DigComp 3.0：歐盟數位公民素養與教育政策的關鍵能力框架
- 陳佩英、梁松平
- 2天前
- 讀畢需時 12 分鐘
作者：陳佩英、梁松平
在生成式人工智慧（Generative AI）、平台化治理與資料密集型社會快速發展的當代情境中，具備數位能力除了能夠操作工具或使用軟體的基本能力外，也包含個人在數位環境中能進行判斷、選擇、以及參與和負起行動責任的核心公民素養。近十餘年來，歐盟持續透過「歐洲數位能力框架」（Digital Competence Framework, DigComp），嘗試建構一套可跨越教育、就業與公民社會的共同能力語言。歐盟於 2025 年正式發布的 DigComp 3.0（第五版），即是針對生成式 AI 的快速演進及其所加劇的錯假資訊風險作出即時回應，並將數位權利與數位福祉提升為政策核心議題之一。
本文欲從政策脈絡、能力結構與教育意涵三個層次，分析 DigComp 3.0 如何回應當前數位轉型的結構性挑戰，並說明其作為教育政策、教師專業發展與能力導向課程設計之重要參照價值。
一、研究與政策背景
根據歐盟官方統計，2023 年僅有 56% 的成年人具備至少基本數位能力，距離 2030 年「80% 公民具備基本數位能力」的政策目標仍有顯著落差；同年，約 43% 的中學生未達基本數位能力門檻。與此同時，超過九成勞工在工作中使用數位科技，約三成已實際接觸 AI 系統，卻有 42% 的勞工自陳存在 AI 技能落差，而真正參與相關培訓者僅約 15%。此一落差顯示，數位科技的快速滲透並未自然轉化為全民能力提升，反而可能加劇結構性的不平等。
在此背景下，DigComp 3.0 被定位為除了作為教育工具，還用來支撐歐盟「數位十年政策計畫（Digital Decade Policy Programme）」、「技能聯盟（Union of Skills）」與 AI 治理法制（如 AI Act）的關鍵能力基礎框架，試圖從能力層次回應數位轉型所帶來的社會、經濟與民主治理挑戰。
進一步放眼其他跨國組織的治理論述可見，經濟合作暨發展組織（OECD）亦透過「2030 教育與技能未來」計畫，採取更側重能動性（agency）與福祉（well-being）的軟治理取徑，並宣布將於 PISA 2029 評量中納入全新的「媒體與人工智慧素養」（Media and AI Literacy, MAIL）。此一動向意味著，各國教育體系若欲在未來國際評比中維持競爭力，勢必需更為審慎且系統性地將 AI 素養融入核心課程與學習歷程之中。總體而言，這種強調「社會－技術路徑」（Socio-technical Approach）、旨在培育同時理解技術發展與社會互動關係的公民素養取向，已逐漸成為國際數位治理的共同關注重點。
二、DigComp 3.0 的核心能力架構
DigComp 經歷了三版的更新，其演變反映了數位科技從單純「工具操作」走向「人機協作」的典範轉移 。DigComp1.0於 2013年提出，屬於奠基期，第一版確立了 5 大構面與 21 項能力的核心架構。當時側重於基礎軟體操作與資訊檢索，僅劃分 3 個等級，目標是讓使用者「會用工具」 。DigComp2.0-2.2 (2016-2022) 為擴充期：因應行動網路與大數據，引入「數據」概念並將精熟度細化為 8 個等級，以更精確評估落差 。2.2 版雖納入 AI，但僅作為範例，外掛於既有能力之下 。DigComp3.0 為進階期，為回應生成式 AI，結構上首度導入 523 項具體「學習成果」作為評量依據 。內容上將 AI 能力橫向整合於所有構面，區分 AI 的顯性操作與隱性影響，強調倫理判斷、數位權利與人機協作，旨在培育具能動性的數位公民。以下就核心能力架構加以說明：
（一）數位能力的新定義與內涵
DigComp 3.0 延續並更新了「數位能力」的定義，將之界定為個體為了學習、工作與參與社會，而能夠自信、具批判性且負責任地使用與投入數位科技的能力。此一定義明確整合三個面向：知識（knowledge）、技能（skills）與態度（attitudes），避免將數位能力窄化為操作性技能。
（二）五大核心能力領域
在結構上，DigComp 3.0 由五大核心能力領域與二十一項具體能力構成：（一）資訊搜尋、評估與管理；（二）溝通與協作；（三）內容創作；（四）安全、福祉與責任使用；（五）問題辨識與解決。相較前一版，第三版在各領域中均顯著強化 AI、錯假資訊、數位權利、心理福祉與環境永續等議題，使能力內涵更貼近當代數位生活的真實複雜性。
（三）熟練度與發展性觀點
DigComp 3.0 採用四級熟練度架構（基礎、中階、高階、高級進階），用以描述能力發展的連續性，而非將之簡化為「具備」或「不具備」數位能力。此設計有助於教育體系與政策制定者理解到，不同年齡、角色與情境中的數位能力需求本質上具有差異，且會隨科技與成長歷程而有所變動。進一步查看其發展路徑可發現，此四級熟練度架構並非指涉靜態的標準，而是依據「認知需求」、「任務複雜度」與「自主性」的交互作用而建構，框架亦在此刻意釐清「高度進階」與傳統所理解之資訊技術專家的差異，其核心意涵並不在於是否精熟程式開發或系統維護等技術操作，而在於個體能否在自身專業領域中，將數位科技有效轉化為回應與解決結構性難題的行動資源，並展現創新與領導能力。
