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
- 陳佩英
- 7月18日
- 讀畢需時 18 分鐘
已更新：7月19日
Note. OpenAI. (2025). ChatGPT (July 17 version)( https://chatgpt.com/).
作者：陳佩英教授/國立臺灣師範大學教育學系
摘要
本文基於國立臺灣師範大學陳佩授教授之7月19日接受「慧智教育協會」邀請的專題演講內容，講題內容主要闡述人工智慧（AI）在教育的應用；特別是生成式AI（Generative AI）技術迅速演進的背景下，教育領域所面臨的典範轉移。文章從宏觀的VUCA時代脈絡出發，論證教育目標從知識傳遞轉向核心素養培育的必然性，並參照國際間的AI教育政策與教師培力策略，反思臺灣在地實踐的挑戰與契機。本文的核心論點主張，教師與AI的關係應從單向的「指令-工具」模式，昇華為一種動態的「人機協作」共生關係。透過具體課堂案例的深度剖析，本文將展示此一協作模式如何有效促進學生的「高層次認知能力」與教師的「專業能動性」。最終，文章提出建構專業社群、倫理思辨與系統治理三大支持體系，以期為臺灣教育場域中AI的永續與責任化整合，提供一兼具理論深度與實踐指導的框架。
教學現場的二元性與典範轉移的迫切性
在當代教育的日常，不難觀察到實踐的二元性：一端是遵循傳統教學模式、承擔著繁重教學進度與評量工作的教師；另一端則是已然能嫻熟運用生成式AI等工具，在數秒內完成資訊整合、文本或多媒介生成與創意發想的數位原生代學生。此情境不僅顯示技術代差，更預示著一場不可避免的教學典範轉移（pedagogical shift）。若教學實踐仍固守於以教師為中心的知識傳遞模式（didactic model），而忽略學生已具備強大的外部認知工具，其結果將是教學效能的遞減與學生學習動機的流失。
本文的核心宗旨在於回應此一挑戰，探討教師與AI如何從一種工具理性的「指令關係」，進化為一種互惠共榮的「協作關係」。我們主張，此一轉型並非「宣傳」Ai會取代教師，而是經由對人工智慧急速發展的驚醒，用以集結志同道合的教育工作者，增強與積累專業資本（Hargreaves & Shirley, 2009)，並將教學的重心重新聚焦於培養學生面對未來複雜性的核心素養。
一、VUCA脈絡下的教育再議：從知識傳遞到素養本位
我們所處的時代被精準地定義為VUCA ——一個由易變性（Volatility）、不確定性（Uncertainty）、複雜性（Complexity）與模糊性（Ambiguity）所構築的社會生態系統。在此脈絡下，傳統以學科知識灌輸為核心的教育目標，其有效性不斷縮減。世界經濟論壇（WEF，2025）等國際組織的前瞻報告業明確指出，未來人才的核心能力光譜，已轉向分析性思維、創造力、科技素養、AI與大數據處理能力、以及心理韌性與自適應學習等高階能力。
此一趨勢迫使我們必須對教育的根本任務進行再概念化（re-conceptualization）。教育不再是單純的知識歸檔與提取過程，而是一個動態的、以學習者為中心的知識建構（knowledge construction）與活用歷程。因此，教師的角色亦需相應地演化，從「知識的權威傳授者」，轉變為以下三種關鍵角色：
學習經驗的設計師：精心設計能夠觸發深度學習與探究的教學情境與任務。
認知鷹架的建築師：善用包含AI在內的各類工具，為學生在「最近發展區（Zone of Proximal Development, ZPD）」內提供恰當的學習鷹架與支持。
學習社群的促進者：引導學生進行協作學習、同儕互評與批判性對話。
在此定位下，AI不再被視為威脅，而是輔助教師教學實踐的教學工具。
二、國際比較視野：全球AI教育政策的趨同與啟示
檢視全球先進經濟體，可發現其AI教育政策雖路徑各異，卻在核心理念上呈現高度趨同，即將AI定位為提升教育品質、促進教育公平的賦能技術。
新加坡的系統性融合模式：新加坡的策略透顯系統思維的深度。其全國性的「學生學習平台（SLS）」不僅是一個資源庫，還是一個由數據驅動的適性化學習系統（Adaptive Learning System）。值得注意的是其對TPACK（整合科技、教學法與學科知識）框架的深度實踐。政策要求新加坡教師具備一種整合性的專業知識，能夠判斷在何種「學科內容（C）」與「教學法（P）」的情境下，運用何種「科技（T）」能達到最佳的教學成效。此e-pedagogy超越工具操作層次的、深度的教學設計能力。
芬蘭的探究式學習整合：芬蘭的教育哲學強調信任與自主，其AI整合策略亦然。AI常被無縫融入其「現象式學習（Phenomenon-based Learning）」，作為學生進行跨學科探究的認知工具。例如，學生可利用AI分析複雜數據集、建構系統模型，從而對真實世界的複雜議題（如氣候變遷）進行更為深刻的探究。此模式彰顯了AI在支持建構主義（Constructivism）學習理論上的重要推力。
