不教資訊科的老師怎麼教 AI？跨科入門的具體路徑

「我知道該教 AI，但我教的是國文／歷史／美術，我要教什麼？」這是目前教師研習場合最常出現的提問。多數關於 AI 素養的討論都預設教學者具備技術背景，導致真正每天面對學生的多數科目教師被排除在外。教育界近期提出的跨科入門路徑，正是針對這個空白。

核心的觀念轉換在於：AI 教學的內容不是技術，而是判斷。學生需要學的並非模型架構或程式實作，而是「這個產出可信嗎」、「它漏掉了什麼」、「它為什麼會這樣回答」。這些問題的本質是批判性閱讀與論證檢核，而這恰好是文史科目長年在做的事，只是對象從文本換成了機器輸出。

以語文課為例，把 AI 生成的一段分析文字當成待批改的作業，讓學生找出其中的空泛表述、無來源斷言與邏輯跳躍，這件事幾乎不需要額外的技術知識，卻直接命中 AI 素養的核心。歷史課可以讓學生驗證 AI 提供的事件與引文是否確實存在；美術課可以討論生成影像的風格來源與創作歸屬；自然科則可以讓學生檢驗 AI 給出的解釋是否違反已知原理。

這個取向解決了三個現實限制。第一，它不需要新增課程時數，而是嵌入既有教學活動；第二，它不要求教師先變成技術專家，反而讓教師的學科專業成為最大優勢——只有真正懂這個領域的人，才能辨認出 AI 錯在哪裡；第三，它不依賴特定工具或平台，因此不會因為產品世代更替而失效。

同時，跨科分擔也回應了一個結構問題。若 AI 素養只被歸給資訊課，學生每週接觸的時數極其有限，且容易被理解為「一門課的內容」而非日常判斷習慣。當各科都以自己的方式處理，學生接收到的訊息會一致得多：面對機器產出保持懷疑，是通用能力，不是某堂課的知識點。

業界分析人士指出，推行的最大阻力通常不是意願而是信心。許多教師擔心自己不夠懂 AI，沒有資格教。實際上，教師不需要知道模型如何運作，只需要在自己的專業領域裡比 AI 更會判斷——而這件事，多數教師本來就做得到。

真正需要的不是更多技術培訓，而是把「我可以用我的學科來教這件事」這個認知交到教師手上。