教師的未來圖像：數位科技素養與AI專業識能的發展
- peiyingntnu3
- 1月14日
- 讀畢需時 28 分鐘
已更新：1月27日
來源：摘要自--陳佩英（2024）。教師的未來圖像：數位科技素養與AI專業識能的發展。取自陳力俊等人編撰，AI跨域教師培育示範與教學資源共享之探討（ISBN 978-626-7665-02-2）。中技社。
教育AI的全球視角和臺灣教育科技的發展
近年來各國都在追逐AI在教育應用的各種可能性。例如，澳洲政府正研究AI在教育中的政策影響，並重視數位思辨力和數位倫理的考量。加拿大多倫多省的渥太華天主教學區費時兩年擬定AI應用於教育政策，並要求教育利害關係人，包括地方教育主管人員、學校領導、教師、家長、學生都納入AI使用的法規範（OCSB, 2024）。新加坡則由政府領軍，推進系統性的探索和試驗AI在個人化學習與教學中的應用（例如Teacher Gaia機器人），並同步提倡「網路健康素養」（cyber wellness）（Singapore Ministry of Education, 2024）。南韓政府積極將AI整合到其K-12課程與教科書，分年段逐年實施，並提供教師必要的增能，解決全面數位化實施帶來的挑戰（Lee & Jeong, 2023；Kim & Kwon, 2023）。
教育部於2016年提出2016～2020的四年資訊教育總藍圖願景為「深度學習、數位公民」，目的在培養學生能有效使用資訊科技於所學內容，且能在不同情境中解決問題，和養成數位公民應有的態度（教育部，2016）。2017～2020年的四年前瞻計畫1.0，目標設在建構校園智慧網路管理、齊備有線及無線網路環境，建置智慧學習教室，增設資訊及生活科技教室，並強化師資人力、教材及設施設備，希望達到全臺中小學教室網路高速連線比例百分百。政府接著於2021年啟動四年前瞻計畫2.0，持續強化智慧校園和學習載具等計畫，同時回應108課綱資訊素養發展，導入人工智慧推動個人化學習，透過數位學習平臺實施科技輔助自主學習，推展專題導向學習及5G新科技學習應用。2024年9月更推出-e度人工智慧，積極發展智慧化的教與學。
人工智慧學與教的進展
AI在教育應用的相關研究指出，AI在課堂實踐帶來根本性的改變，由AI驅動的平臺促進了個人化學習體驗，滿足個別學生的需求和學習速度。智慧輔導系統提供個人化反饋和支持，增強學生的學習投入和知識理解力及學業成就。
AI工具還可以支持教師在教學計劃、實施和評估中節省寶貴時間使教師更能進行差異化教學，並回應學生多元背景和程度的學習需求。自動評分系統簡化了評估過程，而學習分析工具則為學生的進步情況和需要介入的範圍，提供有效的回饋建議。然而，AI在教育的應用須兼顧學術誠信和倫理問題，成為公眾議題）。因此，教育應更為重視與促進學生批判性思維，確保學生對AI運算的局限和資訊辨偽有更具準確的理解和審慎的評估（Flores-Vivar & García-Peñalvo, 2023）。
除了教與學層面，AI被期待可減輕教師的行政負擔和工作焦慮，例如自動評分、回饋意見生成、抄襲檢測等，讓教師能更專注於課程設計和教學互動。AI也提升了行政管理效率，使教師能更有效地指導學生（Chen, et. al, 2020）。
國際組織形塑教師AI素養能力
如前文所述，面對AI與數位科技浪潮席捲全球教育的趨勢，教師的角色、能力需求和培訓模式都需要重新思考與建構。全球各國皆積極制定相關政策，其中一個核心方向便是提升教師的數位素養，以應對AI時代下的教學挑戰。為了協助教師發展必要的數位能力，國際組織紛紛提出相關的教師數位能力框架。本節將著重探討兩個廣泛使用的框架：歐盟的DigCompEdu和國際教育科技學會（ISTE）的教育者標準，並闡述這些框架如何應用於教師專業發展，以及它們與各國AI教育政策的關聯性。
DigCompEdu是歐盟委員會聯合研究中心（JRC）於2017年，針對各級教育工作者而提出的全面性數位能力框架，該框架包含6個領域、32項數位能力和6個能力的程度描述。六大領域分別是：1.專業參與：善用數位科技與他人協作、溝通，並持續精進自身的數位教學專業；2.數位資源：需具備搜尋、評估、改編各種數位教育資源，並能依著作權規範恰當運用；3.教學與學習：著重數位科技融入教學的實務運用，以引導學生學習與互動；4.評量：運用數位評量工具，分析數據並給予學生適當回饋；5.增能學習者：利用數位科技促進以學習者為中心的教學，培養學生自主學習的能力；6.促進學習者的數位能力：引導學生成為負責任的數位公民，具備數位素養。前文提到的愛沙尼亞，即是以DigCompEdu作為國家教師數位能力政策的參考依據。
表1 DigCompEdu與ISTE之比較
| 歐洲教師數位技能架構 (DigCompEdu) | ISTE標準 |
專業學習與發展 | 強調持續專業發展、反思實踐、參與專業社群 | 強調持續學習、與時俱進、參與專業學習網絡 |
數位資源應用 | 強調選擇、創建、管理和分享數位資源，並注重版權意識和開放教育資源的應用 | 強調識別、評估和運用數位資源，以設計有效的學習活動 |
教學設計與實施 | 強調運用數位科技促進學生主動學習、合作學習和自我調控學習 | 強調以學習者為中心的教學設計，運用科技滿足學生的個別化需求 |
評量與反思 | 強調運用數位科技進行形成性和總結性評量，並根據評估數據調整教學策略 | 強調運用數據分析學生的學習狀況，並調整教學策略 |
數位公民與倫理 | 強調培養學生的資訊素養、數位溝通與協作能力、數位內容創作能力、負責任的數位公民意識 | 強調培養學生的數位公民意識，並引導他們負責任地使用科技 |
