數位科技在教育的應用：篇三

數位科技與AI在教育應用越來越廣泛，ChapGPT於2023年在台灣教育界也掀起風潮，成為熱烈討論的課題。財團法人中技社2020年出版「AI在教育領域應用」專題報告有詳盡介紹，國外相關報導和研究也是雨後春筍。PAH平台陸續翻譯研究論文重點，以滿足讀者之好奇。

優履工作室（Uni Workplace）陪伴第一線各領域教師設計與實踐數位融入課程、教學與評量，也將陸續在此PAH平台公開分享，提供有興趣的教師攜手共學。

人工智慧在教育領域的威脅、炒作和承諾

Humble, N., & Mozelius, P. (2022). The threat, hype, and promise of artificial intelligence in education. Discover Artificial Intelligence, 2(1), 22.

陳佩英、曾子容編譯（2023.07.19）

摘要

• 建立智能機器（intelligent machines）的想法已經存在了幾個世紀，而在二十一世紀出現了一波人工智慧（AI）潮流。教育中的人工智慧（AIED）是一個較新的現象，引起熱潮和期望，但也被批評為是一種威脅。

• 對於當代人工智慧研究中的過度樂觀和炒作（over-optimism and hype），有不少豐富的討論。對於AIED的過度期望（hyped expectation）及其改變當前教育的潛力，則較少有相應的文獻。人工智慧在提高效率和降低成本方面具有巨大潛力，但同時也牽涉到教育品質和教師角色的改變等。

• 本研究旨在確認人工智慧在教育領域中的潛在威脅、炒作和期望方面的看法。透過文獻回顧，蒐集了該領域的最新研究。文獻中使用的主要關鍵詞有：人工智慧、教育中的人工智慧、AI、AIED、教師觀點、教育和教師。透過SWOT分析對資料進行了主題分析。該研究確認了人工智慧在教育領域中的一系列優勢、劣勢、機會和威脅的看法。

• 研究結果表明，在未來的研究中有幾個重要的問題需要討論和解決，例如：在人工智慧的教育中，教師的角色應該為何？人工智慧如何與教學目標和信念保持一致？以及當AIED系統由盈利機構開發時，如何處理潛在的用戶數據洩漏和濫用問題？

理論背景

在這項研究中，一個重要的概念是「hype」，這是基於1995年引入的Gartner Hype Curve的炒作術語。該「hype curve」旨在支持何時投資於新興科技，包含五個階段：技術引爆點、膨脹期望的巔峰、幻想深淵、幻想深淵和生產力高原。Fenn對這些階段的描述如下：

1. 技術引爆點：透過公開展示、技術突破或產品推出等方式引起業內的興趣和重大媒體報導。

2. 膨脹期望的巔峰：在取得更多失敗而非成功的情況下，推進科技的極限，並產生不切實際的預測和過度熱情。

3. 幻想深淵：由於無法實現過度膨脹的期望，科技變得不流行，興趣減退。

4. 啟蒙斜坡：透過組織的實際努力和實驗，對科技的風險、應用和益處形成真正的理解。

5. 生產力高原：由於技術風險減少且展示了其益處，組織日益感到安心，開始進入漸進採用和被接受的階段。

這些階段用來表現特定技術的成熟度，採用情況和社會應用。它描述了一個新興科技在發展過程中的可能經歷和反應。從早期的炒作、幻滅階段後，生產力變得穩定並被廣泛接受，及市場適用性和相關性確實得到回報。

研究發現與討論

優勢

人們對於人工智慧的發展有一個信念，即人工智慧將支援使電腦輔助教學和學習更加高效。電腦系統在教學和學習中常常用於解決科學、技術、工程和數學（STEM）領域的問題。以步驟為基礎的方法可以成功支援STEM領域知識的教學與學習。人工智慧在教育中的應用案例包括電腦科學教育和電腦程式設計教育。

表2與SWOT類別相關的主題摘要

註：Humble, N., & Mozelius, P. (2022). The threat, hype, and promise of artificial intelligence in education. Discover Artificial Intelligence, 2(1), 22., Table 2.