澳洲的倫理先行治理框架：澳洲政府率先發布的《學校生成式AI框架》，為負責任的教育創新提供了典範。該框架不僅處理了學術誠信等表層問題，也深入探討數據治理、演算法偏見、數位公民素養等核心倫理議題。此「倫理先行」的策略，旨在建構一個安全的「沙盒環境」，讓教師在清晰的規範內，得以安心地進行教學實驗。
韓國的數位基建驅動策略：韓國以「AI數位教科書」為核心，推動教育基礎設施的全面升級。其目標是實現學習資源的近用性和普及化，降低AI融入日常教學的技術門檻，從而將師生的認知資源從技術適應中解放出來，更專注於高層次的教與學互動。
綜合觀之，國際經驗昭示，成功的AI教育整合，其關鍵變項並非技術本身，而是與之配套的教師專業發展體系。
三、在地化困境：臺灣教師AI素養培育的三維挑戰
在臺灣「班班有網路、生生用平板」的政策基礎上，AI的導入正進入教學深水區。然而，一線教師的實踐面臨著三種相互交織的結構性挑戰。
規制性挑戰：政策的模糊性與倫理的真空
問題癥結：目前對於AI在教學場域的使用，尚缺乏清晰的治理框架。諸如學術誠信的界定、AI生成內容的版權歸屬、學生數據隱私的保護、以及演算法偏誤的責任歸屬等問題，形成了一個「倫理與法規的真空地帶」，顯著抑制了教師的創新意願。
應對策略：亟需由教育主管部門牽頭，邀集法學、倫理學、教育科技與一線教師代表，共同研擬一套《教育用生成式AI倫理指南》。此指南應兼具原則性與情境性，為不同學科、不同學段的應用提供可操作的建議，因而可降低實踐中的不確定性。
文化認知挑戰：教師的自我效能與角色認同
問題癥結：技術的引入往往會衝擊教師既有的教學信念與專業認同。部分教師可能出現「科技焦慮」，對自身的科技教學自我效能（techno-pedagogical self-efficacy）感到不足；另一部分則可能對AI的價值持懷疑態度，視之為一種短暫的技術潮流或對其專業性的威脅。
應對策略：轉變的關鍵在於組織學習與文化營造。透過建立教師專業學習社群，分享具體的、來自課堂的成功敘事，可以有效地將AI從「威脅」重新框架為「教學賦能的夥伴」。其核心在於論證AI如何將教師從低認知負荷的重複性工作中解放，使其能更專注於診斷學習、師生互動與情意教育等高價值的專業活動。
教學設計挑戰：從工具操作到教學融合的突破
問題癥結：許多教師雖已具備AI工具的基本操作能力，卻在如何將其有效整合入學科教學設計中面臨困難。在「知」與「行」存在不小的差距，導致AI的應用常流於表面化、淺層化，未能有效觸及布魯姆認知領域（Bloom's Taxonomy）中如分析、評鑑、創造等高層次認知目標。
應對策略：教師培力課程的設計，必須從「去脈絡化」的工具技能的學習，轉向「基於學科/跨領域情境」的教學設計實作工作坊。例如，數學與美感教育的結合，可以讓學生有機會運用「相似形」進行裝置藝術創昨；針對歷史科教師，可設計「利用AI進行史料批判與多元敘事建構」的模組；針對自然科教師，可設計「利用AI進行科學建模與假說驗證」的模組。此類課程設計能有效搭起理論與實踐之間的橋樑。
四、實踐的智慧：賦能學生高階認知與教師專業能動性
教學轉化的成效，最終得呈現在微觀的課堂互動中。AI的潛力，在於其能同時為教與學的雙方主體賦能。
4.1 學生端：AI作為認知鷹架，促進深度學習與創造
臺南市的《戀戀台江相似情》課程，為AI如何促進專題式學習（Project-Based Learning, PBL）提供了具啓發性的範例。此課程設計超越了傳統數學單元的範疇，巧妙地應用到布魯姆認知領域的更高層級：
● 理解與應用層次：學生走出教室，實地考察台江廟宇的建築細節，將抽象的「相似形」概念與具體的文化符碼連結。
● 分析與創造層次：這是AI介入的關鍵。學生以小組形式，對AI下達融合了文化元素、藝術風格與數學約束的複雜指令，生成創新的藝術草圖。在此過程中，AI扮演了創意催化劑與視覺化思考夥伴的角色，擴展了學生的創意邊界。
● 評鑑與綜合層次：學生需根據AI生成的方案進行實體創作，並利用AI輔助，將其數學證明過程轉化為更具說服力的視覺化論證。最終的成果是一個融合了文化理解、數學推理與數位創造能力的跨域作品。
在此案例中，AI並非答案的提供者，而是強大的認知鷹架（cognitive scaffold），可支持學生從事若無此工具則難以企及的複雜認知任務。
4.2 教師端：AI作為專業增能器，優化教學設計與效能
AI亦能顯著提升教師的專業能動性（professional agency）與教學效能。以一位公民科教師的備課流程為例，AI可以系統性地優化其工作流：
教材策展與分層：教師可指令AI針對特定議題（如「言論自由的界線」），生成適用於不同閱讀水平學生的分層文本。
教學活動設計：AI可根據教學目標，快速生成包含引起動機、探究問題、多元評量等元素的完整教案初稿。
評量設計與分析：AI可生成多樣化的評量工具（如選擇題、情境申論題、評分規準），並能輔助教師分析學生的作答數據，快速識別學習難點。