領導與協作 | 強調教師應積極參與學校的數位轉型，並帶領其他教師共同成長 | 強調教師應與同事、領導者和家長合作，共同導入科技於教與學環境 |
資料來源：自行整理。
比較而言，DigCompEdu較著重於教師數位能力的系統化發展，提供六個層級的架構，以及具體的能力指標；ISTE標準則較著重於科技融入教學的實踐，以學生、教師、領導者和教練四個角色面向，闡述不同角色在科技融入教學中的責任和能力。DigCompEdu希望提供一個全面的框架，引導教師逐步提升自身的數位素養和能力；而ISTE標準則在提供一個實務導向的指南，幫助教師和學校有效地將科技融入教學，促進學生的學習。兩者皆為教師專業發展的重要資源，有助於教師在數位時代不斷精進教學專業，培養學生在21世紀所需的關鍵能力。
影響數位變革的因素：來自臺灣現場的聲音
為了深入探討這些問題，陳佩英教授自2022年起，與教育部國民及學前教育署及師資培育及藝術教育司合作，進行數位科技和AI融入教學的培訓課程，目前服務已超過500位在職教師和師培生。陳佩英教授並於課程後，針對參與教師進行深度訪談和問卷調查。在資料蒐集方面，她應用了DigCompEdu架構的教師數位素養自評問卷進行調查。DigCompEdu架構發展教師數位平臺SELFIEforTEACHERS，免費提供教師使用的線上自我反思工具，目的在於協助中小學教師評估自己的數位能力，並根據評估結果規劃自己的專業發展。該工具依據DigCompEdu框架的六大能力領域，發展了32條自我反思題項，並將自評結果（數位素養成熟度）分為6個進程[2]：新手、探索者、整合者、專家、領導者、和先鋒。
成熟度分為6級，包括：新手（Newcomer）即教師在此階段吸收新資訊並發展基本的數位實踐能力；探索者（Explorer）即教師進一步探索並擴展其數位實踐；整合者（Integrator）即教師應用並擴展其數位實踐，並開始進行反思；專家（Expert）即教師進一步精通數位實踐，並反思教學方法；領導者（Leader）即教師傳授數位實踐知識，並批判性地檢討現有實踐；先鋒（Pioneer）即教師創新數位實踐，並發展新的教學方法。陳佩英教授在2024年9月至10月間邀請參與67所高中數位前導學校計畫的行政人員及教師，和部分國中小教師，填答SELFIEforTEACHERS問卷，共計回收760份。這次的問卷調查或可做為是當前臺灣中小學教師數位能力之基線，結果顯示（下圖1），以滿分六分來看，臺灣教師對於自身的數位素養平均落在2.5分，2.5分的平均數表示老師現正處於歐盟報告中所謂的「整合者」，亦即老師們正在使用數位進行教學，但尚無法做到重新設計、領導他人及發揮更大影響力的階段。而在各項數位能力當中，促進學習者（學生）的數位能力及賦權學習者的面向上分數最低，表示老師利用數位科技於學生學習的直接影響層面上，有待加強。
數位科技導入的三階序障礙
深究學校及教師推動數位轉型速度緩慢的原因，雖然教育部在政策面致力於全面性推動數位學習和組織轉型，但從實踐面來看，AI要能融入教師日常的課程與教學，會遭遇許多挑戰。相關研究顯示科技與教育的融合面臨包含三階序共四個障礙。第一階序是外在阻礙，如數位融入教學規範和相關標準並不完善、數位教學工具及網際網絡等普及程度不高、軟硬體數位工具不齊備、缺少及時維護或故障排除的技術服務、課程時間安排沒有彈性、以及學校整體文化保守、不願創新等（規制性）。第二階序的內在阻礙，涉及教師的信念和態度，如對數位科技融入教學採取懷疑或排斥態度、使用數位科技的能力等（文化認知性）；第二點五階序是課堂管理的障礙，涉及教師如何在課堂上有效管理科技，例如處理班級經營、學生分心，以及利用科技輔助差異化教學等（規範性）。第三階序則指涉設計思維（design thinking）的障礙（規範與文化認知性），與教師設計和實施科技增強學習經驗的能力有關，如使用線上平臺、設計教學活動、實施評量等（Blackwell, 2013；Ertmer, 1999；Makki et. al, 2018；Tsai & Chai, 2012；Yeh & Tsai, 2022）。
系統性培養數位科技種子教師
自2022年底ChatGPT出世以來，陳佩英教授的團隊即開始嘗試使用生成式AI進行課程優化，使用的數位工具包含ChatGPT、Canva、Padlet、Google Gemini、NotebookLM、Magic School AI等，並將這些工具與使用方法開發成教師增能課程，為教育部系統性地培養在職及職前教師（詳如下圖2）。
陳佩英教授從事教師增能研究多年，研究發現教學工作的制度性變革需要教育工作者的認知、技能、和態度與價值的改變，因此在教師專業增能需要採取實作產出和沈浸式的學習，藉由對話和參與產生綜效的學習遷移，並能在培力之後應用所學來解決現場的教學問題（陳佩英，2018）。意即透過增能課程增加教師在第三階序設計思考層面的能力，與創造教師同儕相互學習的社群或空間，來改變教師群體在第二階序的意願與價值觀，藉由系統性增能和同儕支持克服變革焦慮，進而降低變革阻礙。
為了解團隊所發展的增能課程成果，陳佩英教授亦以SELFIEforTEACHERS問卷詢問接受數位AI培訓的參與教師。其中，高中數位核心種子教師培訓計畫自2023年10月開始，至今已培訓三個梯次。培訓內容為每一梯次招募40位高中教師，以五個整天的實體課程，培養教師認識與嫻熟應用數位科技與AI發展課程，包括概念理解、核心問題、教學探究策略、表現任務、學習評量、與評量尺規等素養導向之完整課程設計，在完成培訓後，種子教師經由高優總計畫之安排進行實習與實踐，以期能夠協助其他教師增能。
