【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AI時代的研究與教學，

濃縮成三個動詞：

選擇、判斷、決策。

AI可以幫我們加速，

但不能替我們決定方向；

AI可以提供資料，

卻不能代替專業判斷；

AI可以模擬說話，

但也不一定理解聲音背後的情感與故事。