收藏
二手徵求有驚喜
【第一章 人工智慧與教育行政的共生】（節錄）
蔡金田
國立暨南國際大學特聘教授
彰化縣政府教育處處長
壹、前言
人工智慧（Artificial Intelligence, AI）於1940年代首次出現，被稱為第四次工業革命。教育部在2018年因應人工智慧的誕生，推動「人工智慧技術及應用人才培育計畫」，正式導入學校課程教學等工作。Frank等人（2019）談到，人工智慧被視為前所未有的自動化浪潮，逐步在改變職業與產業之間勞動力市場的分配，重塑未來工作的可能性；Zeira（2018）指出，超過三分之一的美國學生青睞的工作，在未來十五年人工智慧發展的過程中是屬於高風險的工作；在教育方面，未來十年，人工智慧預計將使目前教師正在執行工作的40% 自動化，尤其是非教學任務，如追蹤學生進度等工作（Herold, 2019），教學任務未來可能透過人工智慧驅動課堂管理模式來重塑教師角色，這些模組工具為教師提供個人化的服務。
在當今時代，人工智慧的潛力確實令人矚目。人工智慧是指一種演算法或電腦化系統，其與人類的智力運作過程相類似，例如根據過去的經驗去發現意義、進行推理和學習的能力（Castelvecchi, 2016）。人工智慧已經逐步廣泛運用於各行各業中，透過人工智慧來精進作業流程，進而創新、導入不同的工作體驗。
人工智慧可用於教育領域，在以人為本的理念，對於例行性的工作與任務提供自動化的服務，對於重要的數據與資料庫提供有價值的分析、洞察與見解，可作為教育單位政策規劃與決策的參考依據；在學校教育中，教師和管理人員可以有效運用自動化人工智慧技術來改進課程，為學生提供更個人化的學習體驗，且有助於教職員工與行政管理及領導人員精省時間，做好時間管理，提供更多時間與學生及學校教育相關的人員互動，進而為學生帶來更好的成果，並為教師、工作人員、學校和利益相關者提供更好的支持，進而提高整體教育品質。
貳、人工智慧在教育行政上的運用
在教育上，人工智慧不僅在學術研究、行政人員時間管理，以及為學生提供服務都將產生巨大影響。承上，人工智慧應用程式可運用於行政層面（如招生、輔導諮詢、圖書館服務等），以及學術領域（如評估、回饋、創新等），為教育組織提供更為妥適的協助。
一、AI在行政組織的運用
教育機構運用AI，最常看到的就是在網站上發布招生訊息，而學生期望獲得滿意的服務，也會透過網路的服務系統為考生或其家長提供必要的協助，以及目前較常被提及的，例如：（一）智慧綠能：如元智大學建置智慧化系統檢測二氧化碳、中央大學的DR gateway 主動式需量管理抑制尖峰用電、東海大學設置綠能智慧宿舍系統；（二）智慧保健：如成功大學建構ChAMP sys校園保健服務，雲端健康促進系統；（三）智慧學習：圖書館電子書服務等。
與人類一樣，人工智慧也可以回答問題並提供資訊，例如聊天機器人，它是植基於電腦的資訊科技系統與人類互動的方式（Bait & Nugroho, 2013），透過「使用文字、語音或圖像或口頭和視覺啟發法的組合來模擬與人類使用者對話的軟體程式」（Argal et al., 2018），較常被用於許多商業和教育大學的網站（Kjersti, 1999）。
二、人工智慧與教育領導
教育領導力和人工智慧這兩個領域的歷史可以追溯到1950年代（Wang, 2017），同時隨著上述年代在人工智慧研究上的突破，如Simon（1965）大膽地預測智慧機器將能夠完成人類可以完成的任何工作。但這種早期對人工智慧的大膽預測高估了自動化，低估了人工智慧和人類在決策上獨特的互補優勢（Jarrahi, 2018）。在經歷了早期過度承諾多於兌現的時代之後，人工智慧領域於過去幾十年來，在開發決策智慧方面也取得快速進展（Russell, 2019）。
