一對一 AI 學習指導 · 6–12 年級 · 台北
AI for Education，從工具到駕馭。
為台北 6 至 12 年級國際學校家庭提供的一對一（1-on-1） AI 駕馭指導。協助學生把 AI 當作學術工作中的思考夥伴，而不是把思考交給它。基礎、倫理與學術誠信、批判性使用，以及整合，依今天 AI 環境下認真學生工作所要求的方式來指導。屬於 Harland 在教育與商業領域對 AI 駕馭更廣方向的一部分。
學什麼
AI 學習指導，達到認真學術工作所要求的水準。
家長帶孩子來 Harland 上 AI 學習指導，往往是希望找到一位指導老師，能協助孩子以一位認真學生應有的方式使用 AI 工具：合乎倫理、刻意、把 AI 當作思考的夥伴，而不是當作答案機器。課程涵蓋學術工作中 AI 駕馭所要求的內容。
第一，倫理與學術誠信，在老師與大學還在建立規範的環境中，特別著重於引用紀律、學校對 AI 協助的政策，以及一個實務問題：在 AI 已經進入學習現場的此刻，什麼才算誠實的工作。第二，對大型語言模型如何運作的基礎理解，以學生能用、能記住的語言，包括它的強處與失效模式。第三，針對學術用途的提示詞撰寫，著重於問題的形狀如何影響輸出的品質。第四，對 AI 輸出進行批判性評估：準確性、深度、偏見，以及工具產出的內容與一位認真學生會說的話之間的落差。第五，把 AI 工具整合到研究、寫作、寫程式與專題工作中，整合的方式是強化學生自己的思考，而不是取代它。這些是學生要在 AI 環境下做認真工作所需要的能力，因為另一條路只會讓學生交出較弱的作品、累積較弱的思考，並養成學術上走捷徑的習慣，而這種習慣越拖越難糾正。
面對 AI 工具，學生面前有兩條路。一條把 AI 當作繞過思考的捷徑，產出他在對話中無法為自己辯護的作品，並養成磨損思考、而不是鍛鍊思考的習慣。另一條把 AI 當作思考的夥伴：學生自己的投入是骨幹，AI 是強化他正在建構之物的助力。AI for Education 指導的是第二種。沒有經過指導就開始使用 AI 工具的學生，常會養成之後難以糾正的習慣：過度依賴第一版的輸出、漏掉看似合理的事實錯誤，以及對自己的思考所帶來的貢獻逐漸失去感受。AI for Education 在能及早開始的地方指導刻意練習，在習慣已經形成的地方也能調整路線。
Harland 的 AI 學習指導，依學生當下對 AI 的使用情形與學術情境設計，而不是套用一份制式的 AI 素養課表。學習路徑通常涵蓋 2 至 4 個單元，依起點與目標而定。對剛接觸 AI 工具的學生而言，學習路徑是較長的四單元結構：基礎、批判性使用、應用於學術工作，以及整合到正在進行的專題中。對已在使用 AI 工具、但欠缺批判性使用習慣的學生，學習路徑壓縮為 2 至 3 個單元，聚焦在批判性評估與整合。指導老師以學生自己的學術工作作為載體，這也是 Harland 一貫的內容導向（content-based learning）做法。學生的功課還是同樣那份功課，AI 則以思考夥伴的身分刻意加入。能力會在一份一份作業中累積。
進步會出現在家長看得到的地方。孩子能說出某一個提示詞為什麼產出了某一種輸出，以及改變提示詞會改變什麼。孩子能抓出 AI 輸出中過去會被輕易放過的錯誤。書面作品中，AI 協助以透明的方式被使用，學生自己的思考清楚地撐住整體結構。下課回家後，孩子能夠把上一份作業中怎麼使用 AI、自己讓 AI 做了什麼、不讓它做什麼，從頭到尾講給您聽。
怎麼教
從學生實際的學術工作出發，培養合乎倫理的 AI 駕馭能力。
這份能力，按照它在實務中真正累積的方式來指導：透過學生正在進行的學術工作，倫理與誠信從一開始就紮在根部，而不是作為附註補上。每一堂課都圍繞學生真正的作業、研究或專題，由指導老師處理 AI 在這些任務中怎麼被使用，而不是進行一般性的 AI 素養練習。
在指導週期的早期，課堂同時聚焦在倫理與基礎上。倫理處理在孩子所在學校情境中，什麼算誠實的 AI 使用、AI 進入流程之後引用慣例該怎麼運作、把 AI 當作輔助與用 AI 產出學生無法為其辯護的作品之間的界線在哪裡，以及一個實務問題：如何與老師談 AI 的使用，而不是把它藏起來。基礎則處理語言模型怎麼運作，包括 token 化、訓練資料起什麼作用、什麼是幻覺、為什麼會出現幻覺，以及強處與失效模式各自落在哪裡。這兩條線從第一堂課就互相提供資訊，因為理解工具如何運作的學生，更有條件把它用得誠實。
提示詞撰寫的功夫與這兩條線並進發展，著重於問題的形狀、脈絡的提供、迭代修正，以及那些具體模式：既能產出更好的學術輸出，又不會讓學生產出他無法為其負責的作品。