本次施測對象為接受過五次實體課程的第二梯核心種子教師，共蒐集39份有效問卷。從圖4.3即可明顯看出接受過培訓的老師認為自身數位能力明顯成長，全體平均分數為3.3分，亦即老師們的數位素養落於「專家」（expert）階段，能夠分析、反思、重新設計這些數位科技工具，並應用在自身與夥伴的專業成長、教學實務、評量、學習者賦能等面向上，當中又以將數位利用於教與學是老師們認為最有把握的面向。此結果或可說明，陳佩英教授團隊以第三階序為目標，希望提升教師設計思考，靈活應用數位科技促進學生學習的培訓課程，確實能在教學現場發揮一定之影響力。陳佩英教授未來也會繼續研發相關課程，並深入探討訪談中老師們對於數位工具應用於多元評量，以及問卷結果中對於利用數位工具賦權學習者、促進學習者數位能力等面向的課程研發。
基於以上國內教師AI應用於教學實踐經驗的初步發現，以及參考歐洲教師數位技能架構（DigCompEdu）和ISTE標準來討論，可進一步思考如何針對職前和在職教師的不同需求，分別制定相應的策略，以克服現有的挑戰，和支持教師的數位轉型。
師資教育的再建制
職前教師培訓
在職前師資培育，未來建議採取(1)融入現有師培課程，加強數位科技和人工智慧的應用；(2)重新設計制度，依據人工智慧帶來的人機協作的教學環境，重新界定教師專業角色、功能和專業力的表現標準，再以之重新設計師培的課程架構、內容和表現水準。
在轉型階段，建議先以AI─融入和數據驅動教與學的方式漸進變革。
將AI素養和能力融入師範教育課程：修訂師範教育課程，將AI基礎知識、AI教學法、AI倫理等納入必修課程，使師培生具備基本的AI素養和能力，為將來應用AI技術於教學做好準備。
加強師培生AI教學實踐：提供師培生AI教學實踐機會，例如模擬教學、微型教學、實際課堂教學等，讓師培生在實踐中學習如何將AI融入教學，積累AI教學經驗。
增強同儕共學機會：鼓勵師培生運用所學數位工具與AI資源設計與實施教學活動，透過共同備課、觀課、回饋、反思等方式，協助師培生精進數位教學能力。建立同儕互助機制，鼓勵學生分享教學資源與經驗。
與學校建立長期合作關係：在修課期間安排師培生至中小學進行教學實習，並由具備數位教學經驗的教師進行輔導；透過現場學習了解學校AI教學的實際需求和挑戰，增進教學實戰經驗。
評量方式：鼓勵師培生運用數位工具進行作品製作與成果呈現。重視學生的反思能力，鼓勵學生記錄學習歷程，並進行自我評量與同儕評量。直接使用學習管理平臺，讓師培教授和師培生直接練習使用數位資料和知識管理模式。
理論與實務的對話：應用TPACK和SAMR模型或其他模型，刻意提升師培生有意識地使用數位科技於教學活動的設計，包括分析（Analysis）、設計（Design）、開發（Development）、實施（Implementation）和評估（Evaluation）。納入Bloom的認知層次，幫助師培生學會設計不同層次的學習目標，從記憶到創造。
SAMR 模型：為魯本•普特杜拉博士（Dr. Ruben R. Puentedura）於2006年所提出，包含替代（Substitution）、加強（Augmentation）、轉化（Modification）、重新定義（Redefinition）。師資培育的講師
面對數位科技與AI的衝擊，需要正視教學專業和數位科技應用的平衡。建議師培機構教學者發展以下數位應用能力，以便有效準備師培生的教育科技能力：
教育科技與數位學習專業知識：
具備教育科技發展趨勢與理論的深入理解，如TPACK、SAMR、Bloom's認知分類等，能融會貫通地應用於課程設計。
熟悉各種數位教學工具與平臺的操作，如Moodle、Google Classroom等，能引導師培生熟練運用。
掌握生成式AI與創新教學的設計思維：
了解生成式AI技術的原理、應用與限制，能引導學生批判性地使用AI工具。
能創新運用AI工具進行教學設計，發展以學生為中心的高互動學習活動。
了解資訊倫理與數位公民素養的內涵：
深刻理解資訊倫理、智慧財產權、隱私保護等議題，並融入教學中。
能以身作則，展現良好的數位公民素養，引導學生負責任地使用科技。
懂得運用資料驅動於教學決策與反思：
能運用數位平臺蒐集和分析學生學習數據，進行個別化的教學調整。
重視教學反思，能根據數據和回饋不斷優化課程設計與教學策略。
在職教師培訓
至於在職教師培訓，藉由陳佩英教授將近20年負責中小學教師系統性增能和培訓課程積累來看，並依據教師差別化增能需求的考量，建構在職教師課程培訓模塊，分別有四大面向：專業紮根和創新、平等包容和系統協作、未來思考和自我覺察、轉型領導和團隊賦能（見圖4），未來將持續應用AI，並融入於每一門增能課程的重要操作。此外，在推動方面，為了厚實教師的社會資本和同儕領導動能，以利教師持續性的專業成長，以下為建構教師主體動能的重要策略：
提供多元、彈性、持續的專業發展機會：結合線上平臺、工作坊、社群學習、教練指導等方式，讓教師能根據自身需求選擇合適的培訓內容和方式，持續提升AI素養和能力。
建立教師社群，促進專業交流與合作：透過社群平臺、研討會等形式，讓教師分享AI教學經驗、教學資源和解決方案，形成跨界跨域互助合作的專業社群，共同推動AI教育的發展。
支持教師持續終身學習：依據教育部頒布《終身學習的教師圖像》的專業內涵，結合中央、地方、學校層級的增能網絡，發展系統性和長年性的AI─賦能的教學培力課程群組，讓教師根據需求持續終身學習。
培養中間領導層的教師教學領導：人工智慧的發展一日千里，持續適應和轉化是未來教師面臨的挑戰。透過在職訓練，培養教師教學領導能力，有助於教師發展適應AI教學的專業社會資本，藉由互助互惠的專業社群重塑教師專業協作文化與認同。
結論與未來展望
以制度變革的視角反思AI教育發展
