引言｜AI不是先問可不可以用，而是先問課程究竟要測什麼

生成式AI最深刻的教育衝擊，不是學生突然獲得一個可以作弊的新工具，而是傳統作業與評量的制度假設開始失效；過去教師看到一份文字流暢、架構完整、資料豐富的報告，通常可以合理推測學生至少投入了閱讀、整理、寫作與修正，如今同一份成果可能在極短時間內由AI生成，成品與能力之間不再具有穩定的對應關係。當作業的外觀仍然完整，學習過程卻可能已經被抽空，教育治理真正面對的便不是工具是否出現，而是評量制度是否還有能力辨識學生真正擁有的知識、技能、推理與判斷。

教師若只用「全面禁止」回應這場變化，看似維持了秩序，實際上可能只是把AI使用推向更難看見的地下空間；學生不會因此停止接觸AI，教師卻可能失去引導其辨識錯誤、揭露使用、查核來源與承擔責任的教育機會。相反地，若教師毫無界線地接受所有AI協助，任由學生把資料搜尋、問題設定、論證形成、文字表達與結論判斷全部委託模型，課程便可能只剩作品繳交，而失去能力形成與人格養成的核心功能。

問題背景與現況分析｜現行法律沒有要求全面封禁，但要求教師維護學習真實性

現行《教師法》明確保障教師在教學及學生輔導事項上的專業自主，同時要求教師積極維護學生受教權益、依課程實施適性教學、導引學生適性發展、從事教學研究與進修，並本於良知與專業精神履行職務；這組權利義務結構顯示，教師不是單純執行行政命令的教室管理者，而是必須依課程目的作成專業判斷的教育責任主體。法律既未將某一項科技工具預先列為所有課程的禁用品，也未允許教師只要援引專業自主，便可以不說明標準、不設計程序或不檢驗評量結果是否公平。

《教育基本法》一方面要求尊重教師專業自主，另一方面保障學生的學習權、受教育權與人格發展權，並以有教無類、因材施教、科學方法及開發個人潛能作為教育實施的基本方向；因此，AI使用規則不能只從教師方便管理的角度設計，也必須回到學生是否獲得清楚指引、平等學習機會、合理評量與有效救濟。教師的專業自主不是單向控制學生的權力，而是一種與受教權相互制衡的專業責任，當規則愈可能影響成績、學術誠信認定與學生人格評價，事前明確性、判斷一致性與事後說明義務便愈重要。

教育部針對中小學AI教育爭議已公開澄清，生成式AI應遵循適齡適性原則，並未全面禁止十三歲以下學生學習與使用生成式AI，而是要求其在教師指導下使用為教育目的設計的應用工具；教育部並指出，教師可依領域、科目與主題需要，搭配學習策略與工具，規劃、執行、評估及調整學習計畫，並兼顧學生的資安風險。這項政策訊號很清楚，國家教育方向不是把AI永久隔離於校園之外，而是要求教師把AI納入可控制、可說明、符合年齡與教育目的的學習制度。

二〇二五年十二月經立法院三讀通過的《人工智慧基本法》，進一步把人類自主、隱私保護與資料治理、透明與可解釋、公平與不歧視及問責列為AI治理原則，並要求政府持續推動各級學校的人工智慧與倫理教育、厚植數位素養；這代表教育現場若只教學生如何使用工具，卻不教如何查核、拒絕、揭露與承擔，仍然沒有完成AI教育的法治使命。AI素養不是熟練輸入提示詞，而是知道何時可以委託、何時必須停止、哪些資料不能交付，以及模型產出為何不能取代人的最終責任。

評量效度的崩解｜成品看起來更好，不代表學生真的學得更多

AI進入教室後，教師面對的第一個治理問題，是評量工具是否仍然具有測量效度；所謂評量效度，不是成績分布是否漂亮，也不是學生交出的報告是否完整，而是這項評量能否真正測到課程宣稱要培養的能力。若課程目標是基礎寫作、外語表達、數學運算、程式邏輯、個人觀察或獨立推理，學生卻可以把核心生成過程全部交給AI，教師最後評到的便不是學生能力，而是模型能力、提示技巧與付費工具差異。

