MIT 學者：若歷史可作參照，AI 對教育的影響會比兩派預期都小得多

關於 AI 與教育，公共討論長期在兩個極端之間擺盪：它將徹底革新學習，或它將毀掉一整代人的思考能力。而 MIT 學者 Justin Reich 提出的第三種答案是：兩者都不會，影響會比雙方預期的都小。

他的依據來自歷次教育科技浪潮的實際結果。廣播、電視、電腦、網際網路、MOOC——每一波都伴隨著「教育將被徹底改變」的預言，而數十年後回頭看，課堂的基本結構——一位教師、一群同齡學生、分科的時段、以考試為節點的評量——幾乎沒有改變。Reich 長期研究的 MOOC 尤其是個清楚的案例：它承諾把頂尖大學課程免費送給全世界，而實際完課者高度集中在已受過高等教育的族群。

他歸納的原因不是技術不夠好，而是學校體系的結構性慣性。學校同時承擔多重社會功能——教育、照顧、社會化、篩選與認證——而其中多數與技術無關。一項只改善「傳遞知識」這件事的技術，能撼動的部分因此有限。此外，教師的採用行為受限於現實條件：班級人數、課程進度、評量壓力、設備與網路，這些不會因為出現新工具而改變。

Reich 也提出一個關鍵觀察：教育科技的效果往往不是普遍提升，而是放大既有落差。能有效使用新工具的，通常是原本就具備學習能力與家庭支持的學生。這也解釋了為何許多在小規模試驗中成效顯著的方案，一旦大規模推行就效果稀釋。

這個論點的價值不在於唱衰，而在於校準期待。若 AI 的影響確實有限，那麼投入的重點就不該是「導入了多少」，而是那些不會被技術自動解決的問題——師資品質、班級規模、學生的歸屬感與出席率、評量制度的設計。這些恰恰是近期多份研究反覆指向的方向。

對台灣的教育政策而言，這個提醒相當實用：在編列 AI 預算時，值得同時問一句——如果這筆錢用在減少每班人數或增加輔導人力上，成效會不會更確定？