Davenport（2018）指出，人工智慧被廣泛運用於四個領域：（一）基於原理原則（即如果X，則Y）；（二）機器式學習（即統計技術）；（三）神經網路；（四）深度學習，其中前兩種作法已經被學校領導者在許多領域的決策中採用，包括教學協調與評估、課程發展、中輟學生預防，以及精進學校發展（Duke, 2019; Sara et al., 2015）。後兩種方法（即神經網路和深度學習）中，神經網路與人類大腦的心理過程非常相似，因此有了「神經網路」的稱號（Ullman, 2019）。人工智慧的神經網絡模擬數十億腦細胞（即神經元）和不同組的大腦區域（即神經元），透過開發許多互連的人工神經元來互通訊息，透過接收、處理和傳輸訊息的加權連結，處理大量的信息，神經網路識別資料中的模式，優化處理和分析未來數據，然後根據即時數據做出最適切的決策。這種使用人工智慧中稱為深度神經學習的技術方法，即稱為深度學習，深度學習允許多個處理單元和層次進行處理、學習並呈現數據（Ullman, 2019）。因此，深度學習人工智慧程式需要花費大量的時間運算能力，在人臉辨識、語音辨識等方面可以完成人類許多任務，一些學校領導者已經決定或計劃使用臉部識別軟體作為加強學校安全努力的一部分（Klein, 2019）。
人工智慧是不同技術與方法的結合語，為了產生準確的結果，人工智慧通常需要大量數據，透過數據的演算，加以分析、檢測得到相關的資訊（Wang, 2020）。然而，值得一提的是，人工智慧可以隨著時間的推移而改進，尋求建立更強大的資料模組，其演算方法亦隨之變化，人工智慧的研究人員需要更多數據、語音助理及訊息，以更加準確來完成任務。
當前，人工智慧已經被開發、運用於預測法官的開庭案件審查，AI開發人員也為AI添加了學習功能系統，使其能夠透過借鑑法官過去的決定，來模擬法官的決策（Babic et al., 2021）。在教育領導方面，要開發此類人工智慧系統，可用的數據和規則至關重要，人工智慧中的數據和規則是人工智慧在教育領導中發揮作用的重要因素，特別是在決策過程中的無形心理過程，以及之後可觀察到在組織中的教育行為，例如在儲訓校長的培訓中，人工智慧可以透過過去相關實務案例的歷史數據進行分析與預測，提供受訓人員相關決策的即時回饋，以及有效分配學校預算的參考；如果所做出的決策與與其他領導者過去的決策不一致，人工智慧可以隨著時間的推移標記出差異性，受訓校長可以反思他的決定是否要受制於預測的決定？或提供令人信服的論點來推翻對人工智慧的預測？
人工智慧在教育領導中的作用不再是技術問題，而是領導力過程。將人工智慧置於教育組織中，人類與人工智慧的共生作用決策、受決策者個人傾向的影響，例如規避風險與尋求風險、核心價值、數據和資訊的獲取，以及社交影響。人類與人工智慧決策的共生作用，是透過領導者行為來執行的在個人和團體層面的決策，進而影響組織績效（例如政府和政策、經濟、社區和利害關係人）。
三、人工智慧與教育管理
一項調查顯示，44% 的教師認為人工智慧可以幫助完成重複、耗時的任務，例如點名和影印（Bushweller, 2020）。最近的一份報告預測，人工智慧可以解放大約三分之一的教師工作時間（每週13小時）（Bryant et al., 2020），轉而用於更多人為驅動的任務，例如專注於一對一的關係，來激勵學生並與同事合作。