人工智慧有許多子領域和分支，自然語言處理（NLP）是其中之一。NLP為用於產生、理解和學習人類語言的技術，並且常常應用於教育領域。雖然使用NLP於教育目的常常是不規則且複雜的，但先前的研究已經突顯了一些用途。NLP可以應用的一個例子是支持學生的社交、語言和工作技能的發展[。透過NLP演算法，軟體中的人工智慧助手可以進行語音生成和文本翻譯。NLP還可以透過記錄語音、提供回饋以及排序行動步驟來支援學生的學習和職業訓練。此外，過往研究已經建議將NLP與機器學習相結合，以幫助準備適合閱讀理解的文本。

在教育環境中使用的系統可被描述為一個相互連接的生態系統，其中一個系統的變化可以影響整個系統。因此，很重要的是，人工智慧系統於教育中應用時，需建立在支援教育生態系統的基礎上。將人工智慧應用於教育生態系統的好處在於，每個人工智慧系統都可針對特定目的，並藉助高度專業的研究以及透過與生態系統中與其他系統的連結，進行廣泛的應用。在這種生態系統中可以集結的人工智慧系統包括智慧輔導系統，它們可以被應用於個人化輔導、建議學習路徑、引發學生興趣、提供回饋並改善學習體驗。

劣勢

人工智慧技術可以應用於教育中，以智能輔導系統（ITS）的形式對學生進行適性輔導。然而，人工智慧科技在教育中的應用並沒有達到最初預期的水平，在這方面，Baker將許多ITS稱之為「愚蠢的輔導系統」，需要與人類進行合作才能加以增強。其他利用人工智能技術的系統，如智能決策支持系統（IDSS），也被類似的人工智慧炒作，但很遺憾，這些系統未能達到預期的效果。

隨著人工智慧在教育中的興起，實施於教育環境中的系統是由人創建的。開發處理數據的演算法由程式設計師創建，程式碼可能存在偏誤。此外，用於機器學習的訓練數據和模型是由人類進行校正和評估。不論是人工智慧還是教育中的人工智慧應用，因缺乏明確的道德準則，且人工智慧研究人員、產品開發者、投資者和教育科技倡導者更關注教育市場的擴張，因此有可能帶給教育負面影響。然而，教育應用人工智慧因其潛在偏見而產生的後果，可能因著市場行銷所呈現的價值中立和客觀而進一步被放大。在教育中使用人工智能系統和技術解決方案引發了一個問題：「是誰為教學和學習設定AI發展的議程？」

機會

Luckin等人認為，教師不會在未來的教育中被AI系統取代。相反的，AI具備提升高質量教育的可能性，並協助人類教師使這種教育可以廣泛普及。先前研究建議，AI系統應專注於協助具體的教學任務，這些任務對人類教師來說可能被視為耗時且令人疲憊，例如協助建構評分回饋。AI作為教師的助手，可以讓教師有更多的時間專注於支持學生發展為獨立的協同思考者，而不僅僅是擁有並傳遞相關知識。AI系統可以記錄並分析學生的學習，並向教師報告哪些學生可能需要額外的關注，這有時被稱為協作機器人（cobots）

人工智慧也可協助學生學習。人工智慧可加強學生與其他學生和教師之間的互動與連結，並提高學習效率。再者，人工智慧可依據特殊學習需求而調整學習素材，並提供這些學生及時支援。 此外，研究表明，學生角色可從學習者轉變為教師，通過編碼、教學或指導一個人工學習者來進行學習。然而，前行研究表示，應用人工智慧的個人化學習不應流於表面形式，更重要的是在客製化進程中提供深度學習的經驗。

善用人工智慧作為教師又是學生的助手，可實現大規模的個人化教育。人工智慧系統更能置學習者於中心，並根據需求和偏好定製個人化學習進程；未來研究應關注如何利用自然語言處理等人工智慧促進個人化的精準學習；AI系統可以成為有效的工具，支持具有神經發育障礙的學生解決學習困難並實現個人化適性教育。人工智慧還被預期將透過支援教師和提供高品質教育來改善教育。