傳統家庭作業與課外報告之所以受到衝擊，是因為它們往往只要求最終成品，卻沒有留下足以驗證學習過程的制度軌跡；學生交出一份報告，教師只能從文字風格、引用方式與內容深度推測是否本人完成，當AI可以模擬不同程度的文字、刻意加入錯誤甚至配合學生過往語氣時，單靠成品外觀進行真偽判斷便愈來愈脆弱。教師若仍以舊有作業設計要求學生生產一份AI可以立即生成的格式化文字，再把所有責任推給學生，便忽略了評量制度本身也有重新設計的義務。

評量的治理責任，在於建立成果與能力之間可以被驗證的連結；一份研究報告可以允許AI協助搜尋關鍵字、整理初步架構或檢查語句，但教師仍應要求學生提交問題形成紀錄、原始資料、引用來源、修改說明與反思報告，並在課堂中以口頭答辯確認其是否理解。當學生無法解釋自己使用的概念、無法回應反例、無法修正錯誤，教師便有更充分的教育依據判斷其學習成果，而不是把不確定的文風猜測轉化為作弊認定。

核心爭點深度解析｜可委託的作業與不可外包的思考必須被區分

AI使用是否適當，不能以單一答案處理，而應依課程學習目標判斷；當學生正在建立基礎能力時，教師限制或禁止AI具有明確教育正當性，例如初階寫作課要求學生親自完成段落結構，語言課要求現場口語表達，數學課要求展示計算過程，法律課要求學生獨立解讀條文，醫護課程要求辨識臨床判斷節點。這些場景限制AI不是科技排斥，而是為了保留能力形成所必需的訓練阻力，正如運動訓練不能因機器可以搬重物，便取消人體肌力的鍛鍊。

當課程進入進階研究、策略整合、跨域分析、資料比對或職場實務階段，AI則可能成為合理的協作工具；此時若仍一律禁止，可能使教育內容與真實工作環境脫節，也可能讓學生失去學習如何辨識模型錯誤、管理資料風險與揭露工具使用的機會。教師更成熟的作法，是把AI列入課程設計，要求學生說明使用目的、工具名稱、使用範圍、提示內容、採納與未採納部分、來源查核方式，以及最後由本人作成的判斷。

真正不可外包的部分，不一定是每一個字都必須由學生親手打出，而是學生必須親自完成課程要驗證的認知與責任行為；若課程要培養論證能力，學生便不能把核心立場、理由結構與反方回應全部交給AI，若課程要培養研究能力，學生便不能只接受模型虛構的文獻與統計，若課程要培養專業倫理，學生更不能以「AI這樣說」作為錯誤結論的卸責理由。工具可以協助降低重複勞動，但不能代替學生形成理解、作成選擇與承擔結果。

實例說明：從「全面禁止」到「分級規範」的教師轉變

為更具體說明上述原則，讓我們考慮一個虛擬案例。國文教師王老師在發現學生使用AI繳交作文後，最初的反應是全面禁止任何AI工具，然而她很快發現學生在課後仍持續使用，且因缺乏引導，學生無法區分AI提供的資訊何時正確、何時錯誤。

王老師於是改變策略。她在新學期課程大綱中，明確將作業分為三類：第一類為「課堂限時寫作」，完全禁止使用任何生成式AI，以驗證學生的基礎寫作能力；第二類為「資料蒐集與整理」，允許學生使用AI搜尋資料，但必須附上原始連結與AI對話紀錄，並在課堂上口頭說明如何篩選與判斷資訊；第三類為「專題研究報告」，允許學生在論文架構、文獻回顧與數據分析中使用AI輔助，但最終的結論與反思必須由學生親自撰寫，並在課堂上接受同學與教師的提問。

經過一學期的實踐，王老師發現，學生的AI使用不再是隱晦的作弊行為，而是可以被討論與指導的學習過程；更重要的是，她能夠更清楚地辨識哪些學生真正理解了課程內容，哪些學生只是依賴工具完成表面作業。這個案例顯示，當教師從「禁止工具」轉向「設計邊界」，評量的效度不僅沒有降低，反而因為過程的透明化而獲得提升。

