2023 AI 與教育：評量的崩潰與信號的重造#

案發現場#

2023 年春，全球的教室同時陷入混亂：作業與論文可以用 ChatGPT 寫——學生交出 AI 起草的文章，教師用偵測工具反制，而偵測工具不可靠（誤判率高、且對非母語者有系統性誤判——OpenAI 自己 2023 年下架了 AI 文字偵測器，因為「太不可靠」）。

教育系統的兩難：評量的地基（書面作品=學生能力的證據）塌了——但學習沒有消失。

書面作業原本是什麼（能力的證據還是學習的過程）？評量的崩潰暴露了教育的哪一層功能？信號如何重造？

偵查過程#

線索一：作業的雙重身份（教育的鑑識）。 書面作業同時是兩件事：學習的過程（寫作=思考的訓練——寫不清楚常常是因為想不清楚）與能力的信號（作業與學位=能力的外部證據）。偵查的重點：AI 打掉的是信號，不是過程——AI 可以代寫（信號失效），但不能替你思考（過程仍在）；評量的崩潰暴露了教育的信號功能被過度依賴——學校以「可驗證的產出」替代了「過程的觀察」。

線索二：信號理論（學位的經濟學）。 史賓斯（Michael Spence，1973 訊號理論，2001 諾獎）的框架：學位=能力的信號（教育未必增加能力，但可靠地標示能力——高能力者的修業成本更低，故願意取得學位）。AI 的衝擊：書面產出的信號價值崩塌——一篇流暢的論文不再標示能力（AI 寫得出）→信號的重造：課堂口試、過程性評量（草稿、版本史）、實作、口頭答辯——信號從「產出」轉為「過程與即時性」。偵查的重點：信號的價值由「不可模仿性」決定——AI 讓可模仿的產出（終稿）貶值，不可模仿的過程（現場、口頭、版本史）升值——與 2022-ChatGPT與知識工作.md 的「把關升值」同一結構。

線索三：Goodhart 定律的重演（評量的病理）。 古德哈特定律：指標成為目標後，不再是好指標——作業與論文本來是「能力的指標」，成為評量的目標後（為交作業而寫），早已與能力脫鉤；AI 只是讓脫鉤不可掩飾。偵查的重點：AI 沒有製造評量的危機，它揭穿了已存在的危機——與 1994-開羅人口會議.md 的 Goodhart 定律同構：指標的病理先於技術存在，技術只是揭幕。

線索四：制度回應的分岔（各國各校的做法）。 2023 後的回應分岔：禁止（ bans——難以執行，偵測不可靠）、整合（AI 素養納入課綱——「會用 AI」成為新能力）、評量重造（口試、過程評分、課堂寫作）；學術誠信政策的全面改寫（「AI 使用聲明」—— disclosing AI 的使用成為新的誠信規範）。偵查的重點：回應的分岔顯示教育的自我定位——把 AI 視為作弊（守舊產出）或視為工具（重造評量）；與 1980-拜杜法.md 的「產權接通迴路」對照：制度的回應決定技術的用途。

線索五：學習科學的啟示（過程的復位）。 認知科學的證據：必要難度（desirable difficulties，Bjork）——適度的掙扎促進學習；AI 代寫刪除了「掙扎」——捷徑讓產出流暢、讓學習流失；「與 AI 對學」的新方法（AI 當對手辯論、當蘇格拉底追問——把 AI 從代寫者變成練習對象）。偵查的重點：教育的核心商品是「有引導的掙扎」——AI 的正確位置不是代寫（刪掙扎），是練習的對手與即時的回饋（一對一導師的功能——布魯姆「兩個標準差」問題 1984 的 AI 解）。

結案報告#

1. 信號的崩塌與重造：書面產出的信號價值崩塌（AI 可代寫）——信號從「產出」轉為「過程與即時性」（口試、版本史、現場）——信號的價值由不可模仿性決定。
2. AI 揭穿而非製造危機：評量與能力的脫鉤（Goodhart 定律）先於 AI 存在——技術只是揭幕；「指標成為目標後不再是好指標」。
3. 教育的核心商品=有引導的掙扎：AI 代寫刪除了掙扎——正確位置是練習對手與即時回饋（布魯姆問題的 AI 解），不是代寫。
4. 偵探教訓：分析教育×AI，先分過程（學習）與信號（證明）兩層——AI 打掉信號、過程仍可重造；制度的回應（禁止/整合/重造評量）決定 AI 是作弊工具還是教學夥伴。

證據與工具#

跨領域影響矩陣：

過程 vs 信號的雙層鑑識：

信號理論（Spence）的 AI 版：

結論： 2023 年的教育案是「評量的崩潰與信號的重造」：AI 打掉的是信號（產出=能力的證據），不是過程（寫作=思考的訓練）——信號從產出轉為過程與即時性。AI 沒有製造評量危機，它揭穿了 Goodhart 定律早已造成的脫鉤；教育的核心商品是「有引導的掙扎」——AI 的正確位置是練習的對手，不是代寫者。