簡報圖卡吸睛，反而可能是學習的絆腳石！AI時代的教學設計反思
最近，你的社群平台是不是也被各種AI圖文洗版了？
管他是什麼帳號發文的，發出來的圖文風格都驚人地一致：華麗的漸層背景、可愛逗趣的插圖、完美對齊的條列句。以前一份 30 張的簡報，老師們可能得花上一整個晚上在電腦前熬出黑眼圈才能製作完成。現在只要五分鐘：NotebookLM、Gamma、Claude、ChatGPT……一鍵生成、漂漂亮亮。我們終於告別了新細明體與紅綠燈配色的視覺荼毒，這世界是否終於要迎來全民美學的春天？
這陣子，我好常聽到人們這麼說：「現在用 AI 生圖、做簡報好方便啊！」「PPT 要成為時代的眼淚了」、「有了 AI，作筆記整理再也不用煩惱了」
甘安捏？我每次看到這些精緻的 AI 圖表，心裡總會冒出一些更本格派的問題：看起來好像整理得很好看的圖，我就真的有認真想看仔細嗎？圖片好看就等於觀眾的大腦正在學習嗎？作為一個老師，如果我們習慣把教學設計的重責大任外包給 AI，那教學的靈魂還剩什麼？當大家都用同樣的工具，做出同樣風格的投影片，老師個人的專業特色又在哪裡？
「吸睛」和「吸收」，可能會是同一件事嗎？
一、吸睛，反而可能是學習的絆腳石
認知心理學家理察．梅爾（Richard E. Mayer）是研究多媒體學習的專家。他提醒我們一件事：運用多媒體有效學習的關鍵，從來不在於視覺有多眩目，而在於資訊有多精確。他在「多媒體學習認知理論」提出了一個連貫原則（Coherence Principle），也就是任何與學習目標無關的素材：包含華麗的背景、花俏的圖示、甚至是為了拉近距離而講的冷笑話，都應該被無情地移除。
為什麼？因為我們的大腦能夠同時處理的事情真的很有限，這些華麗的有的沒的，只會佔用大腦有限的工作記憶空間，反而削弱學習成效。1
當你以為用AI工具生成了好好看的簡報，為你的教學內容加上了炫目的漸層背景，各種示意圖、可愛小插畫。你以為看起來好豐富，好充實，學生的眼睛應該看得很愉快吧！觀眾應該覺得好棒棒？！不好意思耶，這時學生的大腦也得同時忙著過濾那些與核心概念理解無關的資訊。這就是梅爾在「多媒體學習認知理論」中提出的誘人細節效應（Seductive Details Effect）：那些讓內容更有趣的元素，往往成了真正學習的絆腳石。你以為的可愛小插圖，反而成了認知雜訊，佔用了人類大腦有限的認知資源，讓學生學起來更困難。
1.Mayer, R. E. (2021). Multimedia Learning (3rd ed.). Cambridge University Press.(連貫原則、誘人細節效應等相關介紹可詳見第5–6章。)
圖：ChatGPT 生成
近來我還看到有一些快速崛起的「粉專經營者」大量使用教科書商提供的課程文本丟進 AI 生圖，各種筆記、心智圖、甚至漫畫分享。看似有模有樣，其實內容過分簡化、脈絡斷裂，甚至有許多明顯可見的資料扭曲或錯誤。但只因為那些圖片看起來好像滿好看的，吸引了許多家長、老師的眼睛，就被大量轉傳分享。在這個時代，似乎只要會下咒語（Prompt），人人都能披上知識傳遞者的風衣。
微軟研究院與卡內基美隆大學 2025 年針對 319 位知識工作者所進行的調查發現：高度信任 AI 的使用者，執行任務時所付出的認知努力顯著降低；他們更傾向於直接接受 AI的產出，而不是深入驗證內容。2 如果連受過專業訓練的知識工作者都會因此停止深思，那我們可以想像：那些沒有經過教學專業訓練的人、路人、素人、外行人，用 AI生成的圖片與筆記。我們卻不加思索地拿來運用，這不是很可怕嗎？如果裡面有任何錯誤，透過各種分享、轉傳，真實的知識到底會被汙染到什麼程度呢？教學的目的該優先在意的難道是流量嗎？
2025 年 1 月，發表於 Societies 期刊的一項研究指出：越頻繁使用 AI 工具的學習者，批判性思考能力的得分反而越低。3你以為你很努力在運用 AI 做簡報，做筆記。但是這一切都只是 AI 在努力！身為專業的教學工作者，我們為何要把大腦外包，為何要將自己的認知卸載(cognitive offloading)。當備課的苦思慢想被 AI 一鍵生成一口氣略過時，我們的大腦就失去了長出新的神經突觸的機會，我們就有可能錯過了許多讓自己專業真正變強變壯的可能。
2.Lee, H.-P., Cheng, H.-F., Cai, C. J., & Holstein, K. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. CHI Conference on Human Factors in Computing Systems (CHI 2025), Yokohama, Japan.