這套區分也應避免過度簡化成「有使用就是作弊，沒有使用就是誠實」，因為學生可能在教師允許的範圍內使用AI進行腦力激盪、翻譯、語句校正或程式除錯，也可能在完全沒有AI的情況下抄襲同學、購買代寫或未註明引用。學術誠信判斷的重點始終是學生是否違反課程規則、隱匿實質協助、冒充非本人完成的成果，或讓教師對其能力與作者身分產生重大誤認，而不是把一項工具本身直接等同於不誠實。

教師的規則設計責任｜禁止、限制、允許與整合必須事前分級

每一項評量在發布時，都應同時附帶AI使用邊界，不能只在爭議發生後才由教師臨時決定什麼叫作弊；最基本的制度是把作業分成四種模式，包括完全禁止AI的能力驗證、僅允許特定輔助功能的限制使用、允許使用但必須揭露的協作模式，以及將AI運用能力本身納入評量的整合模式。四種模式沒有高低之分，關鍵在於它們是否與學習目標一致，學生是否能在開始作業以前理解自己的責任。

完全禁止AI的評量，應說明禁止的範圍與理由，例如不得使用任何生成式工具形成答案，但可使用一般字典或指定資料庫；限制使用模式則應具體說明可以進行語句校正、翻譯或關鍵字建議，卻不得生成核心論證與結論。允許揭露模式應要求保留必要紀錄，整合模式則可進一步評量學生如何設計提示、辨識錯誤、比較不同模型、修正偏誤及提出高於模型輸出的專業判斷。

規則如果只寫「不得不當使用AI」，對學生而言仍然過度抽象，因為不同教師對不當使用的理解可能完全不同；有人認為校正文法可以接受，有人認為任何文字修改都屬代寫，有人允許查詢概念卻禁止整理大綱，若沒有事前具體化，學生很難預測何種行為將受到扣分或誠信處分。規則愈模糊，教師事後判斷的裁量空間愈大，學生對公平性的質疑也愈強，最終損害的不是單一成績，而是整個課程的信任。

莊博士認為，教師可以依法令、校規與課程需求設定嚴格邊界，但嚴格不等於模糊，專業自主也不等於不必說明；一項真正成熟的禁止規則，應讓學生知道禁止的教育目的、適用作業、判斷方式、可能後果與申覆程序。當教師能清楚說明某項能力為何必須在無AI協助下驗證，學生比較容易理解限制是為了保護學習，而不是出於教師對科技的不安。

程序正當性與證據責任｜懷疑可以啟動查核，不能直接取代事實認定

教師發現學生作品與過往能力落差過大、出現虛構來源、使用異常語彙或風格高度一致時，當然可以啟動查核，但懷疑本身不等同於作弊事實；尤其當課程事前沒有明確規定AI使用方式，教師若只因文章過度流暢、排版完整或檢測工具顯示高機率，便直接扣除大量分數、公開指責或認定學術不誠信，容易產生規則明確性、證據充分性及學生陳述機會不足的問題。教育評量雖具有專業判斷性，仍不能脫離一致標準與基本程序。

合理的查核程序，應先確認課程規則、作業目的與涉嫌違反的具體行為，再請學生說明完成過程、展示草稿與來源、回答內容問題或進行補充口試；若學生能解釋論證、指出AI錯誤、還原修改過程並證明核心內容由本人形成，便不應因形式特徵直接推定違規。若學生無法說明任何關鍵概念、引用來源不存在、紀錄顯示大量生成內容未經修改，或明知課程禁止仍將完整生成成果冒充本人作品，教師才具有較完整的事實基礎進行成績或誠信處理。

程序正當性的法理基礎：《行政程序法》的啟示

此處的程序要求，並非僅是教育理念的倡議，更有其法理基礎。參照行政程序法第4條所揭示的依法行政原則，以及行政程序法第96條要求書面行政處分應記載理由的規定，可知現代法治國家的基本精神，在於任何對人民權利產生不利影響的決定，都必須基於明確的規範、充分的證據，並給予相對人陳述意見的機會；雖然教師的成績評定與學術誠信處分，未必完全等同於行政處分，但其對學生人格評價、學習機會與未來發展的深遠影響，使其在程序上理應受到更高標準的檢驗。教師在作成重大不利評價時，保留作業規則、查核資料、學生說明及判斷理由，不僅是為了保障學生權益，更是為了使自身的專業判斷能夠經得起事後檢視。