透過將備課流程中如資料蒐集、格式編排得低認知負荷的部分予以自動化，AI使教師得以將寶貴的認知資源，重新配置到與教學更為相關的專業判斷上，如設計更具深度的探究問題、提供更個人化的學習回饋、以及更細膩的課堂互動引導。
五、永續實踐的防護：建構多層次的支持體系
在當代教育情境中，人工智慧（AI）的整合已不僅是技術採用的問題，還是一項涉及教師專業發展、教學法革新與倫理思辨的複雜工程。為回應此一挑戰，我們提出了「三道防護」之概念框架。此框架並非旨在建立保守性的壁壘，而是為教師在不確定的AI教學實踐中，提供一個兼具支持性、發展性與反思性的整合性鷹架。同時，為確保AI在教育領域的整合是健康的、可持續的，必須建構一個由社群、倫理與制度構成的多層次三道防護及支持體系。由長期與陳佩英教授計劃團隊合作的優履教師團隊和愛思客教師團隊在研發和帶領教師實作研習時，都會驚醒地將AI的正面和負面影響涵納在工作坊流程的設計之中。三道防護包括：
第一道防護：專業共備與集體智慧的精煉
此道防護的核心論點在於：AI教學創新的可持續性，源於將教師的個體實踐轉化為社群化的集體智慧，並將隱性的教學知識顯性化與系統化。 它主張以一種有組織的、協作式的專業探究，取代個人單打獨鬥式的摸索，因而可降低創新風險，並加速優質教學模式的擴散。其內涵可解構為以下三個核心環節：
節點探究：
此為診斷與介入的起點。它要求教師社群共同識別教學流程中的「關鍵節點」（critical nodes）或「高槓桿的實踐點」（high-leverage points）。這些節點可能是傳統教學法難以突破的學習瓶頸，例如大規模班級中的差異化指導、學生高階思維的有效觸發、或形成性評量的即時性與深度。藉由精準定位這些節點，AI的應用便能從漫無目的的技術堆砌，轉向具高效教學目的的策略性介入。
專業流程的建構：
此環節旨在將AI教學設計從零散的、即興的嘗試，提升為一個可複製、可遷移的專業工作流程。此流程涵蓋了完整的教學設計週期，例如：
● 學習目標的再校準：基於AI能力，重新定義課程單元的認知與技能目標。
● 提示工程的教學轉化：設計能引導學生進行深度探究而非淺層答案搜尋的AI引導語。
● 人機協作任務設計：規劃學生與AI之間的分工與互動模式。
● 歷程數據的詮釋：建立分析學生與AI互動歷程的框架，以掌握其學習軌跡。
● 形成性評量規準的建立：設計能評估學生在AI輔助下所展現的協作、批判與創造能力的規準。
智慧結晶的模組化：
此為知識管理與共享的機制，強調將教師社群在實踐中所積累的成功經驗、失敗反思與有效策略，系統性地編碼為教學模組、課程案例、設計模式或最佳實踐指南。這些「智慧結晶」成為社群共享的開放式教育資源，不僅能加速新進教師的專業成長，更能形成一個正向探究的回饋循環，實現教學知識的持續迭代與共創與共享。
此道防護的本質，是應用了「專業學習社群」與「行動研究」的理念，將AI導入過程視為一個驅動教師社群進行集體反思與專業增能的契機。
第二道防護：對話式賦能與協作式學習的轉向
此道防護旨在進行一場深刻的教學哲學轉向，從將AI視為效率工具的工具主義觀點，轉向將AI視為催化深度學習與學習者主體性之媒介的建構主義觀點。其核心在於，AI的價值不僅是提供答案，還是創造一個能讓學習者主動建構知識、進行思辨對話的認知環境。
以學習者為中心的AI教學設計：
此原則要求教學任務的設計，必須保障並提升學習者的能動性（student agency）。AI的應用不應導致學生陷入被動的指令執行或資訊接收模式。相反地，應設計能促使學生主動探究、假設、驗證與創造的任務。例如，利用AI作為「蘇格拉底式的對話夥伴」來深化哲學思辨，或利用AI生成多重、甚至矛盾的數據來讓學生進行批判性詮釋，皆是提升學習者認知參與的有效策略。
人機協作的對話式思維：
此觀點挑戰了傳統對AI的「指令式思維」。它引導師生將與AI的互動，視為一場「對話」而非單向的「命令」。這意味著學生需要學習如何提出開放性問題、如何追問、如何挑戰AI的預設、以及如何在與AI的協商中逐步修正與深化自己的理解。這種人機對話的過程，本身就是一種高層次的元認知與批判性思維訓練。
同儕支持的共學文化：
此一轉向的實現，高度依賴於支持性的學習社群。透過建立跨班級、跨校的共學網絡，教師可以分享彼此在設計「學習者中心」AI活動時的困境與突破；學生亦可在同儕協作中，共同探索與AI互動的最佳模式，並相互校驗、質疑AI生成的內容。這種網絡化的學習生態，有助於發展出情境化、在地化的AI應用範式，而非盲從單一的標準操作程序。
此道防護的精髓，在於將AI的整合過程，視為實踐「社會建構主義」（Social Constructivism）與「情境學習」（Situated Learning）理論的契機，最終目標是賦能學習者成為知識的主動建構者與批判性思考者。
第三道防護：倫理反思與批判性數位公民素養
隨著AI在教育場域的滲透日益加深，其所引發的倫理、隱私與認識論挑戰不容忽視。此道防護旨在將這些挑戰轉化為教育的契機，主張師生需共同建立一套負責任且具批判性的AI使用框架。這不僅是技術操作的規範，也是「數位公民素養」的核心組成部分。