3.Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), Article 6. https://doi.org/10.3390/soc15010006
圖：ChatGPT 生成
二、「內容好看」和「真正有助學習」的最大差別
備課是辛苦的，臺上的每一分鐘，我們所說出來的每一句話、問出來的每一個問題，都是用專業與經驗慢慢熬出來的。
每一次備課，我會強迫自己思考到三個基本問題：
第一，這堂課結束之後，我希望學生學會些什麼？知道些什麼？感受些什麼？
第二，他們要如何證明自己真的懂了？
第三，我上課選用的素材，是真的有助於學生理解，還是只是在湊熱鬧？
太多老師（包括我自己，我得自首）都有過這樣的時刻：為了讓學生覺得這節課很有趣，花了兩小時去找一張好笑的迷因哏圖、一段超級吸睛的影片……是不是？我們常常在本末倒置，買櫝還珠，搞到最後下課時學生的討論是：「老師你今天那張圖好好笑，去哪裡找的？」
他可能根本沒印象我今天講了哪些課程重點，只記得那張JoJo哏圖！氣死！
所以圖片吸睛好看，當然不等於學生就能學會學好。
哈佛教育研究所零計畫（Project Zero）創辦人大衛．波金斯（David Perkins）提出的「為理解而教」（Teaching for Understanding）的框架一再強調：學習的本質，是學生能否運用知識去解決一個他們從未遇過的新問題。4 如果學生離開教室後，記得的是你的哏圖、你的 AI 插圖，但卻不清楚這堂課的核心概念本身，那麼不好意思，我們必須誠實說：那堂課本身就是失敗的。
好看是一種感官刺激，它屬於當下的情緒感受；學習則是一種認知重組，它屬於未來的技能增長。煙火放完就沒了，種子才能長出新東西。
4.Perkins, D. (1998). What is understanding? In M. S. Wiske (Ed.), Teaching for understanding: Linking research with practice (pp. 39–57). Jossey-Bass.
圖：ChatGPT 生成
三、教學者真正需要的，是批判性AI素養
2026年4月，梅德．卡爾巴赫（Med Kharbach）博士發布了一份給教師使用AI的素養指南〈Critical AI Literacy: A Short Guide for Teachers〉。5
卡爾巴赫在指南中區分了兩個很重要的概念：
AI 素養（AI literacy）：我如何有效地使用工具？
批判性 AI 素養（Critical AI literacy）：這個系統對知識、對權力做了什麼？它有哪些偏見？
前者關心技術熟練度，後者關心的是：誰建造了這個工具？誰的資料訓練了它？誰從它的輸出中受益？誰又被它傷害？前者在意的重點是「怎麼使用 AI 」，後者關注的焦點在於是「人類如何質疑 AI ？」。批判性AI素養的養成，是為了幫助我們質疑系統、識別偏見以及好好地保護自己的思考。
Roe、Furze 與Perkins（2024）把批判性 AI 素養定義為：「有能力批判性地分析並參與 AI 系統，理解其技術基礎、社會影響與內嵌的權力結構，同時意識到其侷限、偏誤，以及對社會、環境、經濟的廣泛衝擊。」6
這份研究提出幾種譬喻：有些人使用 AI，像是「回音室（Echo Chamber）」。你以為在跟 AI 對話，其實你只是在跟自己的回音對話。你偏好的觀點，它不斷迎合你，反而鞏固了你的偏見與錯誤；有些人使用 AI，則像「哈哈鏡（Funhouse Mirror）」你以為在跟 AI 討論現實，但是它的輸出就像遊樂園裡那面扭曲的鏡子：它的確反映了現實，卻是一個被拉長、壓扁、放大或縮小的版本。看起來很像是真的，但其實經過了變形。而由於我們可能從頭到尾不知道什麼才是真實的樣子，就把那個壓扁的、拉長的模樣誤以為是真相。
5.Kharbach, M. (2026, April). Critical AI literacy: A short guide for teachers: Definitions, frameworks, and questions for your class. Educators Technology. https://www.educatorstechnology.com
