準備海外升學的學生,可能同時遇到電腦評分的英語測驗、老師允許的AI練習,以及禁止代寫的申請文件。這些情境都與人工智慧有關,卻不能套用同一個答案。近期國際評量討論提醒:系統給分一致,不等於已經證明公平;工具能生成流暢文字,也不等於學生已具備溝通、推理與負責任使用資訊的能力。

The PIE於11月12日報導Pearson高等教育招生峰會的討論,與會者把問題放在測驗究竟要測什麼,以及誰對結果負責。這是論壇中不同專家的觀點,不是新發布的全面效能實驗。對學生與家長最實用的訊息,是先區分評分工具、學習輔助與生成作業的用途,再查看各自的規範和證據。

一致性只是評量品質的一部分

報導轉述Pearson評量研究主管Sarah Hughes的看法:使用AI的理由應是讓測驗更有品質,而不是因為技術可以做到。針對流暢度或發音等項目,系統可協助一致處理;但何種能力值得評估、結果是否有意義,以及出了問題如何負責,仍需要人作判斷。這也不能推導成所有AI工具具有相同可靠度。

UCL的Mary Richardson與貝德福德大學的Sathena Chan也參與相關討論。依The PIE報導,前者把焦點拉回評量目的與適合的工具,後者提醒語言正確度、流暢度與真正溝通效果並不相同。這些觀點共同指出,若只挑容易量化的特徵,就可能忽略測驗原本想了解的能力;報導並未宣稱機器或人類在所有情境都較優。

原始研究談的是課堂學習,不能當成所有考試的認證

作為背景,Pearson今年發布的Assessment Evolved研究,使用美國與英國一千名教育工作者的調查,以及專家見解,討論生成式AI時代的形成性評量。形成性評量著重在學習過程提供回饋,與決定升學資格的高風險測驗用途不同。這份報告可幫助理解課堂困境,不能直接拿來證明某個英語測驗的分數已完全沒有偏差。

報告強調,單靠偵測工具抓出AI生成內容,不足以取代良好的評量設計。若學生只是把答案交出去,教師仍難以知道他是否理解;若任務要求比較、修正與說明工具輸出的理由,就可能看見更多思考過程。不過,這是研究提出的設計方向,成效仍受課程、學生程度與實施方式影響,不能寫成已保證提高所有人的學習成果。

Pearson提交英國國會教育委員會的書面證據,也把透明、資料隱私、公平與教師主導權列為自身使用AI的原則。文件可以確認公司如何表述責任與產品方向,卻不能當成第三方已完成認證。讀者應注意來源角色:服務提供者的研究和主張值得閱讀,也需要與其他研究者及實際使用環境一起評估。

加拿大會議把討論延伸到信任與文化

這項議題也不只出現在單一公司活動。AQA的Lucy Howarth於11月5日整理參加多倫多國際教育評量協會年會的觀察,提到評量文化回應性、分數透明、學生與教師的聲音,以及資料安全等相互連結的問題。她把創新視為評量問題,而非單純技術導入;這是一位與會者的反思,不代表所有參與機構已採行共同政策。

對台灣學生而言,準備英文測驗時仍應依官方題型與評分要求練習,不把聊天機器人的稱讚當成正式成績。使用AI練習後,可以要求自己口頭解釋、重新組織論點,並核對事實來源;這些做法的目的在檢查自己理解多少。申請文件則須另查學校規則,不能因課堂允許某種輔助,就認定招生單位允許相同用法。

編輯分析:選擇帶有AI功能的學習或評量服務,可以具體詢問它測量什麼、證據來自哪些學生、如何處理不同語言背景,以及是否有人工申覆管道。這比只問有沒有AI更能辨別服務。現有材料支持的是要求透明與責任的方向;要宣稱某工具對台灣學生較公平,仍須有適用族群、比較方法及錯誤情形的實證資料。

資料與報導方法

本文閱讀Pearson原始研究與國會書面證據,以The PIE的獨立論壇報導交叉檢視觀點,並納入AQA對另一場國際會議的第一手反思。未親訪與會者,沒有把調查或意見寫成因果證明。圖片為UCL圖書館實景,與論壇場地及AI實驗無關。

Photo credits