本文探討AI技術對教育的影響，特別聚焦於其對教師專業發展的影響。透過分析國際趨勢、臺灣現況，以及教師面臨的挑戰，本文證實AI時代的教師需要具備新的數位素養和教學技能，才能有效應對新的教學環境和學生學習需求。同時，本文也指出，AI的發展不僅僅是技術層面的革新，更涉及規制性、規範性，和文化認知性等多層面的制度變革。
從規制性角度來看，各國政府積極推動AI教育政策，例如制定AI教育的發展策略、提供相關的經費補助、以及建立教師培訓機制等。臺灣的「數位學習精進計畫」和「中小學數位教學指引3.0」即是此一趨勢的體現。然而，現行的政策和法規仍需不斷調整，以應對AI技術快速發展所帶來的新挑戰，例如數據隱私、演算法偏見等倫理議題。
從規範性角度來看，AI技術的應用正在重塑教師的專業角色和教學規範。教師不再只是知識的傳授者，更需要成為學習的引導者、促進者、和設計者。因此，教師的專業能力框架和評估標準也需要重新定義，以反映AI時代的教學需求。此外，AI教育的倫理規範也需要被納入教師的專業倫理守則中，以引導教師負責任地運用AI技術。
從文化認知性角度來看，AI技術的應用正在改變人們對於教學和學習的認知。教師需要重新思考AI技術如何影響學生的學習方式和學習成效，並調整教學策略，以更好地利用AI技術促進學生的學習。同時，教師也需要克服對AI技術的焦慮和恐懼，擁抱新的技術和教學模式，才能在AI時代保持競爭力。
臺灣師資教育的未來發展
以下圖5說明職前和在職教師、大學與學校須能攜手合作，相互支持，並利用「數位仲介」功能的穿針引線，貫穿教育人才培育和實踐系統，以便克服制度惰性和三階序障礙，從規制性、規範性、和文化認知面的師資教育制度再建構的觀點，進行師資教育的階段性和整全性的評估、規劃、執行和持續更新。
職前教師培育：奠定AI教學的基石
職前教師培育是培養未來教師的關鍵階段。為使師培生具備AI時代所需的教學能力，師資培育課程必須進行階段性和系統性的改革（見附件一）：
課程架構與內容精進：打破傳統學科壁壘，將AI素養、數位倫理、教學設計、多元評量等關鍵議題融入核心課程。同時，重視理論與實務的結合，透過模擬教學、微型教學、實習觀課和專題設計等活動，讓師培生在真實情境中體驗AI教學，並培養跨學科教學設計的能力。
提升師培教師數位素養：大學教授作為師培生的引路人，自身需具備紮實的數位科技素養和AI專業識能。除了熟悉AI教學工具的選用、多元數位教學活動設計與學習分析工具應用外，更需具備將研究成果轉化為教學實踐的能力。鼓勵師培教師參與AI教育相關研究計畫，並透過研討會、工作坊、線上平臺等持續進修，掌握最新技術趨勢，反思教學實踐。
在職教師培訓：實務導向的「做中學」
在職教師具備豐富教學經驗，培訓重點在於結合理論與實務，透過「做中學」逐步提升數位科技素養和AI專業識能。在職培訓需以需求導向，課程規劃應基於教師的實際需求和挑戰；提供彈性多元的培訓模式：結合線上平臺、線下工作坊和混合式學習等模式，提供彈性便捷的學習途徑，並鼓勵同儕互助、案例分享和跨校交流，打造支持性學習環境；適時調整專業發展制度，提供參與AI教育相關培訓的誘因，例如學分抵免、績效獎勵等，並建立AI教學成果的認證機制，鼓勵教師積極參與並提升專業水平。
建構支持性的制度環境：確保AI教育的健全發展
除了教師培育，還需建構支持性制度環境，才能確保AI教育的成功推行。這包含：制定明確的AI教育政策目標和發展路徑；提供充足的軟硬體設備、網路環境和技術人員支援，弭平數位落差；營造鼓勵創新、包容失敗的校園文化，並建立有效的教學輔導和回饋機制，支持教師持續精進教學實踐。
附件一： 中等師培課程AI融入程度評估
根據實際的課程發展經驗，陳佩英認為AI可以協助學習者處理事實性知識，包含定義、資料彙整、概念萃取等工作，但時事議題、個殊案例、思辨與判斷則有賴教學者的彈性導入、實例探究與實作引導。基此，陳佩英以一到三顆星星數為標準，判斷AI融入各課程的程度，評斷依據如下：
星星數 | AI可融入程度 | 判斷依據 |
⭐⭐⭐ | 高度融入 | 課程內容以客觀知識為主，課程內容和評量方式相對明確，AI導入能有效處理大部分的教學內容，例如知識傳遞、技能訓練、學習評量等。且AI能提供個人化的學習路徑和可使用的資源，追蹤學生的學習進度，並提供即時回饋。 教師的角色轉變為引導者、促進者，引導學生與AI互動，並培養學生的高階思考能力。 |
⭐⭐ | 部分融入 | 課程同時包含客觀知識和主觀經驗、價值判斷等，AI可輔助客觀知識的學習，例如知識傳遞、資料分析、學習回饋等，但主觀感受層面仍需教師引導 教師需要根據時事議題、學生特質等彈性調整，AI可提供支持，但無法完全取代教學者穿針引線的角色。 |
⭐ | 低度融入 | 課程著重學生的個人體驗、反思、價值觀建立、人際互動等，AI能協助提供案例、資訊檢索、基本數據分析等，但無法深入課程核心。 教師的教學引導、彈性調整、即時回饋、和專業回應，以及對於不同概念導入差異化學習的掌握，仍是教學的主要活動。 |
以上述標準思考現有的師資培育課程，陳佩英教授以目前所服務的國立臺灣師範大學的「中等學校教師師資職前教育課程教育專業課程」（113年版）為例，試說明AI融入的必要性，以及融入程度之評估。
課程名稱 | 學分 | 必選修 | AI融入評估 | 理由 |
教育基礎 | ||||
教育概論 | 2 | 必 | ⭐⭐⭐ | AI能有效彙整大量的教育學說、重要人物及其著作，比較不同教育理念的異同，並提供相關研究數據和趨勢分析，大幅降低學生的資訊搜尋成本，並促進學生對不同教育理念的理解。 同時，AI也能夠根據學生的學習進度，提供個人化的學習資源和測驗，提升學習成效。 |
教育 心理學 | 2 | 必 | ⭐⭐⭐ | AI工具能有效整理大量的研究資料、分析學習行為模式，並提供個人化學習建議。AI也能協助設計更有效的教學策略，例如根據學生的認知風格設計不同的教學活動。 |
