第一次在課堂中大量引入人工智慧 (Artificial Intelligence, AI) 工具時，我其實並沒有一個完整而確定的藍圖。與其說是「教學創新設計」，更貼近的描述應該是一次帶著不安與好奇的嘗試。作為護理教育工作者，我長期面對的困境之一，是課程內容高度密集、專業要求明確，但學生真正能投入思考與討論的時間卻相當有限。在這樣的脈絡下，AI 對我而言，並不是一個炫目的新科技，而是一個可能協助我重新分配課堂時間與教學角色的工具。

在實際開始使用 AI 之前，我觀察到學生早已在課堂之外接觸各種生成式工具。無論是文字生成、簡報製作或影像設計，AI 對他們而言並不陌生。這樣的落差也促使我反思：如果教師在課堂中完全忽略 AI 的存在，是否反而錯失了一個引導學生「如何負責任地使用」的重要機會。因此，我決定不將 AI 視為一門獨立要教授的技術，而是嘗試把它放進既有課程之中，成為一種輔助學習的「協力者」。

在課程設計上，我刻意避免讓 AI 成為直接給答案的工具。相反地，我將它安排在學生原本最耗時、也最容易流於表層的學習階段，例如資料蒐集與初步整理。以護理學導論課程為例，我過去曾經設計了數個具爭議性的討論主題，像是「護理人員是否可以罷工」或「護理人員能否在社群媒體分享工作經驗」。這些議題本身並不存在標準答案，卻高度貼近護理專業現實。

在討論準備過程中，我要求學生先閱讀指定教材，再運用 AI 協助整理支持與反對的不同觀點。AI 的角色並不是取代學生思考，而是幫助他們更快看到立場的多樣性。隨後，學生必須自行判斷哪些論點合理、哪些論點需要進一步查證。當學生站上台進行辯論時，我觀察到他們更能聚焦於「為何選擇這個立場」，而非單純重述資料內容。課堂中的提問與交鋒，也因此比以往更加熱烈。

除了討論活動之外，我也嘗試將 AI 運用於知識轉譯與視覺化的學習任務。在產科護理學的相關主題中，我邀請學生嘗試將專業內容轉化為一般民眾能理解的圖像教材，例如生理痛照護重點或毒性休克症候群的警訊。AI 在這個過程中，協助學生快速生成初步視覺草稿海報，但是否適合實際應用、是否會造成誤解，仍需由學生自行檢視與修正。這樣的學習歷程，讓學生開始意識到「好看」與「正確」之間的差異，也促使他們反思護理人員在健康溝通中的專業責任。

在課堂互動與評量方面，我刻意將學生的學習成果設計為「可被同儕看見」。所有小組作業都需上傳至共享平台，並進行口頭報告。這樣的安排，無形中引入同儕壓力，取代教師單向監督。學生知道自己的作品會被其他同學閱讀與提問，往往會更加留意內容的邏輯與合理性。對我而言，這也改變了我在課堂中的角色──我不再需要逐一檢查每一份作業，而是透過提問，引導學生說明他們如何判斷 AI 所提供的資訊是否有意義。

在這樣的教學實踐中，我逐漸體會到，AI 並不會讓學生停止思考。真正讓人停止思考的，往往是沒有被要求提出問題。當學生只需要「交出成果」，AI 確實可能成為代工工具；但當學生必須說清楚自己的判斷依據時，AI 反而成為刺激思考的媒介。學生開始學習與 AI 對話、修正指令，也在過程中更清楚地看見自己的理解限制。

回顧這些經驗，我並不認為自己已經「用好」AI。相反地，這更像是一段持續調整與學習的歷程。AI 工具更新快速，教學策略也必須不斷修正。然而，這次實踐讓我更確定一件事：AI 在課堂中的價值，不在於它能做多少事，而在於教師是否能為學生保留思考、判斷與反思的空間。

對我而言，AI 不只是科技工具，而是一面鏡子，映照出我們如何看待學習本身。當 AI 被視為教學協力者，而非取代者，它反而幫助我重新找回教學中最核心的部分──與學生一起思考、一起困惑，也一起成長。

#人工智慧融入教學 #教學協力 #護理教育

作為相對新進的老師，儘管我相信即使就用我還是學生時老師上課的方法來教學也無妨，但面對AI浪潮的前仆後繼，總是隱隱地覺得甚至憂心，是否我只是太懶所以沒有去研究那些聽說同學會喜歡而能夠增進教學品質的工具？因此，於114-1學期，在與系上屢屢得到中/英文教學傑出獎的黃尹男老師與陳柏華老師請益後，我決定嘗試翻轉教學並同時佐以AI輔助，來進化我的EMI課程！

