美國多所大學禁用 AI 偵測器，改以重新設計的評量因應生成式 AI

面對生成式 AI 的學術誠信挑戰，美國高教界正在放棄一條走了三年的路。愈來愈多大學明令禁止教師使用 AI 內容偵測工具，並轉向重新設計評量本身。

禁用的理由集中在可靠性。AI 偵測器輸出的是一個機率分數，而非確切證據；同一份文本在不同工具、不同版本間可能得到相反結論。更嚴重的是誤判分布並不平均——寫作風格較公式化的學生、非英語母語者、以及使用文法輔助工具的身心障礙學生，被誤標為 AI 生成的比例明顯偏高。當一項工具的誤差會系統性地落在特定族群身上，把它用於學術懲處程序就難以站得住腳。

此外還有程序正義的問題。學生被指控使用 AI 時，幾乎無法自證清白——你無法證明一段文字「不是」AI 寫的。多所大學的申訴案件累積後，校方發現這類爭議極度消耗行政資源，且結論往往不具說服力。

取而代之的方向，是把評量設計成 AI 不容易代勞的形式。常見的做法有幾類：一是要求歷程證據，學生需提交草稿版本、修改紀錄與決策說明，讓寫作過程本身成為評量對象；二是把評量拉回現場，以口頭答辯、課堂即席寫作或實作展示取代帶回家的報告；三是要求連結個人經驗與在地脈絡——AI 可以寫出通用的分析，但寫不出這位學生上週在實習現場看到的具體情況。

值得注意的是，這種轉向並非單純的防弊。重新設計後的評量，多數本來就更接近教育界長期主張的「真實評量」（authentic assessment）：重視歷程、要求應用、連結真實情境。換句話說，生成式 AI 意外地推動了一場評量改革，把過去因為批改成本太高而難以推行的做法變成了必要選項。

阻力同樣存在。歷程式評量與口頭答辯的批改負擔遠高於傳統書面報告，在大班制與師資吃緊的情況下難以全面推行。業界分析人士認為，這正是 AI 應該介入的環節——用自動化承接行政與初階回饋，把教師時間釋放到需要專業判斷的評量現場。

對台灣與各國高教而言，這波轉向的訊號相當明確：與其投資在偵測工具上，不如投資在評量設計與相應的教師支持。