邁向人機協作（AI Synergy）的師資培育典範

教育新知與國際串聯＞教育思潮

一、 緒論

生成式人工智慧不只是一項自動化工具，也可能成為教學實踐中的互動代理。Cukurova等人（2025）指出，AI若只是替代教師完成任務，可能降低教師的認知成長；只有在教師保有專業能動性，並與AI共同推理、修正與適應時，才可能形成協同增能。本文以教師-AI teaming五層架構為主軸，提出以人機協作為核心的師資培育課程與評量方向。

二、 從自動化到教師-AI混合系統

生成式AI已能協助教師產生教案、題目、回饋與學習分析，但完成得更快，不必然代表教師專業有所成長。Cukurova等人（2025）在梳理了國際組織對於教師AI素養的方案後，提醒我們，教師與AI的關係不能只看誰完成哪項工作，還要觀察資訊如何流動、誰作決策，以及互動是否改變雙方能力。AI融入教學依聯合國教科文組織提出的素養，可分為替代、互補與增能三種取向（UNESCO, 2024）；師資培育應協助教師辨識何時適合自動化，何時必須保留人的判斷。

三、 教師-AI teaming的五個層級

　　Cukurova等人（2025）提出五種教師-AI teaming。交易式是明確的請求與回應；情境式是AI整理課堂或學習資料，協助教師形成共享情境；操作式是教師提供目標與條件，AI依計畫分擔任務；實踐式是教師與AI交換回饋，反覆修正方案；協同式則要求AI依據理由與證據提出反例，與教師協商後共同決策，惟「共同決策」仍由教師承擔最終專業判斷與責任。五層不是固定階梯，而是可依任務複雜度、風險與學習目的選擇的互動型態。這五層關係由任務外包逐步走向共同增能，不同教學任務可採不同層級，核心在於教師保有專業能動性，AI不只執行，也能提供證據、反例與修正建議。

圖1

五層教師-AI teaming：由任務外包走向共同推理

註：修改自M. Cukurova, W. Suraworachet, Q. Zhou, & S. Bulathwela. (2025). Towards synergistic teacher-AI interactions with generative artificial intelligence. arXiv. https://doi.org/10.48550/arXiv.2511.19580, p.6

四、 AI Synergy的核心：共同適應而非單向服從

協同式互動與實踐式互動的差別，在於AI是否能參與批判性討論。實踐式互動主要依賴教師目前的專業能力：教師指出哪裡需要修改，AI再依意見產生新版本；協同式互動則進一步要求AI說明推理、揭露不確定性，並在教師的指令與證據不一致時提出溫和的反駁。教師也必須說明自己的判斷，接受AI提供的不同觀點，雙方透過持續協商形成共同理解。這種共同適應（co-adaptation）可能產生單獨依靠教師或AI都難以完成的教學方案，並把教師能力從工具操作推向混合專業能力（Cukurova, 2026）。

五、 以教師能動性重設師資培育課程

以Cukurova的理論為主軸，師資培育可設計三階段學習路徑。第一階段是理解：師培生理解AI的能力邊界、資料來源與不確定性，並能清楚設定教學目標。第二階段是深化：師培生依學科情境安排教師與AI的資訊、決策及行動分工，從交易式任務逐步發展到情境式、操作式與實踐式互動。第三階段是創造：師培生透過實踐，設計要求AI提出反例、解釋理由與標示不確定性的任務，再由教師進行查證、協商與修正。同時也可以參照UNESCO（2024）提出的人本思維、AI倫理、AI基礎與應用、AI教學法及AI專業發展，作為上述課程的能力檢核面向。

課程實作可採「設定目標—分配角色—交換證據—協商修正—反思遷移」五步驟。師培生先界定學生要學會什麼，再決定哪些工作由AI處理、哪些判斷必須由教師負責；接著要求AI提供多個方案與依據，檢查其錯誤、偏誤與盲點，最後說明修正理由及可遷移到其他課堂的原則。這樣的課程不把提示語當成目的，而把提示語放在教師專業判斷與教學設計之中。

圖2

以教師能動性為核心的三階段師資培育路徑

註：作者自行整理，依Cukurova（2026）與UNESCO（2024）。

六、 師資培育的評量與支持條件

若要培養AI Synergy，評量不能只計算教師使用了多少工具或節省多少時間，而應檢視五項表現：能否提出清楚目標、判斷情境資訊的可信度、設計合理的人機分工、解釋接受或拒絕AI建議的理由，以及從互動歷程修正教學。師培機構也應保存提示、對話紀錄、修訂版本與反思札記，讓教師看見AI如何影響決策；資料隱私、著作權、學術誠信與責任歸屬則是基本治理條件。

七、 結語

Cukurova的五層教師-AI teaming架構，提供師資培育一個重要轉向，亦即AI教育的重點不是讓教師更快取得答案，而是讓教師更能掌握目標、情境、決策與反思。當AI能提出理由與反例，教師也願意檢證並調整自己的方案，教育才可能從自動化走向共同適應與專業增能。這也能回應台灣教育現場近年從「指令」走向「協作」的討論（陳佩英，2025），將AI導入師資培育的核心放在教師能動性與人機共同推理的趨勢上。

參考資料

陳佩英（2025年7月18日）。從指令到協作：論教師與人工智慧在教學實踐中的共創與轉化。教育新知國際串聯。 https://www.gel-net.com/post/

Cukurova, M., Suraworachet, W., Zhou, Q., & Bulathwela, S. (2025). Towards synergistic teacher-AI interactions with generative artificial intelligence. arXiv. https://doi.org/10.48550/arXiv.2511.19580

Cukurova, M. (2026). A conceptual framework for teacher-AI teaming in education: Harnessing GenAI to enhance teacher agency. In OECD, OECD Digital Education Outlook 2026. OECD Publishing. https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html

UNESCO. (2024). AI competency framework for teachers.  https://unesdoc.unesco.org/ark:/48223/pf0000391104/PDF/391104eng.pdf.multi

若需引用此文章內容，請使用下列APA 7格式：

阮孝齊（2026年9月30日）。邁向人機協作（AI Synergy）的師資培育典範。教育新知國際串聯。https://www.gel-net.com/post/202609-03