四天的深度研討與交流中,導師們跳出傳統「技術至上」的框架,深入探討如何在日常教學中落實「以人為本」的 AI 課堂設計。以下精選了本次海外交流中最具啟發性、可直接轉化為課堂實踐的核心洞察:

一、不插電也能學高階概念:以紙筆活動理解 Prompt 與生成邏輯
許多人認為開展 AI 教育必須依賴高效能電腦或付費平台,但哈佛大學教育研究所教授、Scratch 共同創作者 Karen Brennan 在工作坊中展示了一個極具啟發性的低科技教學範例:Brennan 教授讓在場教育工作者圍坐成圈,先用紙筆寫下腦海中的畫面,隨後傳給下一位同工,由對方僅憑文字描述在背面畫出圖像。這個完全不插電的簡單活動,生動展示了提示詞(Prompt)與生成結果之間的關聯,以及文字精確度如何影響人機溝通。這項實踐證明:有效的 AI 素養教學不應受限於軟體技能,透過具象化的互動活動,反而能更深刻地引導小學生理解 AI 的運作機制、溝通誤差與倫理邊界。

二、翻轉學習角色:讓學生當老師,教導一個「一無所知」的 AI
在參訪全球頂尖的人工智能研究機構 Vector Institute 期間,研究人員分享的「可教學大型語言模型(Teachable LLM Companion)」概念,為課堂設計帶來了全新的翻轉視角:傳統教學中,學生多將 AI 視為隨問隨答的「全知導師」,容易導致被動接收。「Teachable LLM」則將師生角色徹底對調——系統設定 AI 初始為「未學習」狀態,學生必須自行整理知識架構,一步一步向 AI 講解概念,最後透過測試驗證 AI 是否真正學會。這種「以教促學」的建構主義模式,能將學生的角色從「答案索取者」轉變為「知識建構者」,在向 AI 輸入指示的過程中,自我檢視與鞏固學科知識。

三、以遊戲化工具共創校本 AI 指引
如何引導師生負責任地使用 AI,是全球學校共同面臨的課題。在多倫多大學 Lydia Cao 教授及 MIT Media Lab 團隊帶領的工作坊中,導師們體驗了兩套專為教育場景設計的遊戲化卡牌工具。教師無需研讀繁瑣的政策條文,而是透過抽卡模擬各類課堂情境(如抄襲爭議、數據私隱、演算法偏見),在討論中對齊核心價值觀,共創出切合校情的使用指引。這種參與式、遊戲化的引導手法,能有效打破常規校規說教式的沉悶感,非常適合作為班主任課或教師專業發展的實體工具。

四、從產業前沿反思:AI 效率越高,越依賴「人類同行審核」
教師代表團隨後造訪了著名科技孵化器 DMZ。前線 AI 軟件工程師在交流中指出:生成式 AI 固然令程式碼的產出效率激增,但隨之而來的是大量需要對代碼進行嚴格人工審查(Peer Code Review)。這項業界現況給予教育工作者深刻啟示:當 AI 能夠輕易完成繁複任務時,「人類的把關能力(Human Review)與批判性審視」才是未來不可或缺的核心競爭力。課堂教學的核心評估,也應逐漸由「作品成果」轉移至學生「審核、評論人機協作的產出」的思考過程。
五、香港前線教師的心聲與反思
在這次跨越地域的交流中,本港教師不僅向國際展示了課堂實踐,例如中學英文科培訓導師黎逸堅老師(Martin Lai)在座談會中分享了如何以「氛圍編程(Vibe Coding)」自建互動英語學習平台,各位培訓導師更在同儕對話中沉澱出深刻的教學思考:- 重新定義 AI:「以往常把 AI 看成簡化雜務的『自動化執行工具(Automation Implementation)』;此行讓我將它重新定義為『增強與迭代(Augmentation and Iteration)』。AI 是拓展人類能力的協作媒介,引導我們持續優化反思。」
- 守護學習的純粹樂趣:「探討 AI 素養永遠不能偏離教育的核心本質。教育的基礎在於三個詞:Skill(技能)、Will(意志)與 Thrill(學習的悸動)。這四天我們親身感受到了探索新知的快樂,這份因 AI 而啟發的學習樂趣,正是我們希望帶給學生的。」
- 科技無形,人本為先:「好的科技應該是『無形(Invisible)』的——它應無聲地融入學習過程,而非刻意突顯工具本身。智能可以靠人造的,但教師對學生心靈的關懷與陪伴,是任何演算法都無法取代的。」
