思想家 8 –高中學程的設計從「觀察」與「拆解」進化到 「建模」與「倫理決策」

針對高中學程，教案的設計核心必須從「觀察」與「拆解」進化到「建模（Modeling）」與「倫理決策（Ethical Trade-offs）」。高中生已具備較成熟的數理邏輯與公民意識，此階段的 AI 協作應強調「黑盒子的數學本質」與「社會影響的價值判斷」。

以下是一份針對高中職設計的跨學科教案範本：

🌌 高中跨學科 AI 協作教案：【算法與正義：大數據驅動的社會建模】

• 教學對象： 高中 10-12 年級
• 建議時數： 6 堂課（分為「理論建構」、「AI 實作」、「批判與辯論」三階段）
• 跨學科領域： 數學（機率與統計、線性代數初步）、公民（社會正義、法律制度）、資訊（演算法原理、AI 偏見）、探討與實作。

第一階段：底層邏輯 ——「機率不等於真理」

目標：理解 AI 的第一性原理——從數據特徵尋找相關性，而非因果性。

1. 數學拆解： 老師演示「簡單線性回歸」或「貝氏定理」。讓學生理解，AI 的預測本質上是基於歷史數據的機率分佈。
2. 第一性思考練習：

1. 案例：假設某 AI 預測「穿紅衣服的人更容易犯罪」，是因為歷史數據中紅衣罪犯比例高。
2. 討論：這是「因果」還是「相關」？如果我們直接套用此演算法，會對社會造成什麼本質上的破壞？

第二階段：AI 建模實作 ——「設計一個入學審核 AI」

目標：親手建立判斷標準，觀察「數據偏見」如何產生。

1. 任務設定： 學生分組擔任大學招生官，設計一套「自動審核入學申請」的評分邏輯。
2. AI 協作（使用 ChatGPT 或簡單的 AutoML 工具）：

1. 步驟 A：輸入 50 筆模擬學生資料（包含家長職業、居住地、競賽成績、志工時數）。
2. 步驟 B：讓 AI 學習「過去十年的錄取偏好」，生成一個自動評分模型。

1. 發現黑盒子： 學生測試模型，發現 AI 是否會自動排除「家境清寒但有潛力」的學生？為什麼？（引導學生發現 AI 傾向於複製歷史的不平等）。

第三階段：批判與重構 ——「第一性原理的價值取捨」

目標：在科技效率與人類價值之間，進行高維度的權衡。

1. 方案重構： 學生必須修正 AI 的模型。這不是改程式碼，而是改「權重與底層假設」。

1. 例如：是否該加入「逆境加分」因子？這符合公平的第一性原理嗎？

1. 蘇格拉底式辯論：

1. 辯題：「如果一個 AI 預測犯罪的準確率高達 99%，我們是否應該給予其法律判決權？」
2. 要求：學生必須引用數學概率論與法學原理（如：無罪推定）進行攻防。

評量指標：高中生 AI 領導力規準

💡 給高中老師的教學建議

• 從「黑盒」到「白盒」： 鼓勵學生去追問 AI 「為什麼給出這個答案？」。如果 AI 答不出來（通常如此），那就是學生展現「人類直覺與倫理判斷」的時刻。
• 強化資料素養（Data Literacy）： 高中生應學會辨識「數據垃圾進，垃圾出（GIGO）」的道理。
• 跨學科共時教學： 建議由數學老師講解統計誤差，公民老師討論正義論。這種跨學科的碰撞是訓練思辯的最強能量。

結語：
高中教育應將 AI 視為一面「鏡子」。透過觀察 AI 的局限，學生能更深刻地理解人類的智性價值——那就是在機率之外，我們擁有選擇正義與承擔責任的能力。