教育哲學 | 2 | 必 | ⭐⭐ | AI可輔助整理不同哲學流派的觀點，並進行比較分析，提供學生更全面的理解。學生可以透過與AI的問答，釐清哲學概念，並練習批判性思考。 然而，哲學思考的核心在於批判性思考、邏輯推理和價值判斷，這些都需要人與人之間的思辨和討論，AI難以完全取代教學者課堂中引導思辨的角色。 |
教育 社會學 | 2 | 必 | ⭐⭐ | AI能有效分析社會趨勢對教育的影響，提供相關統計數據和研究報告，並協助學生研究不同社會背景下的教育議題，例如教育不平等、文化差異等。AI也能夠提供不同國家或地區的教育政策比較，讓學生更深入了解教育的社會面向。 不過，社會學著重批判思維和思想論辯，AI難以深入分析複雜或矛盾的理論，需要多向度的探究與反思。 |
教育史 | 2 | 選 | ⭐⭐ | AI可協助整理不同時期的教育發展脈絡，提供相關歷史資料，例如整理各個時期的教育政策、重要教育人物等。 學生可以透過AI快速了解不同時期的教育發展，但歷史的詮釋和評價涉及價值判斷和主觀理解，需要教師引導學生進行批判性思考，AI無法完全替代思辨。 |
中等教育 | 2 | 選 | ⭐⭐⭐ | AI可提供中等教育的現況分析、相關政策資料等，並協助學生研究中等教育的發展趨勢，例如分析不同類型學校的教學成效、學生的學習表現等。同時，AI也能夠提供不同國家或地區的中等教育制度比較，拓展學生的國際視野。 |
發展 心理學 | 2 | 選 | ⭐⭐⭐ | AI可輔助分析不同年齡階段的發展特徵，並提供相關研究數據和案例，例如不同年齡階段的認知發展、社會性發展等。AI也能根據學生的年齡，提供適齡的學習資源和活動建議。 |
青少年 心理學 | 2 | 選 | ⭐⭐ | AI可分析青少年行為模式、心理特徵，並提供相關案例研究和輔導策略。學生可以透過AI學習不同青少年的心理特徵和輔導技巧。 然而，青少年心理議題複雜且具個別性，需要教師的專業判斷和引導，並結合學生的實際生活經驗進行討論，AI難以完全掌握個殊性的經驗分析。 |
認知 心理學 | 2 | 選 | ⭐⭐⭐ | AI可模擬認知過程、提供認知模型，並協助學生設計更符合認知規律的教學活動。例如，AI可以提供不同認知風格的學習者案例，讓學生學習如何設計差異化教學活動。 |
現代 教育思潮 | 2 | 選 | ⭐⭐ | AI可協助整理不同教育思潮的發展脈絡和核心概念。學生可以透過與AI的互動快速了解不同思潮的內涵，但教育思潮的理解和應用需要批判性思考和反思，這需要教師的引導和討論，AI難以完全替代。 |
德育原理與實踐 | 2 | 選 | ⭐ | 道德教育涉及價值觀的培養和道德判斷，AI的角色有限，主要在於提供不同道德理論的比較分析，例如提供不同倫理學派的觀點，讓學生進行比較和反思，但道德教育實踐仍需仰賴教師的專業引導和學生的生活經驗反思。 |
美育原理 | 2 | 選 | ⭐ | 美育強調的是感受和體驗，AI可提供藝術史料、藝術作品分析等客觀資訊，例如提供不同藝術風格的介紹和作品賞析，但美感的體驗和創造需仰賴學生的主觀感受和教師引導，AI難以替代。 |
特殊教育導論 | 3 | 選 | ⭐⭐⭐ | AI可提供不同特殊需求學生的特徵和學習需求資訊，並協助學生設計個別化教育計畫，例如根據學生的障礙類型和程度，提供適配的教學資源和評量方式。 |
資優教育概論 | 2 | 選 | ⭐⭐⭐ | AI可協助分析資優學生的特質和學習需求，並提供相關的教學策略和資源，例如提供適合資優學生的學習資源、課外活動等。 |
教育方法 | ||||
課程發展與設計 | 2 | 必 | ⭐⭐⭐ | AI可輔助設計課程架構、提供教學資源，並根據學習者的需求調整課程內容與教學策略，例如根據學生的學習目標和程度，推薦合適的教材和教學活動。 |
教學原理 | 2 | 必 | ⭐⭐⭐ | AI可提供不同教學法的比較分析，並協助學生選擇適合的教學方法。AI也能提供教學案例和示範影片，讓學生更深入理解不同教學法的應用。教學原理的理解和應用仍需教師引導學生進行討論和反思。 |
教學媒體與運用 | 2 | 必 | ⭐⭐ | AI可提供多媒體資源的搜尋和整理，並協助學生製作互動式教學素材，例如簡報、影片等，以及無障礙設計建議。學生可以透過AI工具更容易地製作教學素材，提升教學效率。 然而，教學媒體的選擇和運用需要考量教學目標、情境應用、和學生的學習需求，AI無法完全替代教師的專業判斷。 |
學習評量 | 2 | 必 | ⭐⭐ | AI可協助設計評量工具、分析評量結果，並提供個人化的學習回饋，自動化評分也能節省教師時間。學生可以透過AI工具設計更具效度的評量工具，並快速分析學生的學習狀況。然而，評量的設計需要考量教學目標和學生的學習需求，AI無法完全替代教師的專業判斷。 |
班級經營 | 2 | 必 | ⭐⭐ | AI可提供班級管理策略和案例分析，例如學生行為數據分析。學生可以透過AI工具了解不同班級經營的策略，並學習如何分析學生的行為數據。但班級經營的實際操作仍需人類的溝通和應變能力，AI無法完全取代教師個人在班級經營中的角色及其帶班風格。 |
輔導原理與實務 | 2 | 必 | ⭐⭐ | AI可提供輔導技巧和案例分析，並協助學生進行輔導紀錄和追蹤，例如提供不同情境的輔導對話範例。學生可以透過AI學習不同輔導技巧和策略，但輔導需要考量學生的個別差異和心理需求的個案討論，AI無法完全取代輔導老師的角色。 |
親職教育與親師合作 | 2 | 必 | ⭐⭐ | AI可提供親職教育資源和溝通技巧，例如提供多語種的親職教育資料。學生可以透過AI工具更容易地取得親職教育資源，並學習與家長溝通的技巧。但親師互動仍需人類的同理心和溝通技巧，AI無法完全取代真人互動。 |
