AI 素養世代來了！大學教學與研究的華麗轉身術

Posted on by

生成式人工智慧（GenAI）鋪天蓋地席捲高等教育殿堂，嵌入資料蒐集、研究工作流、出版平臺與校園資訊環境，大學教師正面臨「再專業化」（Reprofessionalisation）的挑戰。我們擔憂學生作業是否由 AI 代寫，為了可能的虛構幻覺而必須逐筆核對參考文獻，誠信危機考驗互信，其中更關心學習歷程是否在自動化中消失。

學者 Daniel S. Harrison 提醒，面對寫作焦慮，引導學生理解「不完美也沒關係」，嘗試、修正、容錯，並且包含文化獨特性，在 AI 看似捷徑的完美中，重塑認知歷程；教師角色也從知識傳授者，轉為學習設計者、人機協作引導者與學術責任把關者。教師-學生-AI，成為三足鼎立的協作關係。

圖書館支援教師啟動轉身術，在混亂的演算法浪潮中，藉由可信與可靠的學術資源服務，為教學與研究提供有人文溫度的靈活策略。

一、AI 素養遠遠超過工具素養

AI 教學議題容易從特定工具開始：指令怎麼下？如何整理資料？能不能生成考題、講義或簡報？

根據 UNESCO 教師人工智慧素養框架，AI 素養不只是會用工具，而是理解技術、倫理與教學面向，並維持人類能動性、課責與判斷。

AI 可以協助釐清概念、潤飾文字、摘要資料與提供回饋，但不能感知脈絡、開創論點、取代原文理解、承擔來源查證或教育責任。

學術研究與報告就像煮一鍋美味的湯，AI 可以快速洗菜備料（文獻搜尋與歸納分析），但要選用哪種湯底、放入哪些食材、品質好壞、什麼時機下鍋，還有最核心的風味（理論建構與詮釋）掌握在主厨（人類研究者）大腦中。

二、從一刀切的限制轉向區分使用情境

根據 OECD 研究，教師與 AI 的互動可逐步走向協同型。

教師專業性在於搭建鷹架，讓 AI 成為共同思考、共創教材與支援學習的夥伴。教師可依課程生命週期，將AI 引入以下情境：

  1. 課前準備期：AI 協助彙整資源，減輕結構化的教材開發負擔，利用 AI 快速檢索學術資源、彙整多語系文獻摘要，並為學生量身規劃客製化的閱讀清單與預習材料，更可產生文獻探討的範例，AI 是材料助手；
  2. 課堂互動期：生成討論題或展示素材，可由AI 協同設計創新的模擬場景，例如倫理審查委員會及計畫書匿名審查，共創出契合真實學術研究情境的動態教學素材，或例如實證主義 解釋主義的辯論，AI 是打破思考慣性的催化劑；
  3. 課後評量階段：AI 負責初級回饋，例如讓 AI 針對作業中結構化的基礎問題，例如語法潤飾、格式排版、程式碼除錯、邏輯分析等，提供即時回饋；而教師主導學術研判與專業決策，把關評判與給分。

三、引導、體驗、反思中培養學生 AI 素養

AI 素養不是看完工具演示就能建立，比較有效的方式，是讓學生在具體任務中實際應用，練習倫理、脈絡理解與批判思考。

AI 使用規範可分三層：

  1. 鼓勵使用：適合於概念釐清、資料整理、腦力激盪、潤飾或摘要；
  2. 限制使用：適用於報告初稿、翻譯、程式除錯或初步分析，學生必須標示使用範圍並說明查核與修改；
  3. 不宜或禁止使用：例如核心測驗、獨立寫作、口試等需確認學生能力的評量。

教師可採引導、體驗、反思三階段，培養不會在技術浪潮中迷失主體能動性的優秀學生：

  1. 引導：先說明責任邊界與查核要求；
  2. 體驗：安排低風險任務，讓學生檢查 AI 是否遺漏限制、誤寫結論或產生錯誤引用；
  3. 反思：最後要求學生說明 AI 幫助了什麼、哪些地方不可靠，以及最終判斷如何由自己完成。

