美國教育部長力挺課堂用 AI，批評者反問：孩子是聊天機器人的白老鼠嗎

美國教育部長 McMahon 近期公開表態支持在課堂中使用 AI，認為這項技術能夠改變學習的樣貌。這番話立刻引來一個尖銳的反問：在有效性證據仍然稀薄的情況下推動全面導入，是不是把孩子當成聊天機器人的試驗對象。

這場爭論的核心其實不是「AI 該不該進校園」，而是「進入的速度應該由什麼決定」。支持加速的一方的理由並不難理解：學生早就在用，勞動市場也已經在變，學校如果落後，等於讓學生在沒有指導的情況下自行摸索，反而風險更高。這個論點成立的部分在於，禁止確實已被證明無效。

質疑的一方則把焦點放在證據。目前針對課堂 AI 的嚴謹研究數量仍然有限，而少數大規模試驗給出的結果並不一致——有的顯示學生短期表現改善，有的顯示練習效率下降，有的顯示成績提升但實際理解沒有跟上。當研究結論還在互相打架的階段，把 AI 工具鋪到全國每一間教室，等於在缺乏基準的情況下改變數千萬名學生的學習環境。

值得注意的是，雙方對「證據不足」這個事實其實沒有爭議，分歧在於怎麼處理不確定性。一種立場認為，不確定就先慢，等研究補上；另一種立場認為，等待本身也有代價，因為學生不會停下來等大人做決定。

在這兩種立場之間，實務上有第三條路：分階段導入並強制留下可比較的資料。也就是不做全面鋪開，而是先在特定年級、特定科目試行，同時預先設定要觀察什麼指標、觀察多久、什麼情況下要喊停。這樣做既不必假裝證據已經足夠，也不必假裝可以無限期等待。

真正的風險在另一個地方。當政策由高層宣示驅動、預算跟著宣示走，學校往往會為了配合而快速採購，卻沒有配套的教師培訓與成效追蹤。幾年後工具續約時，沒有人拿得出資料說明它到底有沒有用，於是決策再度回到直覺。業界分析人士指出，AI 導入最常見的失敗並不是選錯工具，而是從頭到尾沒有建立衡量方式。

對台灣的教育主管機關與學校而言，這場美國的爭論提供的參考不是選邊，而是提醒：推動的力道可以大，但衡量的機制必須先建好，否則熱度退去之後留下的只有設備。