別再抓 AI 作弊了，先問這份作業值不值得做：資深教育者提出「作弊脆弱度指數」

當學校把越來越多資源投入 AI 偵測工具，一位資深教育者提出了相反的建議：與其在事後抓學生，不如先問自己出的作業值不值得做。

Lisa Nielsen 自 1997 年起擔任教師與行政人員，經營得獎部落格「The Innovative Educator」並出版多本著作。她的核心論點是，AI 偵測是一場注定失敗的軍備競賽，而且它迴避了真正的問題：許多作業在 AI 出現之前就已經設計不良，只是以前學生沒有這麼方便的捷徑。她的說法是：「AI 沒有製造問題，它只是揭露了問題。」

為了讓這個判斷可操作，Nielsen 引用教育者 Michael Hernandez 開發的「作弊脆弱度指數」（Cheat Vulnerability Index）。這套指數從幾個面向評估一份作業：原創性要求、對 AI 的抵抗力、是否需要學生自己蒐集證據、與學生個人經驗的連結、是否有真實的讀者或觀眾，以及是否包含反思。

用這套指數檢視常見作業，結果一目了然。選擇題測驗、學習單、通用的論說文題目、課本章末問題，在十分制中只得 1.3 分，意思是這類作業幾乎可以完全交給 AI 完成，而且老師很難分辨。相對地，一份要求學生訪談身邊成人、談他們親身經歷的歷史關鍵時刻，再以自選形式（播客、影片、藝術作品）呈現並附上反思的作業，得分 7.8。差別不在於用不用科技，而在於作業是否需要學生做只有他們自己能做的事。

Nielsen 提出的具體建議有五項。第一，給作業一個真實的目的與真實的讀者，而不只是交給老師打分數。第二，提供多元的呈現形式讓學生選擇。第三，納入由學生自己掌控的一手資料蒐集，例如訪談、觀察、實地記錄。第四，加入有意義的反思問題，讓學生說明自己的思考過程。第五，把 AI 當作思考工具納入作業，而不是假裝它不存在。

這篇評論的價值在於它把焦點從「學生的道德」轉回「教師的設計」。業界分析人士指出，AI 偵測工具的誤判率始終存在，而且對非英語母語者與寫作風格較規律的學生特別不利；更根本的是，當教師與學生的關係變成偵查與被偵查，課堂的信任基礎就瓦解了。重新設計作業雖然比買偵測軟體費力，卻是唯一能同時解決作弊問題與提升學習品質的做法。

這與近期多項討論互相呼應：Christensen Institute 指出作弊是學生對零和制度的理性回應；馬里蘭大學的隨機試驗則發現，未經設計地開放 AI 家教反而讓成績下滑。三者指向同一個方向：問題不在 AI，而在我們要求學生做什麼。

對台灣的教師而言，「作弊脆弱度指數」是一個可以立即使用的自我檢核工具。拿出下週要出的作業，問六個問題：需要原創嗎？AI 能直接完成嗎？學生要自己蒐集資料嗎？跟他們的生活有關嗎？有老師以外的讀者嗎？要反思嗎？如果多數答案是否定的，那麼問題可能不在學生會不會用 AI，而在這份作業本來就不太值得做。