AI導引教育決策支持系統(AI-EDSS)是否促進教育公平之探究

教育新知與國際串聯＞教育政策與領導

前言、AI於教育決策中的承諾與風險

平等（Equality）作為民主社會核心，其意涵在教育中尤其重要，平等的內在價值往往超越後天外加的工具價值，吸引人們本能地追求此一普世價值（周家瑜，2019）。歷史經驗中諸如繼承法的出現，將人們財產間的不平等，以世代繼承的模式擴大，形同跨代複製不平等（周家瑜，2019）。COVID-19疫情間更凸顯出此現象，防疫資源匱乏的弱勢相較中上階級，其承受的疫情風險更高，暴露出深層的社會不平等（周家瑜，2019）。此一不對稱的脆弱性，正以新的形式在數位時代的教育中重現。人工智慧（AI），特別是AI導引教育決策支持系統（AI-powered Educational Decision Support Systems, AI-EDSS）被視為能提升教育決策效能的革命性工具（Viberg et al., 2024）。然而，AI-EDSS究竟是消弭不平等的助力，抑或在政府維繫教育公平（Educational Equity）時，反成為推進不公平的加速器（Viberg et al., 2024）？此一辯證性問題，構成本文核心。

一、表層的挑戰：數位落差與教育AI資源分配不均

AI在教育之普及，首先遭遇到資源分配不均的結構性障礙。學生團體EdYouth在《2025年度108課綱觀察報告》指出，臺灣城鄉間因設備差異、網路穩定性差距，以及人力資源落差等，讓學生在AI素養上形成起始點之不公平，進而加劇資源與學習成效間的落差（社團法人臺灣一滴優教育協會EdYouth[EdYouth]，無日期）。甚者，《2025年度108課綱觀察報告》也觀察到，目前市面上的AI教學資源因缺乏教育單位的統整性正式教材，故受私人平臺把持，然以AI技術更迭之速，讓EdYouth對教科書編輯速度追企不上私人平臺乙事，深憂其將深化不公平（EdYouth，無日期）。

圖1 

EdYouth關心教育的格言

註：引自2025年度108課綱觀察報告，EdYouth，2025年10月13日（http://www.edyouth.org/108report/2025）。

承上，AI觸及率低的弱勢學生，非但因此無以將其文化及用語輸入大型語言模型（LLM）的資料庫中進行訓練，導致LLM中多元文化資料代表性之不足，再加上經濟條件相對優渥的學生常能獲取更前沿的AI工具，在在對教育公平產生潛在威脅（EdYouth，無日期）。為回應此關切，政府已將AI納入國家發展藍圖，並擘劃AI為新十大建設之一（國家發展委員會，2025）。同時為消弭人民對不公平加劇之擔憂，政府擬定「區域AI均衡發展」政策，促使AI突破產業間藩籬（國家發展委員會，2025）。政府這種提升AI可接近性（access）的政策雖為必要舉措，但僅觸及到AI與不公平議題之表層（國家發展委員會，2025）。

二、深層的結構：演算法偏見與AI數據的隱形歧視

據此，本節將自資料治理、模型評估，以及包容性設計，深究學者分析AI與教育公平之深層結構，並逐項提出因應對策。

首先，近期國際學者不止於前一段落採取資源分配的分析視角，乃將焦點轉至AI技術核心：AI運算數據與演算法（Viberg et al., 2024）。Viberg等人（2024）指出，AI所引發的教育不公平，根源因素有三：其一，數據源頭之偏見，誠如前一段落所言，缺少了來自AI觸及率低弱勢學生的資料輸入，用於訓練LLM的資料庫，便展現出社會既存偏見與刻板印象，若未經審慎處理，AI將學習、並放大這些早已存在語言及歷史文化中的歧視；其二，在AI建模與應用於決策的過程中，演算法的設計可能會無意間地偏好某些特定群體，或對代表性不足的群體產生預測上的偏誤；其三，AI非包容性的設計，由於AI的開發流程並非是以弱勢者為中心進行，因此會有忽略非主流弱勢特殊需求的可能性（Viberg et al., 2024）。

