PISA首測數位學習力！駕馭AI關鍵能力：「自我調節學習」是什麼？

嚮往成為輕小說裡的英雄，她不想讓類似特質的孩子學得痛苦、感到孤單，以親身經驗為底，她瞄準特教生下課後沒有教師提供密切協助的痛點，開發AI學習輔助工具「READii讀意」，希望讓更多特教生在專用型AI輔助下學得更好。

「非常快樂，」問及生成式AI是否幫助她變得快樂，她的回答斬釘截鐵。

不只王家瑋，隨生成式AI高速演進，逐漸融入人們的日常，愈來愈多人受益於此。Dcard執行長林裕欽、金馬獎最佳新演員馬士媛、被稱為天才的準大學生呂顥天皆如此，善用AI活出精采人生。

起跑》生成式AI走入生活
教育軍備競賽，台灣弱點在哪裡？

生成式AI正在重塑日常景色與教室風貌。

去年10月，經濟合作暨發展組織（OECD）公布最新的教學與學習國際調查（TALIS），統計全球55個教育體系、28萬名教師發現，約3分之1教師已在教學中使用AI。較積極的國家如阿拉伯聯合大公國與新加坡，數字甚至高達75%。

廣告

可以預期，隨著時間推移，使用AI的師生人數只會持續攀升。例如在美國，用AI輔助學習已成為政策。可汗學院與新罕布夏、亞利桑那等州簽訂全州級合約，旗下AI助教Khanmigo正式走入多個美國公立學校教室裡。

均一董事長呂冠緯提出「問、用、管、造」AI人才框架，盼作為全民提升AI應用能力的依據。（邱劍英攝）

長期鑽研數位教育趨勢、均一董事長呂冠緯提醒，這儼然是場國際間的教育軍備競賽，幾乎各國都正在努力讓國民具備會用AI的能力，甚至開發協助學生學習的教育專用機器人。

他呼應前Google台灣董事總經理簡立峰在多場演講提出的觀點，提到台灣少子化危機嚴峻，必須善用AI這個能協助解放勞動力的「虛擬人口」，才有辦法繼續維持競爭力。

英國《觀察家報》去年底公布全球AI指數，台灣基礎設施表現突出，拿下第7名成績，連帶推升總排名，由第21名進步到16名，但人才與商業生態等應用層面明顯偏弱。

廣告

警示》小心大腦外包陷阱
讀懂AI產出？可能是「學會的幻覺」

然而AI帶來的不全然是好消息，教育界不乏對生成式AI崛起的憂慮。TALIS同份報告便指出，擔心AI助長抄襲和作弊問題的老師高達7成。

憂慮並非空穴來風。根據皮尤研究中心2月的報告，54%的美國青少年曾使用AI聊天機器人協助課業，一成表示全部或大部份作業都靠AI完成。

台灣雖未調查學生用AI幫忙寫作業到什麼程度，但看整體狀況，去年9月國教院與中研院合作調查發現，近7成國三生有使用生成式AI的經驗，其中一項主要用途即是寫作業。

眼見愈來愈多學生使用AI學習，麻省理工學院媒體實驗室的研究科學家科斯米納去年6月發布知名的外包大腦研究提出警告，太過倚賴AI會讓人幾乎學不到東西。

廣告

美國知名教育政策學者龐迪西奧進一步發表文章，稱此為「學習的幻覺」（The illusion of learning）。他警告，人們閱讀AI產出的內容覺得合理順暢，多半會有自己已經學會的錯覺，但學習者沒有經過分類、比較、重述、理解掙扎這些苦工，很可能沒學到東西卻不自知。

配速》學會自我調節學習
PISA首測「過程」：關鍵不在車，在駕駛

放任兒少自由使用AI，有大腦外包的疑慮；但AI如第四次工業革命，全面禁止也不現實。究竟該如何與AI共處？

陽明交通大學教育研究所特聘教授孫之元鑽研互動學習科技，他生動比喻，「開賓士跟開一般小轎車載牛奶，哪台車牛奶比較不會灑出來？」拘謹的他難得露出笑容。答案是：關鍵不在車，在駕駛身上。

孫之元強調，技術日新月異，數位時代裡，人們不缺資訊，缺的是能夠駕馭資訊、並能自主管理學習歷程的終身學習者。

廣告

這項能力，對應的是教育專有名詞「自我調節學習」（Self-Regulated Learning，簡稱SRL），這正是國際學生能力評量計劃（PISA）2025年新推出的測驗「數位時代的學習」（Learning in the Digital World，簡稱LDW）最想倡導的核心能力。

「自我調節學習」指的是學習者能夠監控與調整自身學習進程的能力。數位學習專家、台中教育大學副校長黃國禎解釋，這能力包含學會設定目標、制定學習策略、了解何時該向外求助、反思當前階段是否已學會等一系列能力。