威脅

教育人員可能對未來人工智慧技術的「滅絕風險」感到憂心，且可能對憂心者產生實際和心理影響。雖然人工智慧還不足以取代教師，但該技術已被證明可以取代教育中其他人員的角色，如助教和管理員。教師角色可能被改變的例子是MOOCs的標準化學習設計，包含提供低水平的多選題，且教師轉而成為課程內容與素材的開發者。以前的研究還警告，廣泛應用人工智慧技術可能會損及師生的·互動關係，並阻礙學生發展成為無需在線平台和人工教學助理即可自主學習的學習者。另一個潛在的威脅是，AI技術通過過度個性化的教育，即教育的標準化，而干擾了學生應該學習的內容。

隨著人工智慧研究人員、產品開發者、風險投資者和教育技術宣導者將更多注意力放在教育市場上，帶有偏見的人工智慧系統所製造的潛在負面後果，發生的可能性越來越大。許多學校和教師缺乏足夠知識，或並未準備好將人工智慧引入教育，這增加了人工智慧技術被濫用的風險，可能會對隱私和監控產生負面影響，個人數據可能會被洩露並影響到個體的權益。前行研究指出，須重視使用和開發人工智慧的倫理規範框架；不過，即使教育採用了倫理規範，由於人工智慧的技術更新和廣泛應用的傳播速度，仍需要對其進行持續性的討論和修訂倫理規範。

結論

綜而言之，關於AIED的論文中存在模糊性，特別是對於「智能」這一概念。那些曾被提出和討論的想法與技術，都可質疑是否包含某種程度的智能。AI概念的模糊性可能來自AIED處於興起的炒作階段，而人們對改變現有教育的潛力過於樂觀。AIED的炒作出自AI進步性的炒作而引起，但機器學習和深度學習在AIED中的應用發展仍不清楚。儘管在深度學習和NLP領域取得了快速的進步，但這些技術仍然有一些問題需要解決。如Mitchell 強調，這兩種技術都陷入了AI開發中常見的90-10現象；就是技術解決了90%，但剩下的10%往往需要比前面90%更長的時間來解決，也可導致AI系統的失敗並帶來嚴重的後果。在所有涉及的AI技術、尤其是在AI系統與人類互動的領域，達到完全開發且無驚人的副作用之前，最好等待有好結果的投資。本文作者希望強調傳統學術價值，如懷疑主義的重要性，以維持教育的目標應是培養負責任的公民和受過教育的心智。

總結來說，教育和教師實踐中的人工智能存在著威脅、炒作和承諾。要成功實施與教育目標和信念相一致的AIED系統，必須將這些系統的開發、使用和應用後果納入持續的討論和未來的研究中。最後，研究者建議，若想嘗試建立應與AGI理念相匹配的AIED生態系統，不如投資於同步專門的狹義AI系統，這些系統可以作為教師和學生的額外支持工具。然而，應在這些工具中強調「智能」的概念，以避免在AIED中產生模糊性。當然，智能是一個難以定義的複雜概念，但可以透過實用的定義，例如「達成複雜目標的能力」，可能就足夠了。

 Abstract

The idea of building intelligent machines has been around for centuries, with a new wave of promising artificial intelli- gence (AI) in the twenty-first century. Artificial Intelligence in Education (AIED) is a younger phenomenon that has created hype and promises, but also been seen as a threat by critical voices. There have been rich discussions on over-optimism and hype in contemporary AI research. Less has been written about the hyped expectations on AIED and its potential to transform current education. There is huge potential for efficiency and cost reduction, but there is also aspects of quality education and the teacher role. The aim of the study is to identify potential aspects of threat, hype and promise in artificial intelligence for education. A scoping literature review was conducted to gather relevant state-of-the art research in the field of AIED. Main keywords used in the literature search were: artificial intelligence, artificial intelligence in education, AI, AIED, teacher perspective, education, and teacher. Data were analysed with the SWOT-framework as theoretical lens for a thematic analysis. The study identifies a wide variety of strengths, weaknesses, opportunities, and threats for artificial intelligence in education. Findings suggest that there are several important questions to discuss and address in future research, such as: What should the role of the teacher be in education with AI? How does AI align with pedagogical goals and beliefs? And how to handle the potential leak and misuse of user data when AIED systems are developed by for-profit organisations?

Keywords Artificial intelligence in education · AIED · AI · Teacher perspective · SWOT analysis