成績評定與學術誠信處分也應被區分，前者可能是作品未達學習目標，後者則涉及學生是否違反規則與誠信義務；一份由AI大量協助的作業，即使未必構成正式作弊，也可能因無法證明學生具備課程能力而無法取得高分。教師應清楚說明扣分究竟是因為內容錯誤、能力未證明、未履行揭露義務，還是構成禁止的代寫行為，不能把不同性質的判斷混成一句「你用了AI」。

《教育基本法》要求在教師專業自主權或學生學習權、受教育權受到不當或違法侵害時，提供有效且公平的救濟管道；這項規範提醒學校，AI爭議不能完全留給個別教師與學生私下衝突，校方應建立一致的申訴、複核與輔導制度。當同一學校不同課程標準差異極大、處理程序完全依個人決定，制度便會把新科技風險轉化成新的教育不平等。

不同教育階段的治理差異｜中小學重在能力形成，大學重在自主與責任

中小學教育的AI治理，必須把兒少最佳利益、基礎能力形成、年齡適切性與數位安全放在前面，教師對工具選擇與使用情境具有更高的引導責任；低年齡學生尚未具備充分辨識資訊真偽、理解資料利用條款與管理依賴風險的能力，不能把「自行負責」當作政策答案。教育部要求十三歲以下學生在教師指導下使用教育目的工具，正是把教師定位為學習設計者與安全守門人，而不是單純允許或禁止的開關管理者。

高等教育則具有更強的大學自治、學術自由與專業分科特性，不同學科對AI的合理使用範圍不可能完全一致；文學創作課可能重視聲音與原創性，資訊工程課可能要求學生使用AI輔助程式開發，法律課可能允許整理爭點但要求條文與判決逐一查核，商管課則可能把AI納入策略分析並要求學生對建議承擔最終判斷。大學依法享有學術自由與自治權，也負有對教學、研究、輔導與學生參與進行自我評鑑的責任，AI規則因此應由校級原則與課程級規範共同構成。

校級規範不宜細到替每一位教師決定所有作業能否使用AI，但應提供最低共同標準，包括揭露原則、資料保護、著作權、禁止冒充、爭議處理、紀錄要求與申訴程序；課程級規範則由教師依學習目標設定具體界線，並在課綱、作業說明與評分標準中清楚呈現。這種雙層治理可以保留教師專業自主，又避免學生在每門課程中面對完全不可預測的規則。

特殊教育學生的合理調整

此外，AI治理亦須正視特殊教育學生的需求。對於有書寫障礙、閱讀困難或語言表達障礙的學生，AI工具可能不是捷徑，而是實現教育平權的必要輔具；例如，一位患有嚴重書寫困難的學生，可能需仰賴語音轉文字技術完成作業，一位視覺障礙學生，可能需要AI輔助進行資料檢索與摘要。

在這種情況下，若學校或教師採取「全面禁止AI」的僵化政策，反而可能構成對這些學生的不合理差別待遇，甚至違反《身心障礙者權利公約》及《特殊教育法》所揭示的合理調整原則；因此，學校在制定AI使用規範時，應建立特殊需求的申請與審查機制，允許教師依學生的個別化教育計畫，彈性調整AI使用規則。真正的教育公平，不是給予所有人相同的限制，而是確保每個人都有公平的機會達成學習目標。

資料、著作權與數位不平等｜允許AI不代表可以無限制輸入

學生使用生成式AI時，可能將同學報告、訪談逐字稿、研究參與者資料、未公開教材、企業個案、實習文件與個人家庭資訊輸入外部系統；這些行為不只是學術誠信問題，也可能涉及個人資料、保密義務、營業秘密與著作利用。現行《個人資料保護法》要求個人資料的蒐集、處理與利用不得逾越特定目的必要範圍，並應尊重當事人權益，教師若要求學生使用特定AI工具，也應先理解其資料流向、帳號條件與保存風險。