教育政策與法令 | 2 | 必 | ⭐⭐⭐ | AI可快速提供最新的教育政策和法令資訊，並協助學生了解相關規定，例如快速查詢相關法條。學生可以透過AI更有效率地學習教育政策和法令，減少資訊搜尋的時間成本。 |
青少年 問題研究 | 2 | 選 | ⭐⭐ | AI可協助分析青少年問題的成因、趨勢和相關研究，並提供可能的解決方案。學生可以透過AI快速了解青少年問題的現況和研究趨勢，但青少年問題的研究需要考量實際案例和脈絡，AI無法完全取代真實案例分析的重要性。 |
行為改變理論與技術 | 2 | 選 | ⭐⭐ | AI可模擬不同行為改變技術的應用，並提供案例分析和實踐建議。學生可以透過AI模擬不同行為改變技術的應用，並學習如何分析案例。然而，行為改變技術的應用需要考量學生的個別差異和情境因素，AI無法完全取代教師的專業判斷。VR、AR等技術的應用，也需要教師的引導和實際操作。 |
性別教育 | 2 | 選 | ⭐⭐ | AI可提供性別平等教育資源和相關案例。學生可以透過AI學習性別平等教育的相關知識和案例，但性別議題的討論和價值觀的建立仍需人類的引導，AI無法完全取代教師對權力關係細緻的覺察和複雜關係的分析和引導討論。 |
環境教育 | 2 | 選 | ⭐⭐ | AI可提供環境相關數據和資訊，並協助學生設計環境教育活動。學生可以透過AI學習環境相關知識，並設計更具體的環境教育活動。然而，環境教育需要考量時事議題和地方脈絡，引發價值論辯的討論，AI無法完全掌握複雜議題的提問和批判性反思。 |
閱讀暨資訊素養教育 | 2 | 選 | ⭐⭐⭐ | AI可提供資訊檢索和評估的工具，並協助學生設計資訊素養課程。學生可以透過AI工具學習如何有效地搜尋、評估和利用資訊，這對於資訊素養的培養至關重要。 |
教育行政 | 2 | 選 | ⭐⭐ | AI可輔助處理行政事務、提供數據分析。學生可以透過AI學習如何利用數據分析提升行政效率，但教育行政的決策仍需人類的判斷，AI無法完全取代教師在複雜性個案研討的專業判斷。真實案例的分析和討論，對於學生的學習也至關重要。 |
教育行動研究 | 2 | 選 | ⭐⭐ | AI可協助蒐集和分析研究資料，並提供研究方法的建議。學生可以透過AI工具學習如何蒐集和分析研究資料，但教育行動研究需要考量研究倫理和實際操作，AI無法完全取代教師在反思上的引導。 |
教育統計 | 2 | 選 | ⭐⭐ | AI可協助進行統計分析，並提供數據視覺化工具。學生可以透過AI工具學習如何進行統計分析和數據視覺化，但教育統計的應用需要考量研究設計和資料解讀，AI無法完全取代研究者的專業判斷。 |
教育實踐 | ||||
分科/分領域（群科）教材教法 | 2 | 必 | ⭐⭐ | AI可提供學科知識的整理和教學資源，並協助學生設計教學活動，例如提供不同學科的教材範例和教學策略。學生可以透過AI工具快速了解學科知識和教學資源，但教材教法的設計需要考量學生的學科背景、學習風格等，AI無法完全取代現場教師的經驗和專業判斷。 |
分科/分領域（群科）教學實習 | 2-4 | 必 | ⭐⭐ | 教學實習的重點在於學生的實際教學經驗和反思，AI的角色有限，主要提供課堂錄影的分析回饋，或提供一些教學案例供學生參考，但實習的過程仍需學生的主動參與和教師的指導，AI難以取代真人教師的指導和學生的臨場應變能力。 |
職業教育與訓練暨生涯規劃 | 1 | 必 | ⭐⭐ | AI可提供職業資訊和生涯規劃工具，例如根據學生的興趣和能力推薦適合的職業。學生可以透過AI工具探索不同的職業方向，但生涯規劃需要考量學生的價值觀、興趣和能力等多重因素，AI無法完全取代教師的諮詢和引導。 |
教育議題 專題 | 2 | 選 | ⭐⭐⭐ | AI可協助蒐集和分析相關資料，並提供研究方法的建議。學生可以透過AI工具更有效率地進行教育議題研究，例如蒐集相關文獻、分析數據等。 |
分科/分領域（群科）教育服務學習 | 2 | 選 | ⭐⭐ | AI可提供服務學習資源和案例，例如提供不同服務學習機構的資訊和案例，讓學生更容易找到適合的服務學習機會。但服務學習的重點在於學生的體驗和反思，AI的作用有限，無法取代學生的親身參與和教師的引導。 |
分科/分領域（群科）補救教學 | 2 | 選 | ⭐⭐ | AI可協助診斷學生的學習困難，並提供個人化的補救教學方案，例如根據學生的學習診斷結果，推薦適合的學習資源和活動。然而，補救教學需要考量學生的個別差異和學習需求，AI無法完全取代教師的專業判斷和教學設計。 |
分科/分領域（群科）適性教學 | 2 | 選 | ⭐⭐ | AI可協助分析學生的學習風格和需求，並提供適性教學的建議，例如根據學生的學習風格和學習進度，調整教材難度和教學進度。然而，適性教學需要考量學生的個別差異和學習脈絡，AI無法完全取代教師的專業判斷和教學設計。 |
分科/分領域（群科）探究與實作 | 2 | 選 | ⭐⭐ | AI可提供探究活動的資源和工具，並協助學生設計探究式學習活動，例如提供不同學科的探究活動案例和工具。然而，探究與實作需要考量學生的學習興趣和探究主題，AI無法完全取代教師的引導和提問。 |
實驗教育 | 2 | 選 | ⭐ | AI可提供實驗教育的相關資訊和案例，例如提供不同類型實驗教育的介紹和案例，讓學生更了解實驗教育的多元樣貌。但實驗教育類型眾多，且每種實驗教育有其理念與課程實踐方式，AI無法完全取代教師的專業判斷和教學設計。 |
教師素養 | 2 | 選 | ⭐ | AI可提供教師專業發展的資源和評估工具，例如提供線上學習資源和教師評鑑工具，讓學生更了解教師專業發展的方向。但教師素養的培養更需要經驗的累積和反思，AI無法完全取代教師的實踐經驗和反思能力。 |
