從 AI 素養到科學素養：與高中地球科學教師的生成式 AI 平台共同設計論壇

教學問題

生成式 AI 進入教學現場後，最常見的研究問法是「教師接不接受」。 以科技接受模式（TAM）與 UTAUT 為基礎的大量研究，估計的是一項工具會不會被採用； 但平台團隊真正需要知道的，是這項工具必須變成什麼樣子才用得上， 而後者不是把問卷做得更好就能得到的答案。

既有文獻還有兩個取樣上的偏斜：多半研究通用型聊天機器人而非功能龐雜的平台， 受試者也多為職前教師或大學教師。真正在教特定學科的在職教師， 對一個生成式 AI 平台會提出什麼要求，尤其是會要求它去測量什麼， 幾乎沒有實證資料。

地球科學把這個缺口放到最大。它在中學是跨越大氣、水圈與海洋、固體地球與天文的統整科目， 核心概念（駕馭颱風路徑的科氏偏轉、驅動海陸風的對流、成雲的絕熱冷卻、測量恆星距離的視差） 多半看不見、太抽象，或慢到一堂課內觀察不完，正是互動模擬與即時開放資料最有可能派上用場的地方。

研究方法

本研究採共同設計論壇（co-design forum）而非接受度調查： 把教師放在設計夥伴的位置，讓他們「提規格」而不是「打分數」。

• 場域與對象：一場與高中地球科學教師的共同設計論壇，約 16 位在職教師參與。
• 流程：先進行 90 分鐘的平台展示與實機操作，接著以 90 分鐘讓教師直接對平台開發者提出需求、質疑與反對意見，由開發者當場回應。
• 資料：兩個場次全程錄音，逐字稿以反身性主題分析（reflexive thematic analysis）編碼，建構出五個主題。
• 三角驗證：會後回溯問卷僅回收 3 份，論文中明確標示為「僅供三角參照、不支持任何推論」，也不解讀回收率。

這個設計最大的效度威脅是「當著開發者的面，教師會不會客氣」。 論文以語料內容本身回答：五個主題中有兩個直接挑戰平台的前提， 一個記錄教師當場稽核產品並找出瑕疵，另一個明說平台目前尚未達到可用門檻； 語料中的肯定是具體而有條件的，不是全面背書。

主要發現

五個主題中，第一個最具遷移性：

• 目的的分歧：到底在測誰的學習？ 平台測量的是AI 素養，教師需要的卻是自己被課責的那個學習的證據。 這個落差由教師自己講出來，並在「自動前後測」功能上表現得最鮮明： 該功能在論壇中引發全場最強的興趣，理由不是評量方便，而是教學的可證明性 （教學無法回到過去把學生洗白重跑一次，前後測是現有最客觀的方法）； 但當三套前後測工具的測量對象被說清楚之後，熱度隨即退去， 因為沒有一套是在測整學期的學科學習。
• 先查證，才使用。 取得存取權幾分鐘內，就有教師隨機點開模擬並指出動畫有問題， 並立刻推導出風險：若未經檢查就交給學生操作，錯誤資訊會被規模化地送出去。 教師把用語慣例（例如語音輸出出現非臺灣的詞序）也視為正確性的一部分， 並把解方定位在「內容策展」而非「模型能力」。
• 缺的是教材，不是工具。 被問到什麼條件下才會採用時，教師收斂到內容而非功能：沒有教材，教師無法減輕負擔，只能自行臨場發揮。 他們同時指定了教材與評量該有的顆粒度：拆解到知識點，否則教師看不出個別學生缺什麼； 並建議依知識點逐年累積，而不是一開始就對整本書做前測。
• 沒有人佔領的位置：探究與實作。 這是全場唯一從「評價」轉為「設計」的段落。教師拿到即時觀測站資料後， 當場就規劃出跨區域、跨月份、跨班級接力的探究題目。 但他們要的 AI 角色與直覺相反：不要 AI 畫圖， 因為學生的困難在於「算得出來、圖也畫得出來，卻說不出這張圖在講什麼」； 他們要的是能對學生自己的圖持續對話、並提供第二、第三輪回饋的機制。
• 層級錯置。 平台的設計假設被指出是為大學情境而生。蘇格拉底式對話受到最具體的批評： 面對升學考試的高中生在拿不到「正確答案」時會焦慮，需要先建立安全感再開放提問； 而缺乏先備知識的學習者也難以擔任提問者，此時應由 AI 提問、學生作答， 也就是把預設的對話方向反轉過來。

對教學的啟示

論文主張這個分歧是可以搭橋的，而橋就是科學素養。 教師要求被測量的東西（座標軸要標單位、尺度要站得住腳、資料是被「讀」出來而不只是被畫出來、 數值要落在儀器支持得起的精度內），聽起來像格式要求，實際上是學科的知識論承諾： 一個沒有單位的數字，並沒有承諾指涉世界上的任何東西。

這使科學素養與 AI 素養成為同一種類型的歷程構念： 都不是靠回憶去測，而是從學習者產出的東西推論而來。 若此推論成立，平台既有的那套機制（已在多機構規模上以 Bloom 認知層次分類學生提問、 並與人類評分者對照驗證）需要換的是測量目標，而不是重新打造一套工具。

論壇當場收斂出的機制值得記錄，因為它示範了教師的限制條件允許什麼： 學生親手把自己的實驗紀錄畫成圖，系統只負責判斷這張圖是否具備使其成為科學圖表的要件， 並提供下一輪回饋。該自動化的是稀缺資源（回饋的輪次），不是看得見的產出（圖本身）。 在生成式 AI 讓「模仿」變得廉價之後，可被評量的重心也從成品（現在可以被偽造） 移到互動（因為必須即時回應，較難偽造）。

另一項與撰寫教材直接相關的教訓來自平台自身的錯誤： 一張說明圖的結構性錯誤是由學科專家（本文第三作者）在閱讀時發現，而不是委製它的開發者。 修正的方式不是換個提示詞重新生成，而是放棄以圖像生成製作該圖， 改以向量幾何撰寫，因為這張圖的要求是「邊界落在精確的角度、二十個標籤各自錨定在對應的帶狀區域」， 屬於位置精確性，那不是生成式圖像模型該負責的事。 提示詞無法弭平「產出必須保證什麼」與「生成方法能夠保證什麼」之間的落差。

研究限制

單一場域、單一場次，樣本為自選且高度非典型的資深教師（他們自行安排代課、自費前往）， 是設計研究要的對象，卻不是估計市場需求該用的對象； 具代表性的樣本對教材的門檻大概會更低、對支援的要求會更高。 編碼由單一分析者完成，且該分析者同時是平台開發者。 問卷（n=3）不支持任何推論。所有發現都是「單次接觸後陳述的需求」， 是否能預測真實課堂中的採用，仍屬未知。

論文亦自我設限地標示了推論邊界：教師講出來的那些要求是發現； 「它們構成單一可測量的構念、與 AI 素養屬同一類型、可由同一套機制服務」則是作者的推論， 在本文中論證、但尚未被檢驗。若讓語言模型評判學生的解釋， 還須先處理流暢度、語域與長度所帶入的無關變異（這些與家庭語言、社經背景相關）， 以及「同一系統既出題又評分」造成的循環性。