四、保留慢思考並且重視學習歷程

OECD 提醒，生成式 AI 可能提高短期任務表現，卻不一定帶來深度學習；若學生依賴直接給答案的工具，會繞過深度思考的生產性掙扎（productive struggle），引發後設認知懶惰（metacognitive laziness）與認知投降（cognitive surrender），短期表現看似優異，但實質成效與長期技能卻衰退，而有偽精通（False Mastery）的幻象。

因此，教師可以刻意延遲 AI 介入，例如：

  1. 閱讀文獻前先寫下題目理解，摘要前先標註研究問題、方法與限制，改寫前先完成自己的初稿；
  2. 在研究初期，保留手動操作（如整理文獻、篩選數據、格式引用），建立對文獻脈絡的深層記憶，以及對研究假設的掌握認知：
  3. 評量也應從只看最後作品，轉向作品與歷程並重，留下學生初步想法、檢索策略、AI 使用紀錄、修改版本、來源查核與最終反思；
  4. 作業連結課堂討論、實驗、臨床、研究室資料或個人經驗，也能降低直接複製通用答案的誘因。
  5. 以蘇格拉底式提問引導（scaffolded questioning），以多回合對話讓學生解釋推論、檢查前提，將思考的控制權保留予學生。

五、研究指導中的 AI 使用邊界

AI 不只影響課堂，也影響研究指導。

黃意植指出，AI 使用邊界會隨任務結構化程度與詮釋需求而調整。隨著 AI Agent 導入，研究者需要委派任務、設計指令與審查品質。基本原則是：AI 負責執行、整理與重複性任務；人類主導問題界定、理論詮釋、方法選擇、倫理判斷與最終品質保證。

研究指導可落實課責：

  1. 文獻、DOI、作者、期刊、年份與摘要均須 100% 逐筆回到圖書館資料庫或工具加以驗證，絕對不可用抽樣方式；
  2. 依期刊規範記錄並揭露 AI 工具名稱、版本、日期與用途；
  3. 未公開數據、敏感個資、智慧財產與審查中資料，不上傳至公開或未授權 AI 系統；
  4. 格式、潤飾、摘要與簡報草稿可由 AI 支援，但研究問題、方法、資料解讀、引用取捨與最終品質仍由研究者掌握。

六、陽明交大圖書館AI 素養支持服務

圖書館透過前沿 AI 工具、學科館員諮詢與工作坊，協助教師優化文獻探索、降低生成式 AI 幻覺並提升研究影響力。對於剛踏入學術叢林的研究生，素養奠定更強調資料隱私、偏誤辨識與幻覺查核。

  1. 於研究起步可善用 NYCU Library MCP、Web of Science Research Assistant、RHN、Research Intelligence、Primo Research Assistant、Scite 等工具，建立較通用型 AI 更可查證的研究起點。
  2. 其次，閱讀與知識管理可結合 NotebookLM、EndNote、Zotero 或個人知識庫。
  3. 期刊評估、寫作投稿、成果擴散與研究治理，則可搭配 Journal Citation Reports (JCR)、InCites、ESI、ORCID、期刊OA APC 補助、國內《個人資料保護法》、國際科研倫理遵循與 NYCU Dataverse 服務。
  4. 針對學生參考文獻，教師可掌握三個問題：文獻是否存在？書目資訊是否比對得到？內容是否支持論點？驗證來源包括：
    1. 圖書館探索系統、Crossref、Google Scholar、PubMed、Scite、Web of Science 或出版社網站。
    2. 中文參考資料查核，則可優先使用國家圖書館相關系統「臺灣博碩士論文知識加值系統」與「期刊文獻資訊網」，以及「Airiti Library 華藝線上圖書館」、「臺灣人文及社會科學引文索引資料庫」等工具。
    3. 另可搭配 「Turnitin 原創性比對系統」及「Symskan 文獻相似度檢索服務」，輔助檢視文字高度相似、改寫過近、引用不足或來源標示不清等問題。
    4. 若文獻查無明確紀錄、DOI 無法連結或內容與主張不符，可要求學生補交檢索截圖、出版社頁面、PDF 首頁、引用來源紀錄或 EndNote Library；即使文獻確實存在，也仍須回到原文確認引用是否真正支持學生的論點。