我主要應用的課程是土木系大一必修的EMI課程<測量學一>。因為是EMI，學生自然以外籍生為主。過往我總是進行兩個小時的單方向授課，不過近年來同學總是瞌睡連連。因此，這學期我不僅嘗試讓同學在課前先自行觀看課程影片，也安排課堂上的活動設計來讓同學了解理論的應用。

具體而言，首先，在教學影片的部分，我讓學生觀看過往課堂上課時，我使用之前台大購買的Webex視訊軟體錄製的影片。但在與同學討論後，才知道這樣做有幾個問題：(1)僅有單調的簡報畫面與我的聲音，往往讓他們看的昏昏欲睡，尤其在家裡更難心無旁騖的看完整堂課、(2)影片沒有字幕會導致他們有時需要反覆聽才能理解，尤其我有些字英文發音不清楚時。為了解決此些問題，在與台大用心開發NTU COOL的團隊討論後，發現其實平台早就有AI字的生成字幕的功能！經過測試後，我發現它不僅可辨識我帶有口音的英文，也可正確辨識我在課堂中穿插解釋時說的中文！換言之，大多數修習EMI課程的台灣生所期望的－以英文授課為主，但重點部分搭配中文解說－即可被實現！此外，根據課堂調查發現，有了字幕後大部分同學都會用1.5倍速觀看，並僅針對較難理解的章節反覆播放理解。

圖1、以NTU COOL平台之AI工具自動產生影片字幕之中英文實例

圖2、課堂調查有AI生成字幕後，同學觀看課前影片的播放速度

而為了讓同學搭配著影片做筆記，課程的簡報部分，由於我總是會新增很多資訊，有時可能無暇顧及正確的英文文法，因而每年總會有一兩位外籍生更正我。因此，為了維持文本上的正確性，在引入AI後，我也使用過往台大有免費購買供師生使用的Grammarly校稿軟體來訂正簡報的詞句。

最後，在課堂活動設計的部分，除了出小組練習的計算題外，我會在每週課堂上以Webex的Slido進行個人小考來作為學期一部分的成績。但在準備這些問題與選項時，有許多需求需要滿足：(1)由於是EMI課程，需要確保文法、詞句的正確性、(2)若英文過難，台灣生大多會抱怨是在考單字還是在考學科，因此用字要易讀易懂、(3)內容的部分，需要確定沒有考超過當週的範圍或與教材相違和、(4)要讓這些題目解答能夠便利地匯入Slido後台。為了將時間著重在出有意義、促進思考的題目，而非上述這些技術與格式細節，我會在與LLM模型（如ChatGPT 與Gemini）的對話中，先上傳當週的簡報，再以英文（若輸入中文，專有名詞可能會有與教材不同的翻譯問題！）輸入我參照當週教材發想的題目與選項（相對直覺，未精煉文法的句子），然後再請AI (1)檢查各題是否超出課綱或有讓同學誤解的描述、(2)訂正英文文法並簡化過於艱澀的英文單字、(3)完畢後輸出給我檢查。在我確認無誤後，最後才會請AI (4)將所有題目與選項輸出成我可以批次匯入Slido的檔案格式，以減少我一題一題登打的耗時並避免錯字。

圖3、根據我擬定的每週小考題目與選項，請ChatGPT精簡用詞、檢查文法與統一格式的記憶設定

以上這些嘗試，在經過16週的試煉後，同學大抵覺得比起過往單方向講課模式來的有趣，且學習起來更有效率。另外，有兩個回饋值得分享。第一，有外籍生直言不諱舉手質疑小考題目是否為AI製作的，但實際上有用過AI出題的老師都知道，AI出的題目大多非常淺而空洞，因此我認為出題仍應由教授執行，AI僅應協助上述之校稿與格式編排。第二，儘管我不是用AI進行出題，但在詢問課堂上小考表現不錯的同學時，有一位同學分享他會先用AI工具(如NotebookLM等)進行多次的模擬出題與小考，儘管無法命中老師人腦的出題，但同學認為此舉仍可幫助他快速掌握重點。

#EMI課程 #大一必修課 #NTU COOL影片字幕 #Grammarly校稿 #NotebookLM模擬出題

當科學資料的處理逐漸被外包給人工智慧 (AI) 這個「黑盒子」時，人類研究者所剩下的價值會是什麼？

在地質系「探索地球大數據」這門工作坊中，陳奕維與吳宗叡兩位老師率領 20 多位地質系學生，利用寒假為期兩個月、每週投入 4 小時以上的時間，著手處理當代地球化學研究面臨的真實困境：彙整資料 (Data compilation)。這任務聽起來再簡單不過，然而在過去數十年，龐大的實驗數據不斷隨著科技進步加速釋出，並且依循作者各自的習慣編排散落於海量的文獻中、缺乏統一格式；近年來，雖然學界建立了如 GEOROC 等大型開源資料庫，但這些資料的維護與品質控管仍需高度仰賴人力去核對。

