全球成績跌到新低，而 AI 剛好同時進入校園——但別急著把兩件事連起來

兩件事同時發生了：全球測驗成績跌到歷史新低，而生成式 AI 在同一段時間裡大規模進入校園。當兩件引人注目的事情在時間上重合，把它們連成因果是最自然的反應，也是最省力的解釋。

**但這個推論有幾個難以跳過的問題。**

**第一是時間對不上。** 這類大型國際評量測的是 15 歲學生，而他們的閱讀與數學能力是從小學開始累積的。生成式 AI 進入一般學生生活大約是 2023 年之後的事，距離受測只有短短幾年。要讓 AI 解釋整體成績的下滑，它得在極短時間內造成累積十年才形成的能力差距。

**第二是下滑早就開始了。** 多數國家的閱讀與數學成績在 AI 出現之前就已經走弱，疫情造成的學習中斷更是明確的斷點。AI 抵達的時候，曲線早就向下。把後來出現的因素當成長期趨勢的原因，是統計上最常見的錯誤之一。

**第三是同時發生的事情太多。** 這幾年還發生了：疫情後的長期缺課率上升、教師流動與短缺、學生心理健康惡化、短影音大幅瓜分注意力、閱讀時間被螢幕擠壓。這些因素都與成績下滑有合理的關聯，而且大多在 AI 之前就存在。

**那 AI 的影響到底是什麼？** 更可能的答案是：**它不是原因，但它會讓問題更難被發現。**

當學生可以用 AI 交出一份看起來合格的作業，教師就失去了診斷能力落差的工具。一個閱讀理解有困難的學生，過去會在作業裡露出線索；現在那份作業可能完全正常。落差沒有消失，只是被遮住了。從這個角度看，AI 影響的不是學生的能力，而是教育系統對能力的觀測能力——而測驗分數之所以重要，正是因為它是少數還沒被遮住的觀測點。

**這個區別對政策的意義很大。** 如果相信 AI 是原因，合理的對策是禁止與限制；如果相信 AI 是遮蔽物，對策就完全不同——需要的是不能被代勞的評量方式、課堂內的即時檢核、以及對基礎能力的定期普測。

業界分析人士指出，大型國際評量的成績變化通常反映十年以上的累積因素，單一新技術在短期內造成整體位移的解釋，在方法上難以成立。

**對台灣而言，這個提醒同樣適用。** 當本地測驗或評比出現下滑時，「都是因為手機／都是因為 AI」是最容易被接受的說法，也最容易讓討論停在那裡。而真正該問的是：缺課率變了嗎？基礎閱讀在幾年級開始落後？教師有沒有工具早期發現？

把責任推給最新的那個東西，通常是讓問題延續下去最有效的方法。