AI 素養

本節將根據研究者在文獻上之整理，結合科技素養之定義與構面，

描繪AI 素養的架構圖，並進一步說明 AI 素養各構面之內涵與其所對應 之學習內容。

一、AI 素養的內涵

AI 在國內教育的現況與教材的使用上，已於第一節概述過，瞭解到 以教育部的教材為主，我國在 AI 的教育上目前已認識 AI 的當代應用與 各類演算法為主要授課內容，而國外則有部分學者與機器人或產品結合，

讓學生體驗 AI 的運作原理。

為了驗證教育部教材編撰之的學習內容是否符合當代 AI 趨勢，研 究者整理國內外針對 AI、AI 教育的相關文獻，找出與《和 AI 做朋友》

教材各章節有相關之關鍵字，希望探究出「AI 課程到底要教些什麼？」

以利之後為 AI 素養的構面定義細項的學習表現，如下表 2-3 所述：

表 2-3

Schmidhuber, 2015

表2-3 Kumaran, Summerfield&

Botvinick, 2017;

Ching, et al., 2018 Steinbauer, Hirschmugl-Gaisc h& Huber, 2016

AI 的研究涉及內容廣泛，被認為

表 2-3

Norving, 2010

電腦透過演算法，不斷從經驗中 Wu, Kulkarni, &

Tenenbaum, 2017

電腦視覺是個跨領域的研究，除

(一) 演算法

其實AI 就是一種大範圍的數學演算合體（Draskovic , 2018），不 論是分類器或神經網路，要活用 AI，必須能夠掌握演算法運作的原 理，包含數學計算的邏輯、適用的資料類型等。如《和 AI 做朋友》

教材中的KNN 分類器、K-means 演算法。

(二) 機器學習

機器學習是 AI 最具代表的領域，近年發展快速的深度學習、對 抗學習等都屬於機器學習的範圍，透過訓練機器，讓機器表現出人 類的決策行為。如《和 AI 做朋友》教材中的監督式學習、非監督 式學習；《AI 導論》教材中的生成式對抗學習。

(三) 語音/影像辨識

語音辨識包含了自然語言處理，目的是將人類的語音轉換成文 字，並執行相關指令或進行回饋；而影像辨識則是讓機器對平面圖 像或動態影像進行解析，不僅要看的到，更要看的懂，藉此做出反 應與回饋。如《和 AI 做朋友》教材中介紹的語音助理、歌曲辨認、

植物辨認、車牌辨認等。

(四) 大數據

機器學習的背後，往往有大數據分析的影子，資料的完整性與 正確性，著實影響訓練的過程與結果。而如何使用大數據所提供的 資訊作為改善訓練結果或實務，抑是 AI 應用的重要部分。如《和 AI 做朋友》教材中提到的數據整理、網路爬蟲、數據蒐集等。

(五) 綜合應用

一套完善的 AI 系統，可能需要大數據的收集，透過適合的演算 法進行機器學習，以達到更佳的辨識能力或決策支援。而面對現實 生活問題時，往往需要的是整合的能力，不論是數據的調整、演算 法的修正，都有機會讓機器學習的成果臻於完善。如《AI 概論》教 材中介紹的智慧金融、智慧家庭與社交。

以上五個主要項目，即為AI 素養測驗中的會進行出題之主要內容，

然以學習內容為素養進行分類並不妥當，畢竟科技日新月異，科技類型 的測驗須隨時代更迭進行變更，太細的知識或容易遭淘汰的技能，很可 能在數年後即不符合時宜（NAGB, 2018），因此研究者將進一步為 AI 素養定義更完善的結構。

二、本研究所定義的 AI 素養

AI 課程應屬於我國科技領域範疇。雖然目前教育部已發展 AI 教材，

但並未直接將教學活動編進課綱的安排中，這類課程仍屬於選修或彈性 課程的範圍。然其實在教育部（2018）頒布的「十二年國民基本教育課 程綱要國民中學暨普通型高級中等學校─科技領域」中關於科技應用專 題課程的學習內容即敘述到：「科技應用專題」強調設計思考與運算思 維的整合，可統合資料探勘、大數據分析、影音處理、自動辨識、AI、