著作權風險同樣不能被一句「教育用途」全部消除。學生把他人完整作品輸入AI、要求改寫後交作業，可能同時涉及來源未揭露、實質近似與不當利用；即使最終產出與原文不同，學術上仍須辨識學生是否把他人的表達、資料選擇與創作成果冒充為自己的貢獻。《著作權法》保護具創作性的表達而非抽象思想，教師在教育現場應教導學生區分合法引用、合理利用、改寫與抄襲，而不是把AI當成可以清洗來源的文字轉換器。

AI工具的取得差異也會影響評量公平。使用付費模型、具備高速設備與接受提示訓練的學生，可能比只能使用免費版本或缺乏數位資源的學生取得更完整的輸出；若教師把AI使用能力納入評量，便應確認工具可近用性、提供替代方案，並說明評分重點是學生的判斷與修正能力，而不是購買更高階服務的能力。《人工智慧基本法》將數位平權、教育培訓與降低數位落差列入治理方向，教育現場不能一面鼓勵AI融入，一面忽略工具差距正在轉化成新的學習差距。

國際比較｜全球趨勢不是回到全面封鎖，而是重新設計評量制度

聯合國教科文組織（UNESCO）的生成式AI教育與研究指引，將人本方法、資料隱私、年齡適切、教師能力及教育機構責任放在重要位置，核心並非鼓勵學校無條件採用AI，也不是主張永久封禁，而是要求教育機構在引進工具以前先建立保護學習者與維持人類主體性的制度。這種思維與台灣現行《人工智慧基本法》中的人類自主、透明、問責、數位平權及AI倫理教育方向相互呼應，顯示AI教育治理的國際共同語言正在從工具管制轉向人類能力與制度責任。

國際高等教育研究提出的AI Assessment Scale（AI評量量表），則嘗試依評量目的把AI使用分成不同程度，從完全禁止到全面整合，讓教師不必在全面封禁與完全開放之間二選一；相關試行研究顯示，當課程明確標示AI使用層級並同步重設評量，教師與學生更容易理解邊界，學術誠信也能從事後追捕轉向事前設計。這類架構的價值不在於照搬外國量表，而是提醒台灣教育現場，AI規則應與每一項學習成果逐一對應，而不是以全校單一口號處理所有學科。

台灣的制度優勢，在於《教師法》已同時承認教師專業自主與學生受教權，《大學法》也保障學術自由與自治，教育部並已採取適齡適性及教師指導的政策方向；真正欠缺的不是再寫一句抽象原則，而是把這些原則轉化成課程規則、評量格式、教師培訓與爭議程序。當制度只停留在「負責任使用AI」，現場仍會各自解讀，只有把責任寫進作業、評分與查核流程，治理才真正開始。

專家意見與策略建議｜從工具禁令走向四層評量治理

第一層治理，從學習成果重新定義開始。教師在設計課程時必須明確回答，學生完成課程後應該能獨立做到什麼，哪些能力可以在AI協助下完成，哪些能力必須在無工具或受控工具環境中驗證；若教師無法說明某份作業究竟測量何種能力，任何AI規則都只會成為形式管理。學習成果一旦清楚，禁止、限制、揭露或整合的使用模式便有判斷依據。

第二層治理，建立雙軌評量。一軌允許學生在真實世界條件下使用AI完成研究、企劃、資料整理與專業任務，評量其工具運用、來源查核、錯誤辨識與決策能力；另一軌則透過現場寫作、口頭答辯、實作操作、個案追問或階段性驗證，確認學生在沒有模型代答時仍具備核心知識與基礎能力。雙軌制度不是增加考試，而是避免單一成品承擔它已經無法承擔的能力證明功能。

第三層治理，建立學習證據鏈。學生可以被要求保留題目理解、問題定義、資料來源、提示內容、AI輸出、修改版本與最終反思，教師則應把這些歷程視為學習成果的一部分；證據鏈不是為了監控每一個按鍵，而是讓學生理解，專業世界中的可信任成果必須說得清楚資料從哪裡來、工具做了什麼、人作了哪些判斷。這種訓練比教學生如何避開AI檢測更接近真正的職場能力。

