為什麼這個領域重要

Anthropic、OpenAI等實驗室正把面向教師與學生的工具免費或大幅折價發放，切入估值約6兆美元的教育市場。價格接近零，導入速度就與學校的準備程度無關地上升。

先壞掉的不是教學，而是評量。長期以來，教師透過繳交的作業推斷學生的狀態，而這個推斷建立在一個前提上：能寫出這篇文章的人就理解了這個概念。工具切斷了這條連結。作業品質在上升，教師能從中讀出的資訊反而在減少。

政策方向也不會回頭。討論已從阻擋青少年使用轉向安全地開放，而開放的決定必然帶著結果回報的義務。學生的使用情況同樣不均質：有人完全不用，有人每份作業都用。同一份作業在同一間教室裡，對不同學生已經意味著不同的東西。

所以學校現在需要的不是擅長用AI的教師，而是在工具就擺在手邊的情況下，仍能判定學生會做什麼的評量設計者。這個角色還沒有標準職稱，但面臨續約或預算審查的學校會最先開始找人。

所需技能

第一是把評量目標拆解為可觀察行為的能力。「批判性思考」這類目標，在模型介入的瞬間就無法測量。它必須落到學生當場必須做的形式上：給出兩份互相矛盾的資料，讓學生說明選了哪一份、為什麼。

第二是無輔助檢測的設計。不可能把所有作業都改成監考考試，所以要搭建一種結構：允許自由使用工具的作業之後，接一個簡短的確認環節。五分鐘口頭提問，或兩道變化題，往往就夠。關鍵不是長度，而是作業與檢測是否瞄準同一個概念。

第三是讀取過程證據的方法。編輯紀錄、對話紀錄、草稿之間的差異，這些材料本來就存在。用來抓作弊會毀掉課堂，用來做學習診斷則能看見此前看不見的東西。能把這兩種用途講清楚，才能在家長與管理者面前站得住。

第四是在學校組織內部的文件化。把評分規準與AI使用規定合成一份文件，在學期開始前公布，出現爭議時依這份文件判斷。會寫這份文件的教師，就是這條專精路徑的實務者。

職業路徑

起點是自己教的一門課。一個學期內只給三份作業加上無輔助檢測，記錄結果與繳交作業之間的差異。這份紀錄是進入下一步唯一需要的資產。當你把標準帶到教學研究會或年級會議上分享時，角色就變成校級的。

再往上是為整所學校或補習班設計評量政策：每種工具允許到什麼程度，哪些作業要加檢測，結果以什麼格式回報。準備續約會議資料的人就出自這裡。

走出教室的路同樣敞開。教育科技公司的學習設計與評量職位、教育主管機關或基金會的政策實務、教師研習課程開發，需要的是同一套能力。它們的共同點只有一個：不是禁止或吹捧工具，而是要找一個能把「工具既定之下如何驗證」寫成文件的人。