重點

隨著人工智慧重塑各行各業，最近的一項研究敦促大學更新教學、評量與職涯準備。與其主要專注於偵測 AI 生成作品，學校應優先考量 批判性 AI 素養——理解 AI 如何運作、其侷限與倫理影響。該論文建議培養人類優勢，如判斷力、溝通與適應力，因為這些能力仍難以被自動化。同時指出偏見、錯誤、不均等取得以及大型科技公司權力集中等風險，並建議將 AI 觀點整合進現有課程，而不是把每門課都變成 AI 課程。

情緒分析

• 文章整體基調是謹慎而緊迫：既強調 AI 帶來的機會，也強調大學需要回應的迫切性。該情緒為
  60%
  表示一種混合且關切的立場，督促採取行動但不煽動恐慌。本文在提出建設性建議——例如教授 AI 素養與以人為本的技能——的同時，也警示如偏見、過度依賴與不均等取得等潛在危害。它強調實際上的適應，而非僅以偵測與抄襲為主的懲罰性措施，建議課程轉變以準備學生面對真實職場變化。

文章內容

隨著人工智慧逐漸整合到各個部門，大學面臨重新思考如何教育並為學生就業做準備的日益壓力。最近發表於 Front in Education 的一篇論文主張，高等教育需要超越僅關注識別 AI 生成作品與維護學術誠信的做法。相反地，學校應該讓學生具備與 AI 系統協作、評估及在專業環境中超越 AI 的知識與技能。

作者指出，AI 與自動化目前已應用於長期為發展與公共政策核心的領域，包括公共行政、福利定向、農業、金融、健康、教育、身分系統、人道救援與勞動管理。由於這些技術正在重塑核心專業環境，其影響超越單一技術模組：它們改變了各學科如何定義知識、教學法與專業角色。

研究主張，不應將生成式 AI 僅視為一個誠信問題，而應教授所謂的「批判性 AI 素養」。這包括理解 AI 模型的運作方式與其失誤所在、負責任地解讀輸出、在複雜情境中做出判斷、預見倫理後果、有效溝通發現以及適應不斷演進的工具。 強調這些人類能力對於讓畢業生面對自動化未來至關重要，論文指出，因為這些能力仍然難以被 AI 可靠地複製。

報告也指出伴隨快速採用 AI 的若干風險。系統可能產生錯誤、擴大偏見、促使對自動輸出的過度依賴，並透過不均等的取得加深不平等。此外，AI 的開發與部署常集中於少數大型科技公司，這引發對於關鍵工具與數據影響力與控制的擔憂。這些問題意味著大學在教授技術理解的同時，也有責任培養對權力、公平與問責的批判性觀點。

在實務上，該研究並不建議把每門課都變成 AI 課程。相反地，它建議重新檢視現有模組，考量 AI 如何重塑其所涵蓋的主題——這是一種在範圍上具有新增性但在效果上具變革性的做法。例如，公共政策課程可納入自動化福利定向的案例研究，而社會科學課程則可討論演算法偏見與倫理審查。目標是將具 AI 覺知的觀點整合進學科學習，使畢業生能在受 AI 影響的情境中應用領域知識。

這項建議與政府、產業與慈善界擴大 AI 培訓的更廣泛努力一致。倡議從政府主導的計畫與學徒制入口網站到私部門資助的創意與專業技能提升方案不等。一些法學院與其他專業課程已開始要求以理解系統與驗證輸出為重點的入門 AI 課程。這些舉措說明教育機構與政策制定者正試圖縮短技術變遷與勞動力準備之間的差距。

總之，該研究敦促大學優先培養能與自動化互補而非僅與之競爭的技能。批判性思維、倫理判斷、微妙的溝通能力與應對複雜社會問題的能力，被呈現為在 AI 影響的勞動市場中持久的優勢。透過在課程中整合 AI 素養與以人為本的技能，高等教育能更好地為學生準備未來職涯，讓科技扮演日益重要但非決定性的角色。

關鍵見解表