學校管理涉及多項任務，諸如學生註冊、課程安排、出缺席管理等。身為學校教育管理人員，必須不斷尋求提高效率和創造新學習環境的契機與策略，而人工智慧的誕生對於上述的多項任務，有著簡化與提昇效率的功能。透過人工智慧技術的運用，工作流程的精簡，能有效減少耗時的文書工作和體力勞動的負擔；人工智慧驅動的系統，利用模式識別可有效地處理相關的行政作業，除了避免業務彼此的衝突外，並能優化時間的管理，如此更有助於管理人員能夠專注於規劃和加強與學生互動；教師可以使用人工智慧產生的見解，根據學生的要求客製化教學方法；學校輔導員可以利用人工智慧洞察，來瞭解學生的行為，並更有效地解決他們的擔憂。就本質上而言，人工智慧可以讓每個人的工作變得更輕鬆、更有高效，創造一個支持性的、蓬勃發展的教育環境。
承上，人工智慧在追蹤和管理學生紀錄，透過分析瞭解隨時間變化的模式和相關性，管理人員可以從這些數據的分析結果，深入瞭解學生的出席模式、表現趨勢和行為傾向，有助於決策過程。人工智慧的運用不僅簡化了程序，還能夠進行資料的主動介入作為決策參考，藉以提高學生的整體表現；人工智慧亦有助於改善環境中的溝通，由人工智慧支援的智慧聊天機器人可以透過提供準確的答案，有效地處理來自家長、教職員工或學生的詢問，這使得管理人員能夠將注意力集中在需要人性化的事務上。
雖然人工智慧有著上述的優點，但這並不意味著人工智慧將取代人類的角色。相反地，人工智慧是一種與管理專業人員合作的工具，接管平凡的任務並提供有洞察力的數據，使我們能夠做出明智的決策，換句話說，人工智慧的角色是協助、增強和放大人類的能力，而不是取代他們。
Soong（2023）談到，將人工智慧融入學校管理，有助於提高效率和改善管理人員的決策流程，同時為學生創造有利的學習環境來徹底改變學校。Linkedin（2023）指出，人工智慧徹底改變整個教育系統（從管理任務到個人化學習體驗），在教育管理中發揮重要作用，例如：
（一）管理效率
人工智慧簡化了註冊和資源分配等管理任務，透過聊天機器人和虛擬助理可以處理日常事務的查詢，使管理人員能夠專注於更複雜的職責。
（二）數據分析與決策
人工智慧處理大量數據，為教育機構提供可行的見解，它可以幫助識別趨勢、評估學生表現，並為策略決策提供資訊，使機構能夠有效地分配資源並提高整體表現。
（三）個人化學習
人工智慧驅動的教育平台，分析學生資料以創建個人化學習路徑，根據學生的個人需求量身訂製教學、調整內容、節奏和難易度，以最大限度地提高學生的參與和學習成果。
（四）評鑑與回饋
人工智慧驅動的評鑑工具可以自動評分，並向學生提供即時回饋，經由人工智慧驅動的學習演算法可以評估書面作業、測驗和測試，提供評估的一致性和效率。
（五）適應學習
人工智慧根據學生的進步和表現來調整學習內容和材料，這種動態方法確保學生接受適當程度的挑戰，增強他們對材料的理解和記憶。
（六）早期介入
人工智慧可以透過分析學生的表現數據，儘早發現學習困難學生的現象，這使得教育工作者能夠及時介入，提供額外的支持和資源，幫助有風險的學生取得成功。
（七）學習分析
人工智慧驅動的分析工具，提供教育工作者有關學生參與度和學習模式的見解，這些資訊有助於教師做出教學與學習的決策，以改進他們的教學方法和課程內容。
（八）資源分配
人工智慧可以透過預測未來學生的入學率、人員需求和預算需求來優化資源分配，這確保了教育機構能夠有效、永續地分配資源。
（九）語言翻譯和可訪談性
人工智慧驅動的語言翻譯工具打破了語言障礙，使更多樣化的學習者、群體可以存取教育內容，提昇了包容性，並使機構能夠接觸到更廣泛的學習者。
（十）研究與發展
人工智慧可以透過分析大量資料集、識別趨勢和產生假設來協助教育研究，加速創新教學方法和教育科技的發展。
Intel（2024）在〈人工智慧在教育〉一文中提及，學校中的人工智慧可以創造一個契機，使教學和管理任務變得更加容易，有利於教育工作者和管理人員可以更專注於直接與學生、教職員工和其他利益相關者互動，並提供支援，包括：
