沒有，沒有參加這次的研習，怎麼辦？
還好，透過ＦＢ的訊息，透過搜尋與統整，能窺見一點身為教育者的“幸福”
～專注在教育上，專注在教學上～
臉書上，一直轉分享相關的訊息，其中最多人分享的就是 陳乃誠老師的內容：
第一天： https://www.facebook.com/share/p/1CNMQhw3vM/
第二天 part1：https://www.facebook.com/share/p/1Lv3dp3Fy6/
第二天 part2：https://www.facebook.com/share/p/17wa2qWv3d/
其中最有感的是：
這幾年看過太多「AI 融入教學」的設計，開場就是「讓學生用 AI 生成……」。
但年會這六位老師的教案，AI 全部排在流程的中段、甚至後段。
一、調代課系統：流程先寫清楚，AI 才進場顏詩穎老師的第一步不是打開 AI，是把調代課的完整規則攤開——誰有空、誰同科、誰不會衝堂、鐘點費怎麼算。規則寫清楚了，才把流程用白話講給 AI 聽，讓 AI 生成程式。她的分工很乾脆：人定義規則，AI 寫工具，老師管流程。所以系統上線後全校能用——因為規則本來就是全校的規則，AI 只是把它變快。二、詩詞步道：先有集章活動，AI 是長出來的楊承穎老師的起點是學校原本就有的背詩集章。他做的第一件事是蹲下來問孩子「這首詩在說什麼」，確認了「會背但不懂」這個缺口，才開始串模型。五個任務——問詩、AI 考我、畫畫猜詩、朗讀、心情配詩——每一個都對應一種「懂」的證據。最高年級的任務更狠：不是使用系統，是修理系統。孩子發現分類錯了，自己討論、自己訓練模型驗證。三、太陽能論證：AI 被明文規定「延後介入」何莉芳老師的流程是我看過把 AI 位置寫得最清楚的：情境代入 → 遊戲兩難 → 學生寫完 CER 論證 → AI 才開始追問。頁面上白紙黑字：「AI 不會幫你寫答案，最重要的修改必須由你自己完成。」至少問三次、改三次，保留每一輪修訂痕跡。AI 是追問者，不是代筆者——這一句可以直接貼在每間教室。四、桃花源 VR：能畫的自己畫，AI 只補一段汪檍老師的流程五步：文本細讀 → 手繪草圖 → AI 轉 3D → 場景組裝 → 戴頭盔走進去。AI 只負責第三步，補的是「立體感認知落差」——學生不會素描，畫出來的 3D 像一片餅乾，AI 幫他把平面草圖立起來。前面的細讀和構圖、後面的機關設計，全是學生自己來。所以才會有「離開桃花源傳送點就消失」這種用遊戲機制寫出來的文學詮釋——那是 AI 生不出來的東西。五、翻轉聯絡簿：AI 產出的每一頁，都要過三道人工查核楊易霖老師的流程從孩子的真問題開始：Podcast 沒人聽 → 換媒介做聯絡簿 → AI 協作產出百頁內容 → 三道查核（正確性、在地性、授權標註）→ 專家校稿 → 自己去爭取印刷資源。注意那個順序：AI 產得快，但沒過查核的內容不進聯絡簿。孩子在這一步學到的，比生成那一步多得多。六、GULLA 觀課：AI 的每個判斷，都要附得出證據鍾昌宏老師的流程最短也最硬：口袋錄音 → 逐字稿 → 選觀課架構 → AI 分析。關鍵在最後一步的設計——每個判斷都要附逐字稿證據，老師可以追問「為什麼給這麼低」，AI 要引出時間戳，精確到一分四十五秒。他當場拿自己的演講測試，沒發生的事系統就標紅、不討好。AI 在這裡不是評審，是把議課從印象拉回證據的工具。攤開來對照，六個教案共用同一套設計骨架：第一步永遠是真問題——孩子的提問、組長的睡眠、會背不懂的空白眼神。不是「我想用 AI」。AI 進場前，先畫好人的邊界——能畫的自己畫、答案自己寫、規則自己定。AI 產出後，必有查核關卡——三道查核、附證據、留痕跡、可追問。流程的終點都在真實世界——聯絡簿進了家庭、模板免費公開、系統開放全國。所以我說，判斷一個 AI 教案好不好，先別看用了幾個工具——看流程圖就好：AI 排在第幾步？前面有沒有人的思考？後面有沒有人的把關？AI 排第一步的教案，教的是操作。AI 排中間的教案，教的才是思考。
