哈佛研究員：大學退回紙筆考試防作弊，是搞錯了該問的問題

面對生成式 AI，不少大學的因應方式是把時鐘往回撥——恢復紙筆考試、監考教室、限時手寫。哈佛大學研究員 Christopher Dede 對此提出了直接的批評：這麼做等於承認我們無法回答真正的問題，於是改去解一道比較簡單的題。

他的論點建立在一個區分上：防作弊處理的是「如何確保學生在沒有 AI 的情況下完成舊有作業」，而 AI 帶來的真正挑戰是「這些舊有作業測的能力，還值得測嗎」。

以文獻回顧為例。要求學生整理某個主題的既有研究、摘要並歸納，這在過去是研究訓練的核心——因為蒐集與消化資料本身就耗費大量時間與判斷。而當 AI 能在數分鐘內完成初步整理，這項作業測到的能力，其市場價值已經改變。堅持在無 AI 條件下考它，測的是一項正在貶值的技能。

Dede 主張的替代方向，是把教學與評量重心移到 AI 不擅長、而人類仍具優勢的環節。具體包括：判斷什麼問題值得問（AI 擅長回答，不擅長決定該回答什麼）；在資訊不完整且相互矛盾時做決策；理解特定情境中的人與利害關係；以及對自己的判斷負責——這一點在制度上尤其關鍵，因為責任無法委託給模型。

這也連帶改變了對「基礎」的理解。反對意見常主張學生必須先掌握基本功才能談高階判斷，否則會變成不懂原理的操作者。Dede 的回應並非否定基礎，而是指出基礎的定義本身需要更新：在計算機普及後，數學教育的基礎從心算能力移向數感與問題建模；同樣的重新定義，現在輪到寫作、研究與程式設計。

紙筆考試也不是全無用處——在確認學生確實掌握某些必須內化的核心知識時，它仍是有效工具。問題出在把它當成整體策略而非局部工具：當一所大學的主要因應方式就是全面回到監考，它傳遞的訊息是「我們決定假裝 AI 不存在」，而畢業生走出校門時會立刻發現這個假裝並不成立。

對台灣的高教而言，這個提醒相當實際。目前多數關於 AI 的校內討論仍集中在使用規範與誠信管理，而課程內容本身該如何調整——哪些能力仍值得投入四年去培養——才是更難、也更該開始的討論。