數據治理與隱私保護：
此為倫理實踐的基礎。師生需具備基本的數據素養，理解AI平台如何進行數據的蒐集、處理與應用。教育機構則有責任建立透明的數據治理政策，確保學生的個人身份資訊與學習歷程數據受到嚴格保護，並符合相關法規要求，從而避免學習數據被不當利用或商業化。
媒體識讀與認識論警覺：
鑑於大型語言模型（LLMs）存在「幻覺現象」（hallucination）等認識論上的侷限性（epistemological limitations），師生必須培養高度的「認識論警覺」。這包括：
● 來源查證：對AI生成的關鍵資訊進行交叉驗證。
● 演算法偏見識別：引導學生探討AI生成內容中可能存在的、繼承自訓練數據的社會或文化偏見。
● 理解AI的機率性本質：教育學生理解AI並非全知的「真理機器」，其產出是基於機率預測的文本組合，而非基於理解與意向。
批判性思考與智識自主：
此為最高層次的倫理目標。教育的核心目的之一是培養學生的智識自主性。因此，必須警惕AI可能導致的認知惰性與過度依賴。教學設計應鼓勵學生將AI定位於「思考夥伴」或「智識擴增工具」，而非「答案生成器」。應常態性地設計要求學生質疑、修正、補充或超越AI產出的任務，從而確保學生的批判性思維能力在人機協作中得到強化，而非削弱。
此道防護強調，技術的發展必須與人文素養及倫理思辨同步。在AI時代，教育最重要的任務之一，便是培養能夠「有判斷地信任、有能力地質疑」的數位公民。
總結：一個動態的、多層次的賦能框架
陳佩英教授的「三道防護」共同構成了一個動態且相互關聯的支持系統，旨在引導教師從容、有效且負責任地應對AI帶來的教育變革。
防護層面 | 核心驅動力 | 教師角色轉化目標 |
第一道防護：專業共備 | 系統性協同與知識管理 | 從孤立的實踐者，轉化為專業社群中的知識共創者。 |
第二道防護：思辨協作 | 教學法能動性與對話式賦能 | 從AI工具的被動使用者，轉化為學習經驗的批判性設計者。 |
第三道防護：倫理批判 | 倫理-認識論的治理 | 從技術的傳授者，轉化為數位時代中具有倫理判斷力的引導者。 |
綜上所述，「三道防護」並非限制創新的圍牆，而是有助於發展的賦能鷹架。它幫助教育工作者將AI導入的外部壓力，轉化為促進教師專業發展、深化學生學習、並重塑教育倫理的內在契機，引領臺灣教育穩健地邁向人機協作的新篇章。
結論：邁向人機協作的教學新範示
人工智慧的浪潮對教育所構成的，並非一場技術性的零和博弈，而是一次深刻的、促使我們重新定義「教」與「學」本質的契機。本文的核心論述主張，AI在教育中的最高價值，並非其取代人類重複性勞動的自主運作能力，而在於其作為教學範式轉型的「認知擴增工具」，或許能有效增強人類的專業判斷與深化學習者的認知參與。
教師的專業價值，根植於同理心、生命關懷、倫理權衡與啟迪智慧等人文關懷的實踐，這些是當前演算法模型所無法企及的。在此前提下，AI應被定位為教師實現更高層次教育理想的「專業實踐社群」。本文所闡述的「三道防護」——專業共備、思辨協作、倫理批判——共同構成了一個動態且相互依存的支持系統。它不僅為教師個體提供了實踐的鷹架，更重要的是，它可從「個體創新」走向「系統性革新」的路徑，即透過社群協作與知識管理，將AI導入的外部壓力，內化為驅動教育體系專業成長的內在動力。
展望人機協作的教學新範式未來，對教育實踐與研究提出了以下幾點重要啟示：
對於教育政策制定者：政策的重心宜從硬體佈建與技術採購，轉向支持教師專業學習社群的永續發展，並加速研擬兼具彈性與指導性的AI倫理治理框架，為一線的教學創新提供穩固的「安全網」。
對於師資培育機構：職前與在職的教師培育課程，需將「AI協作教學設計」與「批判性AI素養」納為核心能力。這意味著師培生不僅要學會「用」AI，更要學會「設計」與AI協作的學習經驗，並能「思辨」AI的倫理意涵。
對於未來研究：後續研究可深入探討在不同學科情境下，人機協作模式對學生高階思維（如後設認知、系統思考）影響的具體機制；同時，對於AI導入後，師生互動關係的質變、以及如何評估在AI輔助下產出的學習成果，亦是亟待開拓的學術領域。
總而言之，這是一條從「指令」到「協作」的漫長而深刻的轉化路徑。它要求教育系統中的每一個行動者——教師、學生、行政者與政策制定者——共同參與。本文所闡述的三道防護框架，正是為此數位轉型所擘劃的藍圖，可讓我們以開放的探究精神與嚴謹的專業態度，以及兼具人文關懷與科技賦能的教育革命，穩健地塑造一個人機共好的教育新未來。
參考資料
教育部（2016）。2016-2020資訊教育總藍圖https://ws.moe.edu.tw/001/Upload/3/relfile/6315/46563/65ebb64a-683c-4f7a-bcf0-325113ddb436.pdf
教育部（2024）。教育部中小學數位教學指引 3.0 版。https://pads.moe.edu.tw/pads_front/index.php?action=download