鍾昌宏老師：全校只有一個自然老師壓軸這場，從一個很少人看見的孤單說起。偏鄉的自然老師，常常是全校唯一一個——生物、理化、地科全包，一學期出十八次段考考卷。想找人議課？沒有同科的人。而都市老師呢，「不是沒有同事，是缺少能一起走進學科深處的同行者。」他做了一個系統：上課時手機放口袋錄音，音檔丟上去變逐字稿，AI 依你選的觀課架構分析——哪一段學生真的在思考、哪一段只是熱鬧，每個判斷都附逐字稿裡的證據，你還可以追問它:「為什麼這項給這麼低？」AI 會告訴你證據在第幾分第幾秒。最狠的是他當場拿自己前一天的演講開刀。系統毫不留情:這場沒有學生自學、沒有組間互學。他笑著說:合理，昨天真的沒有。這套系統免費開放全國老師使用。團隊幾個人？「就我一個。」然後他放出最後一頁,接住了早上那句話。
GULLA 公開觀課專業成長歷程建構系統
- 外在穿著： 考生過度糾結於是否穿裙子、白襯衫或西裝。事實上，評審更看重端莊且展現專業教師形象的態度，而非特定服飾。
- 板書規劃： 許多考生花費大量時間練習完美的板書配置（如左上標題、中間主題、右側重點），甚至為了控制時間將手錶戴在右手。
- 數位落差： 雖然現場教學已普及大屏與平板（生生用平板），但部分縣市教徵仍僅限板書，導致考場練習與教學現場產生落差。
- 演戲式試教： 過度追求 15 分鐘內的精準時間分配（如引起動機幾分、結尾幾秒），而忽略了課堂突發狀況的處理能力與學科本質。
- 學科重點： 是否教到單元的關鍵核心。
- 目標對齊： 教學目標、學習活動與評量證據是否相互呼應。
- 教學策略： 是否能有效引導學生自學或處理迷思概念，而非僅由教師主導。
- 參考資料： 包含《教師專業素養指引》、UNESCO AI 素養框架、OECD 2025 指標、及社會情緒學習（SEL）中程計畫等。
- 雙重目標設定： 鼓勵教師同時設定「學習內容」與「學習表現」目標，讓學生不僅習得知識，也培養能力。
- 輸入基本資訊： 包含教學對象（如國中）、學科（如生物）、主題（如消化作用）、預計時長（15 分鐘）等。
- 細節規劃： 輸入先備知識、學習困難、預計評量證據與教學活動流程。
- 漸進式反思對話： AI 會模擬教徵委員進行三輪追問，例如詢問「為何如此設計活動」或「如何處理學生的迷思概念」，引導教師進行深層反思與教案修正。
- 逐字稿轉譯： 教師錄音後，可利用
gjam等工具轉為逐字稿，並貼上平台分析。- 多維度視角選擇： 系統提供多種專業視角（教徵委員、同科老師、師培教授、SEL 專家、雙語/特教督導等），讓同一堂課產生不同的回饋深度。
- 分析模式：
- 數位公開課： 使用「四學」（自學、互學、共學、導學）指標分析。
- 教徵試教： 針對幼教、國小、國中、高中等不同階段的教徵指標進行評分。
- 緩解焦慮： 透過 AI 的客觀回饋，讓考生知道哪裡做得好、哪裡需要改進，而不必盲目摸索。
- 精準修正： 例如 AI 可偵測「教師主導性過強」的問題，建議改用「紅綠燈法」或「後設認知對話」增加學生參與。
- 克服專業孤立： 偏鄉學校常面臨「一人一科」（如全校僅一位理化老師），缺乏同科專業回饋。AI 可擔任專業教練，提供具備學科本質的觀課建議。
- 行政減量： 協助自動生成公開授課的回饋紀錄與專業成長檔案，使 KPI 的達成更具實質專業價值而非流於形式。
- 平台網址： 置於
SciFliper官網（由鍾昌宏老師維護）。- API 使用限制：
- 基於免費額度（Gemini/JML），每分鐘限制約 15 筆資 資料。
- 單次分析耗時約 60 至 80 秒，建議使用者勿連續點擊「開始分析」。
- 資料安全與倫理：
- 系統會收集輸入資訊以優化 AI，但請使用者絕對不要輸入個人姓名、電話、學校名稱、學生姓名等可識別之個資（Pll）。
- AI 回饋僅供參考，使用者應保有專業判斷。
何莉芳老師：AI 不會幫你寫答案第三場是理化老師，講太陽能的科學論證課。她在台上誠實得少見:這套課九月才要正式進課堂。但設計本身太值得說——去年十二月她還不會寫程式，現在她用 AI 做出一個黑暗中的山村模擬、一個「太陽能拓荒者」遊戲：太陽能板鋪越多，發電率越高，但山上的動物就一格一格搬家。孩子要在兩難裡學會用證據說話。她借了國文課的論說文概念教 CER 論證——主張是橋面、證據是橋墩、推理是基座。AI 在哪裡？在孩子寫完之後。而且頁面上白紙黑字寫著：「AI 不會幫你寫答案，最重要的修改必須由你自己完成。」學生要至少問三次、改三次，看著自己的論證從六分爬到八分。她對成效的期待也誠實:「學生的表態不見得會改變，但至少用電的時候，會多想一點。」