（四）DigComp 3.0 的兩大關鍵創新
1. 學習成果的系統化導入
DigComp 3.0 最具突破性的設計之一，在於首次系統性引入「學習成果（learning outcomes）」作為框架的核心組成。全框架共提出 523 項學習成果，依能力、熟練度與知識／技能／態度進行分類。此一設計使 DigComp 從高層次的能力描述，進一步轉化為可支持課程設計、教師培訓、評量與能力認證的操作性工具。
在教育研究與政策實務中，學習成果可視為是連結教育體系與勞動市場的重要「黏著劑」。DigComp 3.0 的學習成果架構，便是回應此一需求；協助不同國家與機構在尊重在地脈絡的前提下，進行能力導向的轉化與應用。
此外，DigComp 3.0 透過引入修訂版布魯姆分類學（Bloom’s taxonomy），將各項指標進一步轉譯為可操作、可落實的教學行動。就其所彙整的 523 項學習成果而言，知識（42%）、技能（38%）與態度（20%）呈現相對均衡的配置，顯示數位素養的培育不宜侷限於工具操作層次，而應確保學習者得以由單純的工具使用者，逐步轉化為兼具完整認知理解與價值判斷能力的綜合型行動者。
2. AI 能力的橫向整合
不同於將 AI 視為獨立能力模組，DigComp 3.0 採取橫向整合的策略，將 AI 相關能力系統性嵌入於 21 項能力之中，並進一步區分為「AI 明示」（AI-explicit）與「AI 隱含」（AI-implicit）兩種呈現方式。此一設計反映 AI 已逐漸成為多數數位行為的基礎條件，而非僅屬技術專家的專門知識領域。同時，該框架亦傳達明確的價值立場，希望AI 素養不只著眼於工具熟練度的提升，而是在於能否理解 AI 的侷限與偏誤，以及其可能引發的倫理風險與社會影響，並在「人類判斷—責任承擔」的規範架構下作出審慎使用與行動選擇。
與此同時，若進一步檢視 DigComp 3.0 的橫向整合策略，亦可發現其與 OECD 所倡導之「社會－技術」路徑相互呼應。於此視角下，AI 系統顯現的並非是客觀中立的工具，其自身是鑲嵌於人類組織、制度與文化脈絡中的人造物；框架中對「AI 隱含」的標示設計，其實兼具引導性的教育功能，不只讓學習者學會操作，也進而對演算法及其運作邏輯保持批判性態度，並理解技術與社會如何在互動中彼此形塑、共同生成其影響與後果。DigComp 3.0 之核心架構組成如下表1所示。
表1
DigComp 3.0 之核心架構組成表
註：作者自行整理。
三、DigComp 3.0 對教育政策與教學實踐之意涵
從教育角度觀之，DigComp 3.0 為能力導向課程設計提供高度可轉化的參照框架，有助於教師重新思考數位科技在學科教學、跨域學習與公民教育中的角色。這個框架強調對福祉、倫理與公民參與的重視，同時也去挑戰傳統「科技中立」的價值預設。
（一）政策層面
從政策層面觀之，DigComp 3.0 作為一套「非規範性」（non-prescriptive）框架，其核心功能在於提供一種可共享的能力語言，使不同國家與組織得以依其制度、文化與教育脈絡進行在地化調整與應用，從而降低一體適用可能導致的排除與不平等效應。再從社會結構的角度來看，政策制定者必須意識到，推動 DigComp 3.0 已非僅止於教育體系的升級，還須能回應並修補大環境中日益擴大的「社會－技術」技能缺口。依 據OECD 的報告，AI 最明顯的衝擊未必是針對體力勞動工作，而是那些傳統上被視為相對穩定的中層白領職位；然而，這並不意味著這些職位必然被取代，而是其價值核心正在轉向到 AI 較難複製的能力，例如跨域且高複雜度的專案協作與整合、涉及高風險情境的倫理判斷，以及以信任、同理與溝通為基礎的人際互動。若能以 DigComp 3.0 為引導，系統性地將此類能力納入課程與學習設計，將有助於學生由工具操作者，學習成為具備倫理判斷與人機協作能力的行動主體與主導者，使人類在演算法難以觸及的複雜決策領域中，仍能維持其獨特的價值性與主體性。
（二）教師專業與能力導向課程設計層面
若前述 DigComp 3.0 的核心架構描繪了理想的數位公民圖像，那麼其實踐價值，便在於如何將當中詳實且細緻之學習成果與能力陳述，透過再脈絡化的過程，轉化為能夠在課堂中操作與可進行評估之數位素養導向教學活動。本文認為其將能協助教師對搭建素養教學鷹架、建立素養評估規準與建制教學使用規範上提供指引。
1. 搭建素養教學鷹架
