每當新科技進入教育,第一個問題往往是:我們可以在哪裏使用它?人工智能出現後,這個問題幾乎進入了所有教學、學習與評估討論。
但我愈來愈認為,這不是最好的起點。課程不應從人工智能開始,而應從我們希望培養怎樣的畢業生、他們必須展示甚麼能力,以及必須為哪些決定負責開始。
以工具為先的陷阱
當我們從工具開始,課程設計容易變成尋找可加入人工智能的位置:在課堂加入活動、在作業加入提示設計,或要求學生批判人工智能生成的個案答案。
這些活動可能有用,但若沒有直接連繫預期學習成果,就可能只有活動而沒有配合。更好的次序,是先界定能力、辨認必須由學生完成的思考、決定人工智能的角色,再指定能呈現學生推理的證據。
人工智能素養不等於熟悉聊天機械人
學生可能已經使用 ChatGPT,但接觸不等於素養。人工智能素養包括判斷工具是否合適、核實輸出、識別偏差與私隱風險、交代工具如何參與,並為最終決定負責。
這對物理治療尤其重要。看似合理的答案仍可能遺漏紅旗、忽視禁忌症、錯誤陳述證據,或沒有考慮眼前病人的需要。
三種評估條件
人工智能準備就緒的課程可能需要三種有意識的安排:無人工智能評估,以確認獨立基礎能力;人工智能支援評估,以模擬真實專業工作並呈現學生推理;人工智能批判評估,以測試學生能否找出遺漏、挑戰不安全建議及核實證據。
這些安排應在課程層面設計,而不是由每一份作業自行即興決定,否則學生可能遇到重複、缺口與互相矛盾的要求。
需要的是課程路徑,不是一節人工智能講課
課程初期可處理限制、幻覺、來源核實、披露與私隱;其後逐步進入證據評估、病人溝通與數據解讀;臨床階段則評估人工智能支援推理及遺漏的安全資訊;畢業前再處理管治、公平與專業問責。
這種進階很重要,因為負責任使用依賴學科知識。學生在具備足夠物理治療知識前,未必能可靠辨認人工智能的錯誤。
教育工作者變得更重要
人工智能可以產生個案變化、建議評分準則措辭及建立討論例子,但不能自行判斷甚麼具教育價值、臨床上安全,或適合特定學生群體。
因此,教育工作者的角色並沒有消失,反而要求更高:我們是課程架構師、學習經驗設計者、專業判斷促進者及質素核實者。
證據仍然要求克制
目前有令人鼓舞的訊號,但熱情仍走在證據前面。2026 年一項本科健康專業教育隨機研究綜述發現,部分人工智能介入可能改善滿意度、信心與理論知識,但結果並不一致,證據確定性偏低,而且沒有研究評估工作場所行為或健康結果。
這不代表必須等待所有問題解決,而是要把人工智能活動視為需要理據、配合、評估和修正的課程介入。
我希望探索的框架
我正在考慮的次序是:CILO → 所需人類能力 → 獲准的人工智能角色 → 學習活動 → 學生推理證據 → 評估與保證。
這讓人工智能進入課程,卻不把它放在中心。中心仍然是畢業生能理解、實踐、解釋及負責的事情。真正重要的問題可能不再是「哪裏可以使用人工智能?」,而是「哪些能力必須清楚保持為人類能力,而人工智能如何支援而不暗中取代它?」
本文參考資料
- UNESCO 學生及教師人工智能能力框架(2024)。
- Lai 等(2026),本科健康專業教育人工智能成效系統綜述與統合分析,doi:10.2196/88933。
- 相鄰醫學教育課程與能力框架:doi:10.1186/s12909-026-08620-1 及 doi:10.2196/91116。