主題二：教學實踐 / 何莉芳 / AI協作下的科學論證學習～以太陽能議題為情境的互動學習設計
影片說明大綱：
AI 賦能的議題探究與 CER 論證教學設計
本場研習聚焦於如何利用 AI 工具打破傳統「學生被動聽課」的框架，讓學生在環境與能源議題中化身為「主動探究與決策者」。講師詳細示範了如何透過雙階段的 AI 教學設計，引導學生進行 CER（Claim 主張、Evidence 證據、Reasoning 推理） 論證思辨。
核心理念：從聽課者到決策者的情境體驗
在議題探究教學中，要讓學生真正進入情境需要一套完整的支持系統。AI 在此處扮演了「情境引導者」與「即時教練」的角色，能提供兩大核心價值：
自發性的互動：引導學生主動表態並逐步建立論點。
決策性的思辨：強迫學生換位思考，理解多元利害關係人的立場。
第一階段：CER 基礎深化練習（量化互動機制）
針對學生在初學 CER 時往往「主張明確、理由薄弱、缺乏證據」的痛點，講師設計了一套「跨平台互動」的練習流。
1. 課堂操作流程
學生初步表態：學生於 CYS 介面選擇立場（例如：支持或反對太陽能板），並寫下直覺性的理由（如：太陽能很方便、沒有污染）。
引導證據輸入：系統引導學生提出證據，此時學生常出現「因為常常看得到，所以認為它方便」等弱證據（CRE 循環）。
系統統整與複製：小工具將學生的零散回答統整，並結合老師預設好的「引導語（Prompt）」。
英材網 AI 評估：學生複製內容後，進入教育部「英材網」的「AI 教學夥伴」（自然探究精靈或寫作精靈）貼上進行詢問。
2. 師生工具分工
教師端：使用 Gemini 或 ChatGPT 等大型語言模型來設計、精煉背後的「AI 引導語」。
學生端：透過小程式引導，直接對接「因材網」，由 AI 扮演溫和的引導者，使用國中生能理解的文字給予修正建議，不直接給答案。
💡 獨創教學亮點：1 到 10 分的「發展性評分」
講師在引導語中特別設定 AI 必須給予 1~10 的分數。此分數並非最終成績，而是做為量化的互動指標。學生在看見自己從 5.7 分進步到 7.5 分、甚至 9.5 分的修正過程中，能明確看見自己「證據力」的提升，大幅增強學習動機。
第二階段：進階角色思辨與「有條件 CER」
當學生具備基礎能力後，教學推進到能源議題的核心——換位思考與利益衝突。研習中以「山林部落建設太陽能板」為情境。
1. 多元角色融入
學生必須從多個角色中選擇其一，例如：部落長者、部落青年、觀光業者、生態環保團體。
2. 價值觀排序與條件化表態
以選擇「環保團體代表」為例：
排序在乎的價值：環境衝擊 > 文化保存。
立場抉擇：非盲目支持，而是選擇「有條件支持」或「有條件反對」。
AI 自動生成文本：系統將學生的選擇轉化為一段具備角色定位的連續文本，作為進階 CER 的起點。
3. AI 的「紅綠燈邏輯檢查」機制
當學生在特定角色立場下輸入其「主張、證據、推理」後（例如：如果不會影響環境，我就支持），此階段的 AI 工具不給評分，而是進行邏輯審視：
紅綠燈診斷：檢查整體敘述的邏輯鏈是否完整。
針對「有條件立場」的精準回饋：若學生選擇「有條件支持」，AI 會嚴格檢查學生是否漏掉了「在何種狀況下立場會改變」的說明，並給予具體建議（如：「請補上另外一個會讓你立場改變的條件」）。
研習總結：用 AI 工具完成議題反思
整個教案從基礎的 CER 練習出發，走到邏輯檢查，最終能引導學生產出完整的「行動宣言」。
講師最後強調，在課堂中引進 AI 工具就如同我們在面對綠能環境議題一樣：「我們其實都是有條件的支持，或是有條件的反對。這世界上沒有完美的選擇，從頭到尾，教育要帶給學生的，都是一場學會做出『負責任決定』的歷程。」
沒有留言:
張貼留言