教師專業發展 | 2 | 選 | ⭐ | AI可協助整理教師專業發展的法規、理論、方法，及提供教師專業發展的資源和線上學習平臺。 但教師專業發展更需要與同儕的互動和經驗分享，且類型多元，AI無法完全取代真實的互動和經驗交流，以及提供完全適合個人的建議。 |
參考文獻
教育部（2016）。2016-2020資訊教育總藍圖。https://ws.moe.edu.tw/001/Upload/3/relfile/6315/46563/65ebb64a-683c-4f7a-bcf0-325113ddb436.pdf
教育部（2024）。教育部中小學數位教學指引 3.0 版。https://pads.moe.edu.tw/pads_front/index.php?action=download
陳佩英（2023）。數位學習與科技領導實踐。課程協作與實踐（第六輯）（頁100-121）。教育部。
陳佩英（2018）。跨領域素養導向課程設計工作坊之構思與實踐。課程研究，13（2），21-42。
陳佩英（作者、主編）（2023）。高優雁行15年：方案政策學習實錄。教育部國民及學前教育署。
張國恩（2011）。資訊科技融入科學教學: 從學習科技的發展看資訊融入教學的內涵。下載自 https://enjoy.phy.ntnu.edu.tw/mod/resource/view.php?id=12389
Adams, C., Pente, P., Lemermeyer, G., Turville, J., & Rockwell, G. (2022). Artificial intelligence and teachers’ new ethical obligations. The International Review of Information Ethics, 31(1).
Australian Government. (2023). Australian framework for generative artificial intelligence in schools. Retrieved from https://www.australia.gov.au/
Ayanwale, M. A., Adelana, O. P., & Odufuwa, T. T. (2024). Exploring STEAM teachers’ trust in AI-based educational technologies: A structural equation modelling approach. Discover Education, 3(1), 1-22.
Bhutoria, A. (2022). Personalized education and artificial intelligence in the United States, China, and India: A systematic review using a human-in-the-loop model. Computers and Education: Artificial Intelligence, 3, 100068.
Blackwell, C. (2013). Teacher practices with mobile technology integrating tablet computers into the early childhood classroom. Journal of Education Research, 7(4).
Burton, E. (2024年7月7日). New school guidelines in Japan emphasize AI education. The AI Track. https://theaitrack.com/school-guidelines-in-japan-ai-education/
Celik, I., Dindar, M., Muukkonen, H., & Järvelä, S. (2022). The promises and challenges of artificial intelligence for teachers: A systematic review of research. TechTrends, 66(4), 616-630.
Chee-Kit, Looi., Andy, Chun, Wai, Fan (2024)Chee-Kit, Looi., Andy, Chun, Wai, Fan. (2024). Exploring the impact of gamification on students’ academic performance: A comprehensive meta‐analysis of studies from the year 2008 to 2023. British Journal of Educational Technology, doi: 10.1111/bjet.13471
Chen, L., Chen, P., & Lin, Z. (2020). Examining teachers' concerns about using educational technology during the COVID-19 pandemic: The case of Taiwan. Educational Technology Research and Development, 68, 2893-2913.
