用 AI 做教材：從學習單到考卷的實作指南

教材是學生真正動手接觸的東西：明天要用的學習單、課堂練習、期末考卷。我們花無數小時做這些材料，就為了搭一座橋：從學生自己能做到的，通往學了課程之後能做到的。

核心觀念只有一個：帶著脈絡工作，教材就不是從白紙開始。這篇把這套做法整理成可以直接上手的工序。

你不是從零開始：脈絡是最大的資產

如果你已經跟 AI 一起做過課程設計（我在上一篇談過），它手上就有你的學習目標與內容的關聯、你為學生排好的教學旅程、你的教學哲學與限制。加上過去的對話、上傳的檔案與連接的工具，每一份新的學習單、活動或評量，都能站在這個更深的理解上做出來。

這代表你永遠不是從零開始，而是讓新教材順著前面的脈絡長出來。

委派：從一個具體情境開始

舉個具體例子。新聞系學生在統計課卡在「虛無假設與對立假設」，尤其變數不明顯的時候。你需要一份對症下藥的作業。

因為脈絡已經建立，AI 已經知道：這屬於第四週的學習目標、這群學生怕數學抽象、你一直用真實案例鋪陳假設檢定、上週才用社群媒體數據當過橋樑概念。

於是委派變得很自然：你的問題自覺告訴你學生為什麼混淆、要處理什麼；你的平台自覺提醒你 AI 能快速生成多樣的練習題；你定義混淆點與想要的成果，AI 生成貼合課程進度的練習情境，然後你們一起修，修到這份作業真正服務學生的學習旅程為止。

描述：把願景講成三種規格

描述時可以先喚起共同記憶，不必從頭交代：「記得我們說過新聞系學生需要先具體再抽象嗎？幫我做一份虛無假設的學習單，接著上週的社群媒體分析例子往下蓋。」然後補上三種規格：

• 產品描述，講成品長相：「排成有清楚編號的學習單，留作答空間，答案卷另起一頁。」
• 過程描述，講進行順序：「先處理他們辨認變數的主要迷思；每一題從貼近生活的情境開場；先請學生指認變數，再寫假設；難度逐步升高。」
• 表現描述，講互動方式：「情境可以有創意，但語言控制在高中閱讀程度；哪一題你覺得太複雜，標出來提醒我。」

你的教學專業，就展現在你怎麼溝通這些規格。

判別：好要說為什麼好，壞要說為什麼壞

AI 給出選項後，用教學專業篩選。它建議用熱門社群 app 當題目情境？很好：貼近學生、又接得上上週的討論。但別只說聲謝謝就走，把「為什麼行得通」講回去。另一個建議太複雜？也別只按跳過，說明為什麼不合適。每一次解釋都在把脈絡養厚，讓下一份教材更準。

描述與判別的來回還有意外紅利：過程中你可能撿到其他主題的新教法、沒想過的切角，甚至別的領域借來的比喻恰好把你的概念照亮。持續對話、持續養脈絡，每一份新教材就會加固你設計好的學習旅程，而不是各自為政的一疊活動。

這套做法適用於學習指引、實驗、評分規準、學習單、考卷；你不需要每一種都有一句祕密 prompt，只需要知道怎麼把既有的教學專業帶進協作。

盡責：三道檢核

• 建立盡責：保護敏感資料，示範負責任的 AI 使用；學術引用照你要求學生的標準對待。
• 透明盡責：把透明本身變成教學機會。寫一份盡責聲明（diligence statement）跟學生討論：AI 做了什麼、你的專業扮演了什麼角色。
• 產出盡責：交付前逐一檢查正確性、偏誤、錯誤與目標對齊。教材的影響最終由你承擔，有沒有 AI 都一樣。

評量的難題，與兩個帶走的心法

不迴避那頭房間裡的大象：AI 已經能把許多作業做到及格以上的水準，這對每個教育階段都是巨大挑戰，而且沒有簡單解。從幼兒園到研究所，每個情境要面對的障礙不同，每個機構有自己的法規、倫理與專業標準。

起點是盡責對話：先跟同事與學生把彼此的顧慮和標準攤開講清楚，再讓這些共識直接餵進作業與評量的設計。

最後兩個心法。第一，脈絡靠對話與迭代累積：從簡單開始，逐步加深；AI 的草稿太難，說明你預期學生會卡在哪，請它加鷹架；草稿很棒，也說出為什麼棒，每一輪修訂都在讓下一次的產出更好。第二，一切過你的教學之眼：這對「你的」學生行得通嗎？

符合「你的」學習目標嗎？你的專業才能把通用內容變成精準的學習經驗。重點從來不是做得快，而是做出彼此連貫、真正支撐你設計的學習旅程的教材。