陳佩英（2023）。數位學習與科技領導實踐。課程協作與實踐（第六輯）（頁100-121）。教育部。https://www.govbooks.com.tw/books/140283
陳佩英（2018）。跨領域素養導向課程設計工作坊之構思與實踐。課程研究，13（2），21-42。https://doi.org/10.3966/181653382018091302002
陳佩英（作者、主編）（2023）。高優雁行15年：方案政策學習實錄。教育部國民及學前教育署。https://gpi.culture.tw/books/1011200071
陳佩英（2024）。教師的未來圖像:數位科技素養與 AI 專業識能的發展。載於陳綠蔚、陳力俊主編的中技社專題報告，AI跨域教師培育示範與教學資源共享之研討（125-150頁）。財團法人中技社。chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://www.ctci.org.tw/media/10501/2024-19ai%E8%B7%A8%E5%9F%9F%E6%95%99%E5%B8%AB%E5%9F%B9%E8%82%B2%E7%A4%BA%E7%AF%84%E8%88%87%E6%95%99%E5%AD%B8%E8%B3%87%E6%BA%90%E5%85%B1%E4%BA%AB%E4%B9%8B%E6%8E%A2%E8%A8%8E.pdf
張國恩（2011）。資訊科技融入科學教學: 從學習科技的發展看資訊融入教學的內涵。https://enjoy.phy.ntnu.edu.tw/mod/resource/view.php?id=12389
Adams, C., Pente, P., Lemermeyer, G., Turville, J., & Rockwell, G. (2022). Artificial intelligence and teachers’ new ethical obligations. The International Review of Information Ethics, 31(1). https://doi.org/10.29173/irie483
Australian Government. (2023). Australian framework for generative artificial intelligence in schools. https://www.education.gov.au/schooling/resources/australian-framework-generative-artificial-intelligence-ai-schools
Ayanwale, M. A., Adelana, O. P., & Odufuwa, T. T. (2024). Exploring STEAM teachers’ trust in AI-based educational technologies: A structural equation modelling approach. Discover Education, 3(1), 1-22. https://doi.org/10.1007/s44217-024-00092-z
Bhutoria, A. (2022). Personalized education and artificial intelligence in the United States, China, and India: A systematic review using a human-in-the-loop model. Computers and Education: Artificial Intelligence, 3, 100068. https://doi.org/10.1016/j.caeai.2022.100068
Blackwell, C. (2013). Teacher practices with mobile technology integrating tablet computers into the early childhood classroom. Journal of Education Research, 7(4), 231-255. https://web.p.ebscohost.com/ehost/detail/detail?vid=0&sid=7ec5496c-4640-4c89-9c02-61e004a31527%40redis&bdata=JkF1dGhUeXBlPWlwLHVpZCZsYW5nPXpoLXR3JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3d#AN=95761851&db=ehh
