AI 之後的評量設計：重點不是防弊，而是讓真實思考顯露出來

面對生成式 AI，評量設計的討論長期被恐懼主導——怎麼防止代寫、怎麼抓出作弊、用什麼工具偵測。而教育現場正在形成另一種主張：真正該做的不是防弊，是重新設計。

這個主張的核心在於承認一件事：只要作業的評量對象是「最終產出的文本」，AI 就永遠有優勢，而防堵永遠追不上。要改變的是評量對象本身——從成品移向思考。

實務上有幾類做法已累積出經驗。

其一是歷程可見化。要求學生提交草稿版本、修改紀錄與決策說明——為什麼選這個方向、放棄了哪些版本、哪一段修改是因為發現原本的邏輯有問題。這些內容 AI 也能編造，但編造出的歷程通常過於平順，缺少真實思考特有的曲折與死路。

其二是個人化錨定。把作業與只有這位學生才有的材料綁定：他上週在實習現場觀察到的具體情況、他自己蒐集的資料、他對某次課堂討論的回應。AI 能寫出通用的分析，寫不出這個人的具體經驗。

其三是現場化。口頭答辯、即席寫作、實作展示——不是要回到監考制度，而是在關鍵節點確認學生真的理解自己交出的東西。一個能清楚說明自己作品每個決定的學生，是不是自己寫的就不再是重點。

其四是要求批判 AI。直接把 AI 納入作業設計：要求學生使用 AI 產出初稿，然後標出其中的錯誤、偏誤與不足，並說明如何修正。這種形式測的正是 AI 時代最需要的能力——判斷力。

值得注意的是這些做法的共同代價：批改負擔顯著上升。歷程式評量與口頭答辯需要的教師時間，遠高於批改一份標準報告。這也是為何許多學校即使認同方向卻遲遲無法落實。務實的做法是選擇性應用——不是每份作業都要如此設計，而是在關鍵的能力檢核點採用。

對台灣的教育現場而言，這個轉向提供了一個較為積極的框架：AI 帶來的不只是麻煩，也是把評量拉回教育本意的契機——我們本來就該關心學生怎麼想，而不只是他交出了什麼。