在教學實踐層面，DigComp 3.0 可有效協助教師回應過往在素養導向教學中不知如何切入、或難以拿捏教學深度的實務困境。透過參照框架中明確界定的學習成果項目，原本抽象的數位素養概念得以具體化、操作化，並轉譯為可觀察的行為指標。此一設計不但可以幫助教師辨識教學內容究竟涉及 AI 的顯性操作，抑或隱含於學習歷程中的素養內涵，也能協助教師在課程設計中，有意識地對應並整合知識、技能與態度三個向度。換言之，當教師能清楚對接框架所界定的預期學習成果，其教學實踐便可間接連結並實質強化學生的核心素養發展。
此外，四級熟練度架構亦可作為回應學習者不同學習需求的差異化教學工具，用以界定學習進程與分層目標。例如，對於基礎層級的學習者而言，鷹架設計的重點在於提供明確引導，使其能辨識並操作 AI 工具的基本功能；而對於較高熟練度的學習者，則可進一步要求其進行自主評估，並整合多元策略以回應與解決較高複雜度的問題。透過此分層與進階的設計，得以確保數位素養教學能同時回應不同認知需求的學習者，並更為有效地落實於實際教學情境之中。
此外，框架中亦建議教師可採用不插電活動（unplugged activities）作為教學鷹架之一環，故教師可兼採不使用電子載具之方式進行實體活動設計，引導學生理解演算法運作或 AI 倫理等抽象概念，以使教學焦點回歸至核心概念的認知建構，而非僅停留在工具操作層次。
2. 建立素養評量規準
素養導向教學的關鍵難題之一，在於素養能力往往不易量測，因而難以形成具體可行的評估依據。DigComp 3.0 所提出的預期學習成果項目，可為教師提供相對明確的評量參照，使評量得以聚焦於學生是否確實增進核心素養，並依據可觀察的行動表現界定其能力展現。由於 DigComp 3.0 的學習成果採用布魯姆分類學（Bloom’s taxonomy），因而引入課程與教學領域可共享的表述語言，並據以清楚區分知識、技能與態度三向度的學習表現；例如，框架不僅得以檢核學習者是否具備辨識 AI 系統隱含偏見的知識理解（如 LO1.2.15），亦涵蓋其是否形成人類監督在 AI 部署中不可或缺的態度信念（如 LO3.4.25）。因此，若能將 DigComp 3.0 轉化為評量規準，評量範疇便可超越顯性的工具操作能力，進一步把以往難以衡量的隱含信念與概念理解轉譯為具鑑別度的評量尺規，進而確保評量涵蓋技術熟練度的檢核，以及數位公民所應具備、以人為本的認知取向與價值判斷能力。
3. 建制教學使用規範
生成式 AI 對教育現場的衝擊，亦包含課堂中「可否使用」以及「如何使用」之規則界定。為確保學習者完整的學習與認知歷程不被剝奪，部分教師會傾向採取嚴格禁用的規定；然而，如此硬性限制可能誘發學習者的反制或作弊行為，使師生關係陷入不互信的相互猜疑。針對此困境，DigComp 3.0 所強調的「負責任使用」與「能動性」精神，可轉為建立開明且可執行之使用規範的指引。此規範的基礎不是奠基在對工具的焦慮與排除，而應思考如何回到以人為本的主體性關懷；並透過參照預期學習成果項目，將抽象的數位倫理轉譯為具體、明確且可操作的班規與使用規則。
以學術誠信為例，教師可依據 LO3.3.05 指標，要求學生清楚標註 AI 生成內容及其使用程度，使 AI 的運用轉化為一種可受檢核的負責任學術引用行為。就準確性而言，可依據 LO1.2.17 所強調之人類監督角色，明確界定學生對 AI 產出品質負有最終驗證義務，確立查核責任，並引導學生由被動接收者轉化為具批判性的把關者。至於安全性面向，規範可參照 LO4.2.03 與 LO4.2.18 對識別隱私風險的要求，清楚列示不宜輸入於提示指令之個人資料或未經授權資訊，以建立隱私邊界，確保學習者在數位環境中仍保有基本權利意識。
除上述倫理議題外，框架指標亦涵蓋環境永續責任。因此，教師可將綠色行動納入使用規範之中，依據 LO4.4.05 與 LO4.4.06，引導學生理解數位使用背後所伴隨的能源消耗與碳足跡，例如訂定「不必要時關閉設備」、「減少非必要的高耗能功能」等具體規則，進一步將永續概念轉化為學生可在日常中實踐的數位公民素養。
四、結論
在瞬息萬變的數位時代，教育的核心目標已非傳授特定技術，而是賦予學生持續學習、批判思考與負責任行動的終身素養。DigComp 3.0 為回應此挑戰而被提出，該框架提供統一、連貫且與時俱進的能力內涵，讓教育、政策與公民社會在複雜的數位浪潮中，得以凝聚共識、擘劃行動的共同基礎。
對政策制定者而言，DigComp 3.0 的價值在於建構系統化的學習成果，精準回應當前最迫切的「社會－技術」技能缺口。當勞動市場的價值核心，從重複性的任務執行，轉向 AI 難以取代的倫理判斷、複雜決策與人際協作時，教育政策便亟需一套可行的框架，將抽象願景轉化為具體的素養指標。這不單是著眼於接軌國際數位能力的評比，且還是根本性的社會投資，目的在於培育未來公民，使其從被動的技術使用者，透過學習而能成為主動的人機協作者與倫理思辨者，確保科技始終為人所用，而非反客為主。