Burton, E. (2024, July 7). New school guidelines in Japan emphasize AI education. The AI Track. https://theaitrack.com/school-guidelines-in-japan-ai-education/
Celik, I., Dindar, M., Muukkonen, H., & Järvelä, S. (2022). The promises and challenges of artificial intelligence for teachers: A systematic review of research. TechTrends, 66(4), 616-630. https://doi.org/10.1007/s11528-022-00715-y
Chu, J., Xi, L., Zhang, Q., & Lin, R. (2022). Research on Ethical Issues of Artificial Intelligence in Education. In: Yang, J., et al. Resilience and Future of Smart Learning. ICSLE 2022. Lecture Notes in Educational Technology. Springer, Singapore. https://doi.org/10.1007/978-981-19-5967-7_12
Crompton, H., & Sykora, C. (2021). Developing instructional technology standards for educators: A design-based research study. Computers and Education Open, 2, 100044. https://doi.org/10.1016/j.caeo.2021.100044
Education Estonia. (2023, December 28). Empowering learners with AI in education. https://www.educationestonia.org/empowering-learners-with-ai-in-education/
Education Estonia. (n.d.). Digital competence: Empowering teachers and students. https://www.educationestonia.org/innovation/digital-competence/
Ertmer, P. A. (1999). Addressing first-and second-order barriers to change: Strategies for technology integration. Educational technology research and development, 47(4), 47-61. https://doi.org/10.1007/BF02299597
Flores-Vivar, J. M., & García-Peñalvo, F. J. (2023). Reflections on the ethics, potential, and challenges of artificial intelligence in the framework of quality education (SDG4). Comunicar, 31(74), 35-44. chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://files.eric.ed.gov/fulltext/EJ1380530.pdf
Government of the Republic of Singapore. (2023). National AI strategy 2.0: AI for the public good for Singapore and the world. https://file.go.gov.sg/nais2023.pdf
Hamutoglu, N. B. (2021). Testing the effects of technological barriers on high school teachers’ role in technology integration. Asian Journal of Distance Education, 16(1), 74-89. https://asianjde.com/ojs/index.php/AsianJDE/article/view/544