為此，學者發展AI倫理使用指南，並提出技術性解決方案，例如：透過導入機器學習以校正偏誤、降低AI在教育應用上的誤用率，或補充代表性不足的語料庫，以提升LLM在跨國家與跨語言應用中的公平性（Viberg et al., 2024）。

三、公平的新維度：弱勢學生的數位福祉

伴隨AI促使人類實體生活日益深度與數位虛擬世界融合，針對教育公平的論述，有必要擴展相關討論範疇。國際學者不僅關注弱勢學生的現世福祉（well-being），亦提出應針對學生在數位環境中，個人的心理、社會與情感健康狀態，在此被學者以「數位福祉（Digital Well-being）」一詞納入學術關注（Prinsloo et al., 2024; Viberg et al., 2024）。例如：可以發展量表對學生定期施測其在數位工具使用後的心理健康以了解其數位韌性、導入網路監測工具客觀記錄學生在數位平臺上的互動頻率以觀察學生的數位足跡從而評估學生的數位社會狀態、利用同儕互評學生的數位活動日誌以了解學生的情感狀態。

對於某些在現實世界中，常處於邊緣地帶，高敏感或脆弱的弱勢學生而言，數位世界有時成為其尋求認同、群體支持以及進行自我表達的重要場域。然而，倘若AI使用者運用未經降低語料庫偏誤的AI-EDSS，以其作為弱勢學生的教學輔助、教育決策，則AI中內隱的偏見，可能將對學生的數位福祉造成傷害（Prinsloo et al., 2024; Viberg et al., 2024）。

結論與政策意涵

總而言之，AI-EDSS對於教育公平性的影響，呈現出雙面刃特性。AI-EDSS既有潛力透過個人客製化的服務，以及大數據論證的支持，為擘劃弱勢學生教育政策提供前所未有的政策資源。但，若缺乏對AI技術根本性上的認知，則LLM中現階段存在的文化偏誤，反將形成一個高效快速、隱蔽性高，且極具規模化的教育不公平再生機制。

過往倚賴AI進行教育決策的模式，既已被發現其簡化教育問題、放大文化偏誤的缺失，透過本文探討，試圖提出一個修正性使用的多層次治理框架：第一，在政策層面，持續推動AI基礎設施的區域均衡發展，並建立AI使用倫理，以及問責機制；第二，在技術層面，加強對於LLM建置中的公平性檢視，發展更具文化與語言包容性的演算法；第三，在實踐層面，將弱勢學生需求納入LLM建置過程中（Prinsloo et al., 2024; Viberg et al., 2024）。避免讓弱勢學生將在偏誤AI中所受傷害帶回實體世界，一套能提供教育決策更快速、更多參考來源的AI-EDSS，會需要留心弱勢學生需求的考量，以及直接對LLM的語料補充，期許這樣的修正，能持續增進學生的數位福祉（Prinsloo et al., 2024; Viberg et al., 2024）。

圖2 

關注社會各族群公平的理想性AI-EDSS

註：作者使用Canva AI生成之圖片

參考資料

Prinsloo, P., Khalil, M., & Slade, S. (2024). Vulnerable student digital well-being in AI-powered educational decision support systems(AI-EDSS) in higher education. British Journal of Educational Technology, 55, 2075–2092. https://doi.org/10.1111/bjet.13508

Viberg, O., Kizilcec, R.F., Wise, A.F., Jivet, I., & Nixon, N. (2024). Advancing equity and inclusion in educational practices with AI-powered educational decision support systems (AI-EDSS). Br J Educ Technol, 55, 1974-1981.  https://doi.org/10.1111/bjet.13507

周家瑜（2019）。平等。聯經。 https://www.linkingbooks.com.tw/books/111041

社團法人臺灣一滴優教育協會EdYouth（無日期）。2025年度108課綱觀察報告。2025年10月13日。http://www.edyouth.org/108report/2025

國家發展委員會（2025）。【AI新十大建設―數位基磐】建構AI發展堅實後盾，推進AI全球評比。2025年10月14日。 https://www.ndc.gov.tw/nc_16183_39416

若需引用此文章內容，請使用下列APA 7格式：

林怡君（2025年11月30日）。AI導引教育決策支持系統(AI-EDSS)是否促進教育公平之探究。教育新知國際串聯。https://www.gel-net.com/post/202511-01