對教學實踐者而言，此框架不是用來檢核績效的工具，而是一套支持教師專業判斷與課堂革新的支援系統。面對 AI 等新興科技對課堂秩序、學術誠信與評量公平性所帶來的衝擊，DigComp 3.0 透過一系列可診斷、可評量的行為指標，將抽象的 AI 素養與數位倫理具體化，進而為教師提供可操作的實踐藍圖。無論是規劃差異化教學、建構評量尺規，或制定課堂科技使用規範，皆能引導教學焦點由單純技能傳授，轉向培養學生的價值判斷與倫理思辨能力，以及數位公民素養。
參考資料
Carretero Gomez, S., Vuorikari, R., & Punie, Y. (2017). DigComp 2.1: The digital competence framework for citizens with eight proficiency levels and examples of use (EUR 28558 EN). Publications Office of the European Union. https://data.europa.eu/doi/10.2760/38842
Cosgrove, J., & Cachia, R. (2025). DigComp 3.0: European digital competence framework fifth edition (EUR 40491). Publications Office of the European Union. https://data.europa.eu/doi/10.2760/0001149
Ferrari, A., Punie, Y., & Brecko, B. (2013). DIGCOMP: A framework for developing and understanding digital competence in Europe (EUR 26035). Publications Office of the European Union. https://data.europa.eu/doi/10.2788/52966
OECD. (2019). OECD future of education and skills 2030: OECD learning compass 2030. OECD Publishing. https://www.oecd.org/content/dam/oecd/en/about/projects/edu/education-2040/1-1-learning-compass/OECD_Learning_Compass_2030_Concept_Note_Series.pdf
OECD. (2025). PISA 2029 Media and Artificial Intelligence Literacy. Retrieved from https://www.oecd.org/en/about/projects/pisa-2029-media-and-artificial-intelligence-literacy.html
OECD.AI. (2025). A socio-technical approach to AI literacy: A quick guide. OECD.AI Policy Observatory. Retrieved from https://oecd.ai/en/wonk/socio-technical-approach-ai-literacy
Vuorikari, R., Punie, Y., Carretero Gomez, S., & Van den Brande, G. (2016). DigComp 2.0: The digital competence framework for citizens. Update phase 1: The conceptual reference model (EUR 27948 EN). Publications Office of the European Union. https://data.europa.eu/doi/10.2791/11517
Vuorikari, R., Kluzer, S., & Punie, Y. (2022). DigComp 2.2: The digital competence framework for citizens - With new examples of knowledge, skills and attitudes (EUR 31006 EN). Publications Office of the European Union. https://data.europa.eu/doi/10.2760/115376
若需引用此文章內容，請使用下列APA 7格式：
陳佩英、梁松平（2026年1月8日）。DigComp 3.0：歐盟數位公民素養與教育政策的關鍵能力框架。網址：https://www.gel-net.com/post/DigComp 3.0：歐盟數位公民素養與教育政策的關鍵能力框架