週期推進後，指導工作轉向批判性使用與整合。批判性使用涵蓋對 AI 輸出進行多面向的評估：以事實查核處理準確性、看輸出是否深入回應了問題、看模型預設站在哪一種觀點上、看內容的原始來源在哪裡。一對一的形式讓學生在發展中的實踐上得到持續的關注，指導老師回應的是孩子寫作與工作流程中具體出現的習慣。能力與判斷，是一起成長的。任何一邊單獨往前走，都走不遠。
在週期的後期，指導工作集中於整合到正在進行的學術工作中。對在做獨立研究的學生而言，這包括把 AI 作為文獻回顧、想法探索與草稿批評的助力，同時把學生的分析與結論保留為骨幹。對準備大學申請寫作的學生而言，這包括 AI 在哪裡可以幫上腦力激盪與結構檢視、又在哪裡無論從倫理或策略考量都不該插手。對學術工作面向較廣的學生而言，這包括在不同科目之間建立穩定的 AI 使用習慣。整合階段，讓駕馭能力從情境性變成持久性，而前面單元打底的倫理工作，是這份整合能持續誠實的依靠。
課程與學習階段
一條配合學生起點的單元式學習路徑。
AI 駕馭發展的方式，依學生起點不同而有相當差異。有些學生從國中開始就在沒有任何結構性指導的情況下使用 AI 工具，已養成需要審視的習慣。有些學生刻意遠離 AI 工具，在任何應用工作之前都需要先打基礎。有些學生在某些任務中使用 AI、其他任務中則不使用，使用模式參差到值得攤開來看。學習路徑從學生當下所在的位置出發，在對談與評量課中確認。
課程依學生的起點與目標設計，而不是套用單一固定的結構。學習路徑通常涵蓋 2 至 4 個單元。單元類型以建構單元定義：基礎（語言模型如何運作、提示詞撰寫、倫理與誠信的底線）、批判性使用（評估輸出、事實查核、知道 AI 何時反而成為阻礙）、應用（在寫作、研究與專題工作中刻意使用 AI），以及整合（在學生更廣的學術生活中持續使用 AI）。每個單元都收束在一個明確的交付成果。剛接觸 AI 工具的學生，會走完從基礎到整合的四單元結構。已在使用 AI、但欠缺批判性使用習慣的學生，壓縮為 2 至 3 個單元，聚焦於批判性使用與整合。為特定里程碑（例如大學申請）做準備的學生，依該目標校準走過這些建構單元。每完成一個單元，學習路徑會根據該單元所呈現的狀況重新檢視與調整。Harland 不是寫程式訓練營，也不是 AI 認證單位，我們不會指導學生如何規避 AI 偵測系統、向老師隱瞞 AI 使用，或產出他在對話中無法為自己辯護的作品。我們指導的是把 AI 當作思考的夥伴、學生自己的投入始終是骨幹的使用方式。我們所遵守的標準，是學生對作品掌握得夠深、能就此作品進行有見地的對話，無論這份作品的過程中是否使用了 AI。對於專門想走寫程式或技術性 AI 工作的學生，Student Coordinator 可以與您討論這份指導是否能轉移、或介紹專門的學程。
入學門檻與後續發展
AI 學習指導在孩子學年中的位置。
入學前
AI 學習指導的前提，是孩子對數位工具具備基本的熟悉度，並願意批判性地思考 AI 在自己學術工作中的角色。既有的 AI 工具使用作為背景脈絡有幫助，但不是必要條件。需要時，我們會從基礎開始指導。在 AI 駕馭指導中發展最好的學生，往往是帶著好奇心、願意審視自己習慣、而不是替自己的習慣辯護的孩子。
常見的入門狀況有四種。剛接觸 AI 工具的學生，從基礎與倫理一起開始，再進入任何應用工作。已在使用 AI 工具、但缺乏批判視角的學生，在前期單元中審視當下的習慣、把哪些有效、哪些沒有攤開來看，並在底下重新打好倫理基礎。老師對其 AI 使用提出疑慮的學生，聚焦在透過刻意、透明、學生能對外展示的實踐，重新建立學術上的信任。為特定里程碑（例如大學申請或獨立研究）做準備的學生，聚焦於應用與整合，倫理工作則對應該目標的具體規範來校準。
後續發展
AI 駕馭能力會在學術生活中複利累積。在國中就培養出刻意 AI 實踐的學生，會把它帶進更關鍵的高中階段。在高中就培養起來的學生，會把它帶進大學階段，AI 駕馭逐漸被視為理所當然的能力。有些把基礎打得深的學生會繼續走入相鄰的工作：Computer Science 適合想理解底層工具如何被建造的學生；Independent Research Projects 適合想把 AI 整合進長期專題的學生；College Application Essays 則是 AI 倫理、實踐與招生策略交會的場域。
AI 學習指導長遠的目標，是培養經得起檢驗的 AI 駕馭能力。大學在閱讀這些孩子的申請時，看見的是刻意的 AI 實踐、學術上的誠實，以及經得起檢驗的 AI 素養。當您不再擔心孩子能不能在 AI 環境下產出他能誠實為其辯護的學術工作，這一切的努力，才真正有了意義。
常見問題