AI 能力越強，教師與研究者的監督責任越不能減少。透過圖書館資源、學科館員專業支持，以及 AI 素養系列活動、「NYCU 陽明交大圖書館—陪你做研究」部落格、專屬YouTube 頻道與課堂支援服務，教師可以更有策略地運用 AI。

本文透過圖書館資料庫與學術資源篩選文獻，並使用 NotebookLM 與 ChatGPT 協助解讀、潤稿與編輯／推廣服務組 王慧恆

七、主要參考文獻

  1. Chiu, T. K. F., & Rospigliosi, P. A. (2026). Six global frameworks for human-centred AI literacy and competency: Comparative analysis and a way forward. Interactive Learning Environments, 34(3), 1003–1005. https://doi.org/10.1080/10494820.2026.2648342
  2. Estlund, K., & Hudson Vitale, C. (2026). Strategic implications of AI futures for research libraries: Workshop report. Association of Research Libraries; Coalition for Networked Information. https://doi.org/10.29242/report.futurescape2026
  3. Harrison, D. S. (2025). ‘Not perfect is okay?’: Exploring the use of AI in the writing classroom. CEA Mid-Atlantic Review, 33, 34–47. https://bowiestate.edu/academics/colleges/college-of-arts-and-sciences/departments/language-literature-and-cultural-studies/ceamag/ceamar-journal.php
  4. Huang, Y.-C. (2026). From Labor to Collaboration: A Methodological Experiment Using AI Agents to Augment Research Perspectives in Taiwan’s Humanities and Social Sciences [Preprint]. arXiv. https://doi.org/10.48550/arxiv.2602.17221
  5. Isaeva, R., Caner, H. N., Caner, M., Giray, L., & Karadag, E. (2026). Students’ engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study. Computers and education: Artificial Intelligence, 10, Article 100606. https://doi.org/10.1016/j.caeai.2026.100606
  6. Le, T. H., Huynh, L., Dang, B., Pham, H.-H., Nguyen, N. T. V., & Nguyen, A. (2026). Development and evaluation of artificial intelligence literacy training for teacher education students. British Journal of Educational Technology. Advance online publication. https://doi.org/10.1111/bjet.70047
  7. Mei, D., Moore, K., & Sayler, B. (2026). Preparing students for AI-powered materials discovery: A workflow-aligned framework for AI literacy, equity, and scientific judgment [Preprint]. arXiv. https://arxiv.org/abs/2605.09624
  8. Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084
  9. (2026). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. https://doi.org/10.1787/062a7394-en
  10. Siau, K., & Wang, W. (2020). Artificial Intelligence (AI) ethics: Ethics of AI and ethical AI. Journal of Database Management, 31(2), 74–87. https://doi.org/10.4018/jdm.2020040105
  11. Sun, D., Ba, S., Cha, Y., Yu, J., Chiang, F.-K., Dai, H. M., & Lim, C.-P. (2026). Empowering university teachers in higher education: A generative AI-responsive competency framework. Computers and Education. Artificial Intelligence, 10, 100542. https://doi.org/10.1016/j.caeai.2026.100542
  12. Zhang, L., & Chen, S. C. (2026). Towards human-AI collaborative learning: Synergizing self-regulation and artificial-intelligence literacy. Education and Information Technologies, 31(7), 1879–1907. https://doi.org/10.1007/s10639-025-13880-3
  13. 教育部臺灣學術倫理教育資源中心（2026）。AI世代的學術寫作指南—給研究生的參考手冊。作者。https://ethics.moe.edu.tw/resource/ebook/
  14. 國家科學及技術委員會（2026，4月29日）。AI主權時代：學門建構與應用、研究應用倫理及數位透明度之配套措施〔立法院第11屆第5會期教育及文化委員會書面報告〕。立法院公報資訊網。https://lis.ly.gov.tw/lydbmeetr/uploadn/115/1150429/502.pdf
瀏覽次數： 50