面對海量待比對的文獻，要求學生以肉眼逐一比對數據不僅缺乏效率，長期維持注意力也必然導致疲累與渙散。因此，我們在課程中引入了 AI 協助處理這些繁瑣的轉譯工作。首先，學生利用 AI 從各種 PDF 附錄或截圖中辨識出矩陣資料內容並彙整至 Excel；同時，另一批同學針對地球化學領域中常見的圖資，利用 AI 輔助撰寫 Python 程式碼將圖表數值化，期望能達到資料匯入即自動投影的目標。

然而，當工具的權限被完全釋放，課堂的生態發生了有趣的變化。起初，學生對於能自由驅使 AI 感到極度興奮，我們甚至為此在課堂平台上開設了「Prompt 咒語庫」(分享實用的指令) 以及「AI 荒謬名人堂」(回報 AI 產生的錯誤) 兩項討論區。討論區內熱烈交流著各種 AI 的怪現狀與神操作。但幾週過去，我們觀察到整個工作坊的推進卻陷入了停滯，部分同學甚至毫無實質進展。

這種現象似乎揭示了一個殘酷的事實：AI 確實提供了無限的探索空間，但「無止盡地生產資訊」並不等於「解決問題」。當學生沈浸於與 AI 的對話和工具測試之時，反而迷失了建立地球科學資料庫的核心目標。然而，我們並非單純禁止學生探索，而是從學生在討論區分享的眾多經驗中，盤點出最具效率的協作模式。確切來說，我們將某位同學開發出的高效率 Prompt 流程指定為全班的「標竿學習」對象，並以此為基礎，建制出一套全班通用的標準化作業流程 (SOP)。在使用的 AI Prompt 方面，我們統一採用該標竿流程的指令概念，要求學生在給予提示詞時必須設立明確的邊界，藉此剝奪無中生有的權力。從此以後，學生的專注力也從「如何漫無目的地操縱 AI」轉向「如何提升流程效率與檢核 AI 的產出」。或許這件事提醒了我們：在技術的狂歡中，教學者必須適時地劃定邊界、評估判斷工具的效能與產出，防止工具的代理性 (Agency) 凌駕於科學探索的目的之上。

在最終的數據驗收階段，我們進一步確立了教學者在 AI 時代的不可替代性。學生經常拿著 AI 完美轉換的表格來匯報，但作為老師或助教，我們往往一眼就能察覺數據「怪怪的」。這種敏銳度並非源自我們擁有比 AI 更強大的運算能力，而是來自人類長期浸淫於學科中所積累的「默會知識」(Tacit knowledge)。我們知道特定地區不太可能出現某種岩石成分，或是各種主量元素相加的總和理應接近 100%。這些隱含在地質學理與過往經驗中的常識，是 AI 在執行純粹的「文字轉矩陣」任務時不會去考量，也無法考量的。

因此，這門課最大的成效，或許不在於學生學會了多艱澀的「硬知識」，而在於他們透過大量處理被 AI 轉換過濾的數據，意識到「數據識讀敏感度」這項軟實力的重要性。他們開始理解，不能將 AI 的產出視為不證自明的客觀事實。

不過，AI 確實也為課堂帶來了超越預期的創造力。在一次任務中，學生的目標是利用程式框出過去文獻提及的某個特定資料範圍。由於缺乏確切的控制點，AI 無法直接寫出繪製該區間的程式碼。但出乎意料的是，AI 並沒有宣告失敗，而是轉而生成了一支帶有互動介面的 Python 程式，讓使用者可以直接在文獻圖表的截圖上「點擊」範圍區間，再將這些點擊的座標輸出成 CSV 檔案，最終成功繪製出數值版本的圖表。這種透過人機協作繞過死胡同的解題思路，為我們帶來了極大的驚喜。

再經歷了這場將「大腦外包」的教學實驗，我們深刻體認到，面對強大的 AI 工具，一味地限制使用或是單純在口頭上警告學生「AI 會有幻覺」等作為，其實都是無效的防堵。真正的教學策略，應該是鼓勵學生在實務中大量且深度地使用 AI，讓他們在無數次的操作經驗中親自體會 AI 工具的邊界。

回到文章開頭的問題：當數據的處理被外包給了 AI，人類智慧的核心價值剩下什麼？或許，答案便在於「領航」。AI 可如蒸汽機一般生產出源源不絕的動能，然而人類研究者必須要有能力駕馭這股力量，並以自身對於訊息的敏感度，為 AI 的運算結果進行最終意義的定錨。

#地球化學 #大數據 #AI 輔助數據處理 #數據敏感度 #人機協作