Chu, J. (2022). Research on Ethical Issues of Artificial Intelligence in Education. 101-108. doi: 10.1007/978-981-19-5967-7_12
Crompton, H., & Sykora, C. (2021). Developing instructional technology standards for educators: A design-based research study. Computers and Education Open, 2, 100044.
Education Estonia. (2023年12月28日). Empowering learners with AI in education. Retrieved from https://www.educationestonia.org/empowering-learners-with-ai-in-education/
Education Estonia. (n.d.). Digital competence: Empowering teachers and students. Retrieved from https://www.educationestonia.org/innovation/digital-competence/
Ertmer, P. A. (1999). Addressing first-and second-order barriers to change: Strategies for technology integration. Educational technology research and development, 47(4), 47-61.
Flores-Vivar, J. M., & García-Peñalvo, F. J. (2023). Reflections on the ethics, potential, and challenges of artificial intelligence in the framework of quality education (SDG4). Comunicar, 31(74), 37-47.
Fowler, S., Korolkiewicz, M., & Marrone, R. (2023). First 100 days of ChatGPT at Australian universities: An analysis of policy landscape and media discussions about the role of AI in higher education. Learning Letters, 1, 1. https://doi.org/10.59453/JMTN6001
Government of the Republic of Singapore. (2023). National AI strategy 2.0: AI for the public good for Singapore and the world. Retrieved from https://file.go.gov.sg/nais2023.pdf
Hamutoglu, N. B. (2021). Testing the effects of technological barriers on high school teachers’ role in technology integration. Asian Journal of Distance Education, 16(1), 74-89.
Harry, A. (2023). Role of AI in Education. Interdiciplinary Journal and Hummanity (INJURITY), 2(3), 260-268.
Huang, S., Yang, J., Fong, S., & Zhao, Q. (2021). Artificial intelligence in the diagnosis of COVID-19: challenges and perspectives. International journal of biological sciences, 17(6), 1581.
Ibáñez, M. B., Portillo, A. U., Cabada, R. Z., & Barrón, M. L. (2020). Impact of augmented reality technology on academic achievement and motivation of students from public and private Mexican schools. A case study in a middle-school geometry course. Computers & Education, 145, 103734.
ISTE (2024). https://iste.org/
Khare, K., Stewart, B., & Khare, A. (2018). Artificial intelligence and the student experience: An institutional perspective. The International Academic Forum (IAFOR).
Kim, K., & Kwon, K. (2023). Exploring the AI competencies of elementary school teachers in South Korea. Computers and Education: Artificial Intelligence, 4, 100137.
Knight, S., Dickson-Deane, C., Heggart, K., Kitto, K., Kozanoğlu, D. C., Maher, D., ... & Zarrabi, F. (2023). Generative AI in the Australian education system: An open data set of stakeholder recommendations and emerging analysis from a public inquiry. Australasian Journal of Educational Technology, 39(5), 101-124.
Korea Bizwire. (2020年11月20日). AI education to begin in high schools next year. Retrieved from http://koreabizwire.com/ai-education-to-begin-in-high-schools-next-year/175002#google_vignette
Lee, J., & Jeong, H. (2023). Keyword analysis of artificial intelligence education policy in South Korea. IEEE Access.
Liu, M., Ren, Y., Nyagoga, L. M., Stonier, F., Wu, Z., & Yu, L. (2023). Future of education in the era of generative artificial intelligence: Consensus among Chinese scholars on applications of ChatGPT in schools. Future Education Research, 10, Article e10. https://doi.org/10.1002/fer3.10Liu, et. al, 2023
Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. Routledge.Luckin, R. (2018). Enhancing Learning and Teaching with Technology: What the Research Says. UCL IOE Press.
Makki, T. W., O'Neal, L. J., Cotten, S. R., & Rikard, R. V. (2018). When first-order barriers are high: A comparison of second-and third-order barriers to classroom computing integration. Computers & Education, 120, 90-97. https://doi.org/10.1016/j.compedu.2018.01.005
Ministry of Education, Singapore. (2023年9月20日). Our educational technology journey. Retrieved from https://www.moe.gov.sg/education-in-sg/educational-technology-journey
Ministry of Education, Singapore. (2024年12月20日). AI in Education Ethics Framework. Retrieved from https://www.learning.moe.edu.sg/ai-in-sls/responsible-ai/ai-in-education-ethics-framework/
Mishra, P., & Koehler, M. J. (2008, March). Introducing technological pedagogical content knowledge. In annual meeting of the American Educational Research Association (Vol. 1, p. 16).
OCSB. (2024). Artificial Intelligence at the OCSB. https://www.ocsb.ca/why-ocsb/humane-use-of-technology/artificial-intelligence-at-the-ocsb/
Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu (No. JRC107466). Joint Research Centre (Seville site).
Scott, W. R. (2005). Institutional theory: Contributing to a theoretical research program. Great minds in management: The process of theory development, 37(2), 460-484.
Scott, W. R. (2008). Institutions and organizations: Ideas and interests. Sage.
Selwyn, N. (2024). On the limits of artificial intelligence (AI) in education. Nordisk tidsskrift for pedagogikk og kritikk, 10(1), 3-14.
Tsai, C. C., & Chai, C. S. (2012). The" third"-order barrier for technology-integration instruction: Implications for teacher education. Australasian Journal of Educational Technology, 28(6). https://doi.org/10.14742/ajet.810
Yeh, C. Y., & Tsai, C. C. (2022). Massive distance education: barriers and challenges in shifting to a complete online learning environment. Frontiers in Psychology, 13, 928717.
Comments