三分之二哈佛教授說 AI 讓課堂變差——這個數字不能當成反對 AI 的結論

哈佛大學一份調查顯示，約三分之二的受訪教授認為 AI 對自己的課堂帶來負面影響。當這樣的評價來自全球最具資源與聲望的大學之一，它不太可能被歸因於教師抗拒新科技或缺乏工具。

**這是一個需要小心解讀的數字。**

首先要區分兩件事：教授說的是「課堂變差」，而不是「學生學不到東西」。這兩者高度相關，但不完全相同。課堂變差可能來自很多具體現象：作業無法判斷是誰寫的、討論時學生的意見趨於雷同、學生不再願意交出粗糙但真實的初稿。這些變化都會讓教學經驗變糟，而教師是最早察覺的人。

**其次，「負面影響」多半不是指 AI 本身的品質，而是指評量與信任的崩解。**

大學課程的許多環節，都建立在一個隱含的假設上：交上來的作品反映學生的思考。當這個假設不再可靠，教師手上的所有工具——作業、報告、期末論文——同時失去診斷功能。教師不知道誰真的懂了，也就無法決定下一步該教什麼。這種「看不見學生」的狀態，本身就足以讓一門課的品質下降。

**第三，這份調查也揭露了教育機構內部的斷層。** 過去兩年，大學行政層普遍把 AI 定位為必須擁抱的趨勢，投入採購、訓練與宣示。而教室裡的教師看到的是每天要處理的實際後果。當管理層與教學現場對同一件事的評價相反，通常代表推動過程中缺少了教師的參與。

**不過，把這個數字當成「所以應該禁止 AI」的證據，會是一個錯誤的推論。**

原因很簡單：教授評價的是「現在這個狀態」，而現在這個狀態是「工具已普及、教學設計還沒跟上」的過渡期。在這種落差下，負面評價幾乎是必然的。真正的問題不是 AI 是好是壞，而是課程設計需要多久才能追上。

**那什麼樣的調整可能改變這個數字？** 據悉，較常被討論的方向包括：把評量重心從最終成品移到過程與口頭答辯、設計必須結合個人經驗或在地資料的作業、以及明確區分哪些作業允許 AI、哪些不允許並說明理由。這些調整共同的特徵是：不依賴偵測工具，而是改變作業本身的性質。

業界分析人士指出，教師對新科技的負面評價在導入初期普遍偏高，但後續變化高度取決於機構是否提供教學設計支援，而非僅提供工具授權。

**對台灣的大學而言，這份調查最值得參考的不是結論，而是提問方式。** 我們的高教機構多半已經在談 AI 政策與工具採購，但很少系統性地問教師：你這門課因為 AI 變得更難教了嗎？難在哪裡？

三分之二的教授說課堂變差，這不是要求禁止的請願書，而是一份需求清單。它指出的是：教師手上缺少能在 AI 時代仍然有效的評量工具，而這件事不會自己解決。