根西島議會教育、體育暨文化委員會近期討論人工智慧對學校的衝擊。委員Paul Montague表示，AI正在改變教育產業，尤其是考試制度；他指出，許多大專院校可能逐步取消現行課程作業型態，因此評量方式必須重新設計。
Montague同時提到，根西島今年舉辦的researchED教育會議已將AI列為熱門議題，並邀請外部專家探討教育領域面臨的挑戰。他認為，當地對AI帶來的挑戰已有相當程度的研究與理解，但政策仍須謹慎處理，不僅是學生，老師與教育工作者本身也必須學習如何負責任地使用AI。
對於部分全球優秀學校重新減少螢幕使用、恢復師生面對面討論的趨勢，Montague主張不能讓技術主導一切。他強調，人類長期演化所形成的面對面溝通與理解非語言訊號能力，具有螢幕難以取代的教育價值，真正承擔思考與學習的是學生本人，而非生成答案的工具。
這場爭議的核心，並非是否禁止學生使用AI，而是「AI究竟扮演代寫工具，還是認知訓練工具」。當生成式AI能以數秒完成摘要、翻譯、報告與程式碼時，傳統以課程作業檢驗理解程度的制度，確實可能失去區分能力；若學生把作業交給模型完成，成績便難再反映真實學習成效。
從歷史脈絡看，大專院校並非突然才遭遇評量壓力。紙筆考試、課程作業與口試各自形成於不同的教育目的：紙筆測量記憶與推演，作業測量長期投入與應用能力，口試則檢視即時組織與臨場表達。生成式AI的衝擊，在於它同時降低了前兩者的邊際成本，並使口試前的準備更容易被外部工具代勞。這迫使學校重新區分「可以合理外包的流程」與「不可外包的核心能力」，而政策分界線又會直接影響教材、命題、監督與學生支持資源的重新配置。
Montague提出的「人類互動」論述，則屬於較深層的認知科學與發展心理學辯論。他援引演化與獎勵機制，主張人與人之間的即時互動能帶來較高價值的回饋；相較之下，螢幕互動與遊戲提供的是更便宜、卻未必能累積同等深度學習的刺激。真正值得警惕的不是螢幕本身，而是注意力長期被低難度、碎片化回饋重新塑形後，深度思考所需的耐受能力可能下降。
值得留意的是，根西島的討論呈現出一種務實過渡性格：既未否定AI的學習價值，也未主張全面回歸傳統課堂，而是要求在技術導入與教育本質之間重新校準。真正困難之處，在於多數教育制度仍以「成果文件」判斷學習，而AI正快速削弱這些文件作為能力代理指標的可靠性。
AI進入教育的真正臨界點，不是模型能否回答問題，而是社會是否重新界定「證明自己理解」的制度形式。從印刷術降低文本成本，到線上課程擴大學習規模，再到生成式AI降低內容生產門檻，科技向來都會先顛覆作業形式，再迫使教育體系重建評量。目前看來，課程作業與即席口試之間的比重調整，將是未來數年最可觀察的第一道訊號。
Montague所強調的「思考就是學習」，將成為未來評量改革的哲學支點。AI可以壓縮搜尋與整理時間，卻無法替學生累積形成觀念時所經歷的推理歷程。教育產業的下一輪競爭，不在誰提供最多答案，而在誰能設計出最有效的深度思考環境。
面對AI帶來的教育結構性轉變，學校、家庭與政策制定者不能只停留在「允許或禁止」的二元選擇。評量設計必須先行，否則制度將被工具能力反過來牽著走。
01 起因觸發（AI能力快速普及，傳統課程作業與考試的驗證效能下降）
02 一階傳導（大專院校調整評量方式，增加口試、限時寫作與過程性觀察比重）
03 二階擴散（教育科技業者轉向學習歷程分析、AI揭露與原創性驗證工具）
04 三階擴散（學校、家庭與補習產業重新配置AI素養、注意力培養及誠信治理資源）
05 宏觀終局（教育制度的核心價值由「提交成果」轉向「證明推理能力」，人力與模型的分工邊界被重新訂定）
跨事件因果網路圖譜 1 驗證節點
AI 驗證因果鏈條 · 可拖曳節點 · 點兩下開啟文章