（一）出缺席記錄
管理人員和辦公室工作人員可以使用人工智慧來幫助追蹤學生出勤情況，透過紀錄告知家長學生出缺席的時間或遲到的情況。透過自動化出缺席的考評，管理人員和辦公室工作人員可以將注意力轉移到更重要的任務上，例如全天為教師和學生或為其他連繫或訪問學校的人提供必要的幫助。
（二）作文評分
教師可以使用人工智慧系統檢查學生的作文，檢查文法、句子結構和抄襲情況；人工智慧還可以查看學生是否準確地理解他們的作業，以及他們是否正確地寫出給他們的提示；教師可以讓人工智慧系統在進行自己的審閱之前對每篇論文進行初審，而不是花費無數的時間仔細閱讀一頁又一頁的論文，從而讓他們有更多的空閒時間，與學生進行一對一的工作或其他必要的工作任務。
（三）學生和班級的理解力
教師可以根據考試方法，自動決定學生的考試成績。人工智慧系統可以幫助教師進一步確定對某些科目的整體理解，例如藉助人工智慧驅動的洞察力，教師可以根據作業和測驗的個人和集體分數，快速瞭解學生或班級對主題的理解程度，然後教師可以使用這些資訊來確定是否需要在課堂上再次討論這些主題，或根據個人知識差距以某種方式個別化學生的學習。同樣地，這些資訊可以幫助管理人員和學校同仁確定這些主題是否在課堂和其他學校中得到普遍理解，從而通知課程變化或確定需要改進的地方。
（四）即時筆記
人工智慧系統還可以透過錄製講座和使用語音轉文字技術，來幫助有視覺或聽覺障礙的學生；如果學生因為忙著做筆記而在課堂上難以集中注意力，人工智慧可以用來創建與課堂錄音同步的文字紀錄，這樣學生就可以回去聽或讀老師在課堂上所講授的內容，如此也為教師節省時間，因為他們不必向學生提供自己的課程回顧和筆記。
（五）人工智慧與組織決策
學校領導者的認知能力是有限的，這是因為人類大腦執行認知功能的代謝成本很高。認知是人類大腦中的有限資源，有限認知能力的消耗很容易讓決策者在做出下一個決策的認知能力減弱。有限的認知能力可以透過人工智慧的優越性，來補充定量、計算和分析能力。被賦予不斷成長的計算處理能力和即時數據，AI可以高效檢索和分析大量數據，並提供即時或近即時結果，協助學校領導者做出數據驅動、以證據為基礎的決策。
教育領域的大量數據系統不斷產生，為學校領導者使用AI輔助打下堅實的基礎，將數據即時轉換為可操作的資訊。數據驅動（例如考試成績、學生和員工人口統計數據以及評分和評論、員工工作績效評估）、以證據為基礎的決策，已經成為學校領導者的普遍決策方法（Wang, 2020）。除了數據外，還有教育組織的決策者可以利用許多其他類型的數據，包括文字、圖像、影片、音訊、社群媒體標籤、貼文、評論、按讚和轉發，甚至來自記錄一個人的睡眠模式和肌肉的可穿戴感測器的數據運動（Wang, 2016）。憑藉其在蒐集、處理、分析數據，以及提供即時或近乎即時的結果，人工智慧可以帶來分析效率，協助學校領導者制定數據驅動以證據本位的決策。人類（包括學校領導者和組織成員）加上人工智慧，可以比任何一個人單獨做出更好的決定。舉例來說，人類和人工智慧如何在兩所學校實現互補領導決策（組織決策）？在人類決策中，我們的感覺系統（即視覺、聽覺、觸覺、嗅覺和味覺）蒐集傳入的訊息，然後由大腦的不同系統，包括注意力系統、記憶系統、動機系統、情感系統、認知系統，處理傳入的訊息後，人類大腦採取贏者全拿的方式來產生決定，然後透過肌肉運動，進行言語和非言語溝通的行為（Wang, 2021）。在此過程中，人工智慧憑藉其效率和強大的運算能力，可以補充數據驅動，做出基於證據的決策。另一方面，人類的判斷能基於道德價值的決策，彌補人工智慧的不足。
2026專利防護中