Harry, A. (2023). Role of AI in Education. Interdiciplinary Journal and Hummanity (INJURITY), 2(3), 260-268. chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://radensa.ru/wp-content/uploads/2024/05/Role_of_AI_in_Education.pdf
Huang, S., Yang, J., Fong, S., & Zhao, Q. (2021). Artificial intelligence in the diagnosis of COVID-19: challenges and perspectives. International journal of biological sciences, 17(6), 1581–1587. https://doi.org/10.7150/ijbs.58855
ISTE (2024). ISTE. https://iste.org/
Khare, K., Stewart, B., & Khare, A. (2018). Artificial intelligence and the student experience: An institutional perspective. IAFOR Journal of Education, 6 (3), 63-78. https://doi.org/10.22492/ije.6.3.04
Kim, K., & Kwon, K. (2023). Exploring the AI competencies of elementary school teachers in South Korea. Computers and Education: Artificial Intelligence, 4, 100137. https://doi.org/10.1016/j.caeai.2023.100137
Knight, S., Dickson-Deane, C., Heggart, K., Kitto, K., Kozanoğlu, D. C., Maher, D., ... & Zarrabi, F. (2023). Generative AI in the Australian education system: An open data set of stakeholder recommendations and emerging analysis from a public inquiry. Australasian Journal of Educational Technology, 39(5), 101-124. https://doi.org/10.14742/ajet.8922
Korea Bizwire. (2020, November, 20). AI education to begin in high schools next year. http://koreabizwire.com/ai-education-to-begin-in-high-schools-next-year
Lee, J., & Jeong, H. (2023). Keyword analysis of artificial intelligence education policy in South Korea. IEEE Access, 11, 102408 - 102417. https://doi.org/10.1109/ACCESS.2023.3317261
Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. UCL institute of education press. chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://discovery.ucl.ac.uk/id/eprint/10178695/1/Machine%20Learning%20and%20Human%20Intelligence.pdf
Luckin, R. (2018). Enhancing Learning and Teaching with Technology: What the Research Says. UCL IOE Press. https://eric.ed.gov/?id=ED582047
Makki, T. W., O'Neal, L. J., Cotten, S. R., & Rikard, R. V. (2018). When first-order barriers are high: A comparison of second-and third-order barriers to classroom computing integration. Computers & Education, 120, 90-97. https://doi.org/10.1016/j.compedu.2018.01.005