第四層治理，將爭議處理制度化。學校應制定基本AI學術誠信原則、教師課程揭露範本、學生使用聲明、查核程序與申覆機制，並定期檢討案例；教師若要作成重大不利評價，應保留作業規則、查核資料、學生說明及判斷理由，學生則應對自己提交內容的正確性、來源與揭露承擔責任。只有雙方責任都能被追溯，教育現場才不會演變成教師猜測、學生否認與工具機率互相對抗的信任消耗。

莊博士認為，教育部門與學校不應把AI治理誤認為資訊設備採購或教師個人課堂管理，而應視為課程、評量、學術誠信、資料治理與教師專業發展的整合工程；當政府已要求推動AI與倫理教育，學校便不能只提供工具帳號，還必須建立如何使用、何時禁止、如何揭露、誰來覆核與發生爭議時如何處理的治理架構。AI教育真正的基礎建設，不只是模型與平台，而是能讓教師有能力設計邊界、讓學生理解責任的制度語言。

教師真正不能外包的責任｜不是親自完成所有工作，而是守住評量的正當性

AI可以協助教師設計題目、整理教材、生成案例、提供初步回饋與分析學習資料，但教師不能把最終評量完全交給模型，因為評量不是純粹的文字比對或數值計算，而是對學生是否達成學習成果所作的專業判斷；模型可以指出錯誤、分類答案與提供建議，卻無法獨立承擔錯誤評價對學生學習機會、人格感受與未來發展造成的後果。教師若使用AI輔助評分，更應建立抽查、覆核、偏差檢查與學生說明管道。

同樣地，教師也不能把課程設計責任外包給AI，直接使用模型生成的作業題目、評分規準與教學材料，而不檢查其正確性、難度、文化偏差與是否符合學生程度；《教師法》要求教師持續研究、進修並提升教學知能，AI出現後，這項義務不只是學會操作工具，更包括理解工具限制與重新設計評量。專業自主的價值，不在於教師可以不受任何檢驗，而在於教師有能力根據教育目的作成可說明、可辯護、對學生有益的判斷。

學生真正不能外包的責任，則是對自己提交成果的理解、真實性、來源與最終判斷負責；即使課程允許使用AI，學生也不能提交自己完全無法解釋的內容、引用不存在的文獻、隱匿大量生成協助，或把模型錯誤推回教師與平台。教育治理不是只要求教師負責，也不是只要求學生誠實，而是建立一套讓每個人都知道自己在哪個節點必須親自判斷、揭露與承擔的責任鏈。

結語｜教育的終點不是禁止工具，而是保住人的能力

AI進入教室後，教師沒有一項普遍、絕對且不分課程目的的法律義務，要求所有學生在所有作業中完全不得使用AI；教師卻有更深、更難被取代的專業責任，必須明確劃定使用邊界、重新設計評量、維護學生受教權與評量公平，並確保成績反映的是學生已經形成的能力。禁止在某些課程中可以是必要制度，但禁止本身不是治理終點，只有當教師能說明為何禁止、禁止哪一部分、如何驗證與如何處理爭議，禁令才具有教育正當性。

當課程要測量基礎寫作、現場判斷、個人表達與獨立推理時，教師應保留無AI或受限制的能力驗證；當課程要培養研究整合、策略分析、資料查核與未來職場能力時，教師則應把AI轉化為受規範的學習工具，要求學生留下使用紀錄、辨識模型錯誤、說明修改理由並接受答辯。兩種作法看似不同，實際上都在守護同一件事，也就是學習成果不能與學生本人脫離。

莊鈞翔博士《內在法遵》所強調的責任不可轉移，在教育現場具有最直接的制度意義；AI可以生成文字、整理資訊與提供建議，但不能成為教師逃避評量設計的理由，也不能成為學生逃避能力形成的出口。教育真正應保護的不是某種傳統作業形式，而是人在科技協助之下仍然保有理解、懷疑、選擇、創造與承擔的能力。

單純禁止，是工具管理；能夠區分可委託的作業與不可外包的思考，並以程序證明學生確實擁有被評量的能力，才是教育治理。當教師守住評量責任，AI便可能成為學習的槓桿；當教師放棄這項責任，再嚴厲的禁令也只能暫時遮住制度已經失去效度的事實。