而迫使教育回到它最有力量的位置。

歸根究柢，生成式AI對國中小教育帶來的真正挑戰，不是技術，而是責任結構的重寫。它迫使學校承認：若無法再靠作業與考試的外觀，假裝學習已經發生，教學與評量制度就必須調整；也迫使家長承認，只追求成果而不追問理解，等於與制度共同放棄孩子的學習主體性。

生成式AI不會削弱教育，反而逼迫我們回到最基本、也最困難的要求：要求理解、要求說清楚、要求為判斷負責。當形式不再重要，學習才有機會重新成為一件真實而值得尊敬的事。 （相關報導： 杜紫宸觀點：AI三年內清算台灣金融業─研究、理專、風控與法遵，誰還有存在必要？ ｜ 更多文章 ）

＊作者為東海大學EMBA兼任教授