6.Roe, J., Furze, L., & Perkins, M. (2024). Funhouse mirror or echo chamber? A methodological approach to teaching critical AI literacy through metaphors. arXiv. https://doi.org/10.48550/arXiv.2411.14730
圖：ChatGPT 生成
所以作為一個老師在教學設計時，我們可以如何應用批判性 AI 素養來幫助我們更有力地與 AI 協作進行真實的對話？真誠的反思呢？
卡爾巴赫在指南中整理出六個層面的思考。我將其延伸為與 AI 工具的靈魂共備，方便我們在與 AI 互動時，隨時進行自我反思：
1. 輸出評估（Output Evaluation）：
「我該怎麼進一步確認這個內容是正確的？」「這段話聽起來很有道理，但是有說出什麼具體的例證嗎？」
2. 偏誤覺察（Bias Awareness）：
「如果模型主要是用英文網路資料訓練的，有哪些觀點可能是缺席的？」「用不同語言問同一個問題，答案會不會不一樣？」
3. 思考所有權（Thinking Ownership）：
「在我問 AI 之前，我自己有什麼想法嗎？」「如果將AI的輸出內容全部拿掉，我自己還有什麼想法想補充的？」
4. 系統理解（System Understanding）：
「為什麼 AI 會產出聽起來很自信，其實是錯的答案？」「AI是真的理解我們的問題，還是只是在預測我們的想法？」
5. 倫理覺察（Ethical Awareness）：
「訓練這個模型使用了誰的作品？他們有被補償嗎？」「把AI生成的內容當作自己的知識創作產出，合理嗎？」
6. 策略使用（Strategic Use）：
「這個任務的目標是什麼？使用 AI 是支持了還是削弱了我預設的教學目標？」「我有沒有先自己把困難的部分思索過一遍、釐清過一次，再讓 AI 幫你精煉？」
這六個層次的思考，可以拿來問問我們自己，也可以拿來問問學生。下一次當我們準備打開 AI工具生產簡報、命題之前，可以記得先問問自己最後那一題：「使用 AI，是支持了還是削弱了我預設的教學目標？」
圖：ChatGPT 生成
我覺得真正的「素養」，是知道何時、何地、為什麼要使用它，以及最重要的是：知道什麼時候不要使用它、甚至拒絕使用它。
或許有些時候，在資訊超載的時代，能減掉雜訊的老師，比能增加內容的老師更專業。
AI 時代：兩個最關鍵的教學設計原則
回到最開頭的問題意識：那究竟什麼樣的內容設計，才是真正能讓學生看得下去、記得住又學得會？結合上述的研究與卡爾巴赫指南的提問框架，我想提出兩個 AI 時代最關鍵的教學設計原則：
原則一：先問學習目標，再選呈現方式
在打開任何 AI 工具之前，先回答一個問題：這堂課的核心目標是什麼？如果一張圖能讓學生更理解目標，那就用啊！如果只是看起來好看，那可能它就是認知負擔，請果斷拿掉。不要讓好看成為我們備課的終點站。我們的工作是老師，又不是美妝師對吧？！
原則二：用 AI 生成素材時，一定要加上人類過濾後的判斷
AI不是最終產出者，老師才是。老師的角色是策展人，不是搬運工。每一份AI生成的投影片、每一張AI生成的插圖，都應該通過三個檢核關卡：這個資訊正確嗎？這樣的呈現有沒有偏誤？這個素材真的對學生理解有幫助嗎？如果有任何一個答案是「不確定」，就退回去修改，或者乾脆不要用。
很多人喜歡問：AI 來了以後，哪些職業會被取代？以後還需要老師嗎？
我的答案一直都是：會被取代啊！如果我們只是把自己當作資訊搬運工，這樣的老師當然會被取代。任何時代難以被取代的，永遠都是那些能夠自己判斷資訊、挑戰資訊、全心全意設計有效學習的老師。
在 AI 時代，老師真正的專業，不在於誰的簡報做得更花俏，也不在於誰最會用最新的AI 工具，而在於誰能安排讓學生真正產生思考、提出問題、卡過關卻還是有動力想要突破的學習經驗。
吸睛的工具滿街都是，能讓學習真正發生的老師萬裡挑一。
畢竟讓簡報漂亮不難，讓學習發生才難。讓學生被吸引不難，讓學生願意持續學下去才難。讓 AI 代替我們教學不難，讓我們的教學有真正的人味才難。在一個AI可以輕易產出華麗內容的年代，老師的角色絕對不是產出啦，路人都可以用AI瘋狂產出，還課了金產出一堆廉價的 AI Slop。我們幹嘛還要比產出呢？
老師真正的價值肯定是成為那個幫助學生成為一個理解世界、辨識真偽，即使在混亂的時代仍然願意保有獨立思考的人。