每当新技术进入教育,第一个问题往往是:我们可以在哪里使用它?人工智能出现后,这个问题几乎进入了所有教学、学习与评估讨论。

但我越来越认为,这不是最好的起点。课程不应从人工智能开始,而应从我们希望培养怎样的毕业生、他们必须展示什么能力,以及必须为哪些决定负责开始。

以工具为先的陷阱

当我们从工具开始,课程设计容易变成寻找可加入人工智能的位置:在课堂加入活动、在作业加入提示设计,或要求学生批判人工智能生成的个案答案。

这些活动可能有用,但若没有直接联系预期学习成果,就可能只有活动而没有配合。更好的次序,是先界定能力、辨认必须由学生完成的思考、决定人工智能的角色,再指定能呈现学生推理的证据。

人工智能素养不等于熟悉聊天机器人

学生可能已经使用 ChatGPT,但接触不等于素养。人工智能素养包括判断工具是否合适、核实输出、识别偏差与隐私风险、交代工具如何参与,并为最终决定负责。

这对物理治疗尤其重要。看似合理的答案仍可能遗漏红旗、忽视禁忌症、错误陈述证据,或没有考虑眼前患者的需要。

三种评估条件

人工智能准备就绪的课程可能需要三种有意识的安排:无人工智能评估,以确认独立基础能力;人工智能支持评估,以模拟真实专业工作并呈现学生推理;人工智能批判评估,以测试学生能否找出遗漏、挑战不安全建议及核实证据。

这些安排应在课程层面设计,而不是由每一份作业自行即兴决定,否则学生可能遇到重复、缺口与互相矛盾的要求。

需要的是课程路径,不是一节人工智能讲课

课程初期可处理限制、幻觉、来源核实、披露与隐私;其后逐步进入证据评估、患者沟通与数据解读;临床阶段则评估人工智能支持推理及遗漏的安全信息;毕业前再处理治理、公平与专业问责。

这种进阶很重要,因为负责任使用依赖学科知识。学生在具备足够物理治疗知识前,未必能可靠辨认人工智能的错误。

教育工作者变得更重要

人工智能可以产生个案变化、建议评分准则措辞及建立讨论例子,但不能自行判断什么具教育价值、临床上安全,或适合特定学生群体。

因此,教育工作者的角色并没有消失,反而要求更高:我们是课程架构师、学习经验设计者、专业判断促进者及质量核实者。

证据仍然要求克制

目前有令人鼓舞的信号,但热情仍走在证据前面。2026 年一项本科健康专业教育随机研究综述发现,部分人工智能干预可能改善满意度、信心与理论知识,但结果并不一致,证据确定性偏低,而且没有研究评估工作场所行为或健康结果。

这不代表必须等待所有问题解决,而是要把人工智能活动视为需要理据、配合、评估和修正的课程干预。

我希望探索的框架

我正在考虑的次序是:CILO → 所需人类能力 → 获准的人工智能角色 → 学习活动 → 学生推理证据 → 评估与保证。

这让人工智能进入课程,却不把它放在中心。中心仍然是毕业生能理解、实践、解释及负责的事情。真正重要的问题可能不再是“哪里可以使用人工智能?”,而是“哪些能力必须清楚保持为人类能力,而人工智能如何支持而不暗中取代它?”

本文参考资料