Ministry of Education, Singapore. (2023, September 20). Our educational technology journey. https://www.moe.gov.sg/education-in-sg/educational-technology-journey
Mishra, P., & Koehler, M. J. (2008, March). Introducing technological pedagogical content knowledge. In annual meeting of the American Educational Research Association (Vol. 1, p. 16). chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://www.matt-koehler.com/publications/Mishra_Koehler_AERA_2008.pdf
OCSB. (2024). Artificial Intelligence at the OCSB. https://www.ocsb.ca/why-ocsb/humane-use-of-technology/artificial-intelligence-at-the-ocsb/
Redecker, C. & Punie, Y. (2017). European framework for the digital competence of educators: DigCompEdu (No. JRC107466). Joint Research Centre (Seville site). file:///C:/Users/amore/Desktop/pdf_digcomedu_a4_final.pdf
Scott, W. R. (2008). Institutions and organizations: Ideas and interests. Sage. https://search.worldcat.org/zh-tw/title/131068683
Selwyn, N. (2024). On the limits of artificial intelligence (AI) in education. Nordisk tidsskrift for pedagogikk og kritikk, 10(1), 3-14. https://doi.org/10.23865/ntpk.v10.6062
Tsai, C. C., & Chai, C. S. (2012). The" third"-order barrier for technology-integration instruction: Implications for teacher education. Australasian Journal of Educational Technology, 28(6). https://doi.org/10.14742/ajet.810
Yeh, C. Y., & Tsai, C. C. (2022). Massive distance education: barriers and challenges in shifting to a complete online learning environment. Frontiers in Psychology, 13, 928717. https://doi.org/10.3389/fpsyg.2022.928717
Zeng, J., Sun, D., Looi, C.-K., & Fan, A. C. W. (2024). Exploring the impact of gamification on students’ academic performance: A comprehensive meta‐analysis of studies from the year 2008 to 2023. British Journal of Educational Technology, 55(6), 2478-2502. https://doi.org/10.1111/bjet.13471
若需引用此文章內容，請使用下列APA 7格式
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/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
