一場工作坊不會讓教師準備好，有效的 AI 專業發展長什麼樣

多數學校目前的 AI 教師培訓，形式相當一致：一場兩小時的工作坊、一份投影片、幾個工具示範，然後結束。文章直接指出這種形式的問題——它不可能讓教師準備好面對 AI 帶來的實際變化。

這個判斷其實有長期的研究基礎。教師專業發展的成效研究一致指向同一個結論：單次、脫離課堂脈絡、沒有後續支持的培訓，對實際教學行為的影響接近於零。教師可能覺得受益，滿意度調查可能很高，但回到教室之後，教學方式照舊。原因不難理解——改變教學是高風險的行為，需要嘗試、失敗、調整，而一次性的培訓沒有提供這個過程需要的時間與安全感。

AI 主題又比一般的教學培訓更棘手，因為它同時包含三件不同性質的事，而多數培訓只處理了第一件。第一是工具操作——怎麼用，這是最容易教也最快過時的部分。第二是判斷——什麼任務適合用、什麼不適合、輸出怎麼檢查，這需要在自己的學科脈絡裡反覆練習才會形成。第三是評量重新設計——當作業可以被生成，這門課的評量該怎麼改，這是最困難也最需要時間的部分，而它本質上是課程設計工作，不是技術培訓。

有效的形式通常包含幾個要素。持續性是第一個：分散在整個學期的多次接觸，而不是集中在開學前的一天。第二是學科具體性——數學教師與國文教師面對的問題完全不同，通用的培訓對兩者都不夠用。第三是同儕結構：由學科團隊一起嘗試、一起檢討，比個別教師單打獨鬥的持續率高得多。第四是實作與回饋的循環——教師在自己的課堂試一次，帶著結果回來討論，再調整。

還有一個最常被忽略的條件：時間。如果學校要求教師重新設計評量方式，卻沒有相應減少其他負擔，改變就只會停留在少數有餘力的人身上。專業發展的最大瓶頸通常不是意願或能力，而是行事曆。

業界分析人士指出，教育科技導入計畫的預算配置長期偏向硬體與授權，而教師培訓多半是剩餘項目，這個比例本身就預告了多數計畫的結局。

對台灣的學校而言，這裡有一個可以直接檢查的指標：學校今年的 AI 相關研習，是幾場一次性的演講，還是有後續的共備、試教與檢討？如果是前者，那麼結束之後教室裡大概不會有什麼不同——不是因為講得不好，而是因為形式本身就決定了效果的上限。