文章專區

Take Home Message
• 108 課綱中的資訊科技課程以「運算思維」為核心，希望培養學生運用適當的科技工具，建立解決問題、合作互動、溝通表達的態度。
• 在ChatGPT 風潮之下，運算思維中「釐清問題」與「闡明目標」的能力變得重要，學生也更需要判斷AI 產出結果的可用性及資料來源的可靠性。
• 科技領域的教師也要了解運算思維中各種能力需求的比重在未來如何產生改變，並帶領學生面對這股逐漸增強的AI 浪潮。

今（2023）年5月初在臺北舉辦的2023 Generative AI 年會（AIGC 詠唱者年會）中，著名線上家教平臺AmazingTalker 受邀分享ChatGPT 對自家產業的衝擊。以行銷部門為例，團隊成員在沒有程式背景下利用ChatGPT 產生Python 程式碼（code），並串連Facebook 的Graph API，使廣告能夠自動更新，將原先需耗時兩小時的人工作業縮減至十分鐘的電腦運算，錯誤率更降為0％。

在教育部頒布的108課綱資訊科技課程要點中，規劃了演算法、程式設計、資訊科技應用等主題。隨著生成式AI（generative artificial intelligence, GAI）的崛起，某些能力⸺如「寫程式」的需求比重產生了顯著的傾斜，那麼現行的課綱中資訊科技課程強調的內容又該如何轉變或運用呢？

課綱中的主軸—運算思維

在108 課綱中，資訊科技課程以「運算思維」為核心，期望學生能透過學習電腦科學的相關知識，培養邏輯和系統化思考能力。運算思維被視為一種面對問題的有效思考模式，通過邏輯思考建立程序，讓人類的創造力和洞察力與電腦的計算能力互相結合，共同理解並解決問題。在美國電腦科學教師協會（Computer Science Teachers Association, CSTA）的課程標準中，運算思維更貫穿 K-12〔註〕的學習歷程。

〔註〕將幼稚園、小學、中學教育合在一起的統稱。

而臺灣108 課綱在針對運算思維的學習表現上，主要希望能培養學生運用適當的資訊科技工具解決問題、合作互動、溝通表達，以及建立面對資訊科技時應有的態度，課本中的呈現大多以程式設計步驟和演算法介紹為主。 在課程中常強調問題解決步驟：由人類經歷「問題拆解」、「找出規律」、「歸納與抽象化」與「設定可以重複執行的流程」的方法後寫出程式碼，再將程式碼交由電腦求解後得到最終答案，可說是任何訓練有素程式設計師的必備能力。不過，隨著ChatGPT 到來，人們解決的問題方法像是被大風吹，長出了嶄新的樣貌，更改變了原本的人機互動關係。

ChatGPT 下的人機關係

ChatGPT 的出現凸顯了人機合作的新樣態。在過去以搜尋引擎為主要工具的時代，若要撰寫歷史人物報告，學生需要自主拆解任務的結構與元素，再利用網路資源尋找對應的資訊，重新構成最終成品。不過今日若使用ChatGPT，只要輸入歷史人物的姓名與指令，例如「500 字人物簡介」，不需要內容綱要便能產出一篇結構完整的介紹。在上述例子中，運算思維的第一步「拆解問題」產生了質的改變。過去科技教育強調學生需要具有辨識問題中不同組件的能力，然而AI 具有更強大的運算力，能利用機器學習做出判斷，高效地辨識出問題中蘊含的元素。在ChatGPT 的支持下，使用者最需要關心的是如何給予AI 涵蓋完整目的與需求的指令，以確保AI 產生的內容與任務目標一致。換句話說，問題拆解已成為啟動運算思維的關鍵能力，生成式AI 的出現也讓運算思維內涵中「釐清問題」與「闡明目標」的重要性更為顯著。若從系統工程的角度審視這種轉變，生成式AI 的出現似乎使問題拆解的核心需求由「拆解系統成各獨立部件」轉為「如何建立問題拆解的規準／邊界以供AI 運算」。

此外，學生的學習任務也從原先「發展能力」的考驗移動到了「判斷能力」的考驗。基於更進階的AI訓練方式，AI 的生成結果包含了隨機性，不再侷限於原始的訓練資料集。因此在與電腦合作時，學生花最多精力的步驟也將不再只是安排演算法或撰寫程式，而是針對AI 的產出進行結果判斷，例如驗證結果的可用性、判斷資料來源的可靠性等。而這一項關鍵將成為科技領域教師未來的挑戰。……【更多內容請閱讀科學月刊第643期】