網際網路、機電原理、工程設計與科技產品開發自造等進行專題研究，

讓學生選擇有興趣的議題、主動求知、定義需求，整合科技原理與實作 技能，結合工程設計思考流程來解決現實世界問題，進而完成知能並進 的專題作品（教育部，2018）。因此研究者將從科技領域課程的角度切 入AI 素養的探討。

洪國峰（2016）在發展科技素養量表時，根據國內外學者理論，將 科技素養分成科技知識、科技技能、科技能力、以及科技態度四個構面，

本研究將AI 素養定義與科技素養進行對照，惟將技能與能力合併為技 能一個構面。本研究選擇教育部 AI 教材《和 AI 做朋友》作為學生能力 表現的依據，從表 2-1 的描述可以發現，AI 的技能主要即為運算能力的 實際表現，以及不同 AI 分支的分辨能力；而在能力方面，溝通合作能 力僅在國小〈相逢篇〉兩個章節有提到，故將技能與能力合併為一個構

面，不特別獨立出來，且主要側重在邏輯推理或數學計算等技能上，作 為 AI 技能構面。

因此本研究所建立的 AI 素養將分成 AI 知識、AI 技能、以及 AI 態 度三個構面，如圖 2-2，分別簡述如下：

圖2-2 AI 素養架構 資料來源：研究者自行繪製

(一) AI 知識

學生是否具備完整知識，是會影響到學生在其它方面的能力表現 的（Kimbell, Stables, & Green, 2002）。在學習 AI 的時候，學生必須 具備基礎的知識才夠了解機器學習的背後原理。

因此在 AI 的知識層面上，「問題解決」包含如何調整機器學習 的成果、或針對現實困境提出問題解決方法；「AI 原理」包含 AI 的 定義、機器學習的分類、演算法的程序與目的；「產業實務」包含 AI 的發展、當代 AI 的應用等。

(二) AI 技能

技能強調的是目標動作與心智之間的聯合發展，透過學習與訓練，

發展成熟的動作或精確的技巧。學習 AI，除了知識的建構之外，仍 須透過實際的計算、設計來驗證理論的正確與否，而在學習資源允 許的情況下，結合程式編碼進行實際的機器學習、辨識訓練，並評 估訓練結果、調整策略即更有助於 AI 學習者技能的培養。

因此在 AI 的技能層面，「邏輯推理」包含決策樹繪製、資料整 理與除錯；「數學計算」係指演算法計算與解釋的能力、「選用策略」

包含分辨不同學習法的異同處，並選用不同學習法面對不同課題的 應用方式等。

(三) AI 態度

在科技教學活動中，不僅要重視學生的知識學習和技能訓練，

正向態度、興趣和價值觀的培養亦是教育工作者不可忽視的細節

（Yu, Lin, Han, ＆ Hsu, 2012）。面對日新月異的科技發展，AI 在 日常生活中的應用已相當普遍，面對這些科技產物、國家政策或世 界的趨勢，學生抱持怎麼樣的觀感與態度，亦是值得觀察的一環。

因此AI 的態度層面，「AI 興趣」包含參與 AI 相關活動、未來 從事AI 相關工作；「AI 貢獻」包含 AI 對國家的發展、AI 介入生活 的看法；「AI 決策」包含政府的 AI 發展政策、AI 相關爭議等。

透過文獻整理、教材分析，研究者將 AI 素養分成三個構面，包含 AI 知識、AI 技能和 AI 態度，而每一個構面在細分成三個子項目，建立 完整架構，期望透過AI 素養測驗的發展，為 AI 課程做一個完善的整理，

也為後續教育者提供評量的工具，以求在十二年國教的新課綱底下，能 從素養教育的出發點切入 AI 的教與學。