他以高中生學數學為例。學生今天的目標若是想掌握三角函數的觀念，卻始終學不會，做法不該是繼續讀這章節或反覆演練題目，因為這很可能是無效的方法。

懂得自我調節學習的學生，要能明白自己的問題出在哪，調整學習策略，譬如往前回溯，可能是國中、甚至國小數學，有某個更基礎的觀念沒學好。應該先從精熟這基本觀念開始，再回頭繼續學三角函數。此時就可以找AI協助釐清卡關處，刻意練習直到讀懂。

對將滿30歲的PISA來說，倡導這項能力的確是一大變革。

過去，PISA三大考科主要測試學生學習的結果，這是首次理解學生的學習過程。學生需要在機器人引導下，在電腦上建構模型、跑實驗、分析數據，解決一個他們從未見過的問題。（PISA例題解析）

拜科技所賜，過程中學生停留多久，是否嘗試亂猜答案，對自己的答案是否有信心，一切學習軌跡都會被記錄下來，以確認學生會不會學習。

「或許我們在教育史上犯下的最大錯誤之一，就是將學習與評量割裂，」PISA之父、OECD教育與技能主席史萊賀反省，過去只看成績與結果太過片面，學生的努力被簡化成一個數字，難以確認學生是否在每個環節都理解通透，掌握學習方法。

終點》回歸人本，軟實力打底
擁抱有意義的痛苦，才學得扎實

可惜知易行難。當AI能輕易產出答案，多數人樂得把油門催到底，只求作業高分，誰願意抵抗惰性好好學習？此時有賴軟實力幫忙踩剎車。

「數位時代的學習」評量中特別觀察的一項指標，即是維持動機和投入程度。學生是否有充足的動機，能夠耐著性子完成題目，並且在反覆試錯的過程中忍受挫敗，以逼近正確答案，是自我調節學習過程中，最容易被忽略的部份。

這項能力不只在教室裡顯得重要。世界經濟論壇最新發布的《未來工作報告》，彙整全球逾千家企業的意見，列出10項核心且後勢看漲的職場技能，就包含韌性、好奇心與自我覺察。

換言之，教育體系應該經過一次轉向。比起讓學生追求AI能輕易完成的成果，更應該花心力呵護他們的好奇心與學習動機，讓「人」回到教育的核心。

聯合國教科文組織旗下的研究機構，便提出「人類發展」（Human Flourishing）的倡議，強調教育的本質不該再一味追求經濟表現與成長，應該回頭關照人，讓人類能花更多實踐在親友與社群上，促進自我實現與幸福感。

學習是痛苦的，長大的王家瑋還是這麼想，只是這次不太一樣。

「上大學繳學費，是為了交作業，還是為了學到東西？」曾用AI幫忙寫作業的她後來省思，直面學習路程上的困難，擁抱有意義的痛苦，才能學得扎實。

學習不該是看著知識成為流過電腦的數據串流，應該融入腦海裡的知識庫，點點連成屬於個人的知識星座，創造屬於自己的故事。

---

數位學習力怎麼考？PISA例題解析

OECD公開釋出的「保育」情境題，用3個階段測出學生如何學習。

1.學習階段：動手建模找邏輯

學生扮演海洋保育研究員，閱讀「生物學家報告」後，把出生率、死亡率等變數方塊拖入模型區、設定數值，再按Run鍵讓電腦跑出預測，試圖建構海龜與鯊魚的生態模型。左側圖表同時顯示模型預測（實線）與真實數據（虛線）——若兩條線不吻合，學生要找出原因，例如是否漏掉了鯊魚捕食海龜這項變數。系統會提供每題解答與解析，讓學生帶著修正後的理解進入下一題。

2.應用階段：反覆試驗推理答案

情境變得更複雜，加入第三種生物與人類捕撈因素。這題沒有標準步驟，學生必須自行設計實驗流程、反覆測試，找出「珊瑚仍能存活的最高捕魚率」。卡關時可回顧學習階段的解法參考。

3.反思階段：情緒也是數據

題目做完後，學生填答當下情緒（焦慮或放鬆、困惑或清楚等）。這份自評會和系統記錄的行為數據一起分析：卡關多久才求助？收到錯誤回饋後，有沒有調整策略？最後用這些數據描繪出不同學習者樣貌——包含善用回饋持續進步的有效學習者，以及反覆嘗試且行為缺乏邏輯的困惑猜測者。

（研究整理：蕭歆諺、Claude Opus 4.6協作。資料來源：OECD PISA 2025釋出例題）

（雜誌原標題為：駕馭AI必備能力，自我調節、擁抱痛苦。責任編輯：黃韵庭）