【AI越厲害，我們越要知道自己為什麼這樣做】小金老師給研究生的小提醒118
有研究生問我： 「小金老師，現在AI可以找文獻、整理資料、分析內容，甚至給學生回饋，那我們還能做什麼？」 我說： 「AI可以幫我們做很多事，但它不能代替我們做決定。」 這個星期整理AI與教育的相關資料， 我清楚感覺到， 其實不必再討論能不能用AI， 因為真正重要的問題是： 我們能不能按照研究目的與教學目的，正確使用AI？ ——— 這裡有三個小提醒，給研究生也給我自己。 #小提醒一：AI能測量不代表AI能理解 拿我的口語表達研究來說， AI擅長辨識「說了什麼」， 也能測量音長、音量與音高等聲音的正確性。 但是， 當它判斷流利性與得體性時， 就必須更加謹慎。 所以， 在進行AI口語研究時， 需要教師、同儕或學習者來覆核。 AI產出的分析結果不是答案， 而是等待查證的資料。 #小提醒二：不要只問AI準不準，還要問它是否符合研究與教學目標 同樣的語速與語調， 放在不同的口語任務中， 可能產生完全不同的效果。 說故事時要有聲音表情， 教學說明時要條理分明， 分享心情時則不能為了追求漂亮的語調， 而失去了自然。 因此， 我在設計AI口語回饋研究時，不能只比較： 「AI的評分和教師的評分是否一致？」 還必須追問： 「AI提出的建議，是否符合這一次的教學目標？」 AI可以測量什麼， 就把什麼放進研究工具。 這樣好嗎？ 我覺得要先確定教學目標， 再決定AI適合在哪裡提供協助。 #小提醒三：研究焦點不要只放在AI給了什麼，更要看學生做了什麼 如果研究流程只是： AI分析 → AI給分 → 學生照著修改 我們只能證明AI可以提供回饋， 卻無法知道學生是否理解。 我更想觀察的是： AI觀察 → 學生反思 → 教師覆核 → 學生決策 → 修改重試 因此，除了前後測分數， 我也會請學生留下： -如何理解AI回饋？ -同意或不同意哪些建議？ -為什麼接受或拒絕？ -根據哪些回饋進行修改？ -重來一次會有什麼改變？ 這些「思考的證據」， 可能比最後進步幾分， 更能說明AI幫上什麼忙。 AI時代的研究， 不只是檢查學生是否使用AI， 而是要看他能不能查證， 能不能判斷、選擇， 甚至批判AI的建議。 老師也是一樣。 真正重要的AI教學能力， 不是「讓AI幫我完成教案」， 而是能夠回答： -為什麼這建議適合我的學生？ -為什麼另一項不適合？ -哪裡根本不應該交給AI？ ——— 所以， 我把A...
