作業做完了，學生真的懂了嗎？

Oliver 老師 · 2026-10-21T11:00:51.164751+00:00

Ethan Mollick 最近用自己的圖表工作做例子，提到模型從早期需要反覆聊天，進展到由一個 orchestrator agent 自動拆任務、找資料、作圖和整理引用。文章裡有個數字讓我很有感：2024 年模型大約處理 4 分鐘的任務，到了 2026 年 4 月，估計可以做到 17 小時。在教學現場，這會直接撞上作業評量。我讓高二學生用 AI 做 Python 小專題時，曾經收到一份畫面漂亮、報告完整的成果，結果請學生改一行程式，他連變數在哪裡都找不到。後來我試過要求附 prompt 紀錄和版本截圖，但也發現學生可以把紀錄整理得很像樣，卻不代表他真的理解每個決定。所以我現在卡在一個很實際的設計：成果檔仍然要看，因為學生需要學會把事情完成；過程紀錄也要留，才能知道他怎麼驗證 AI 的回答；再加上 3 分鐘口頭追問，例如為什麼採用這個資料來源、如果結果不一致會先查哪裡。可是口試時間有限，同儕回饋又可能變成互相說「很完整」。如果是各位在高中或大專課堂上實施，會怎麼分配作業成果、過程紀錄、口頭追問和同儕回饋的比重？你們試過哪些組合，曾經抓到學生看似完成卻其實不理解的反例嗎？