人工智慧素養測驗發展及其與科技素養之相關研究

全文

(1)國立臺灣師範大學科技與工程學院科技應用與人力資源發展學系碩士論文 Department of Technology Application and Human Resource Development College of Technology and Engineering. National Taiwan Normal University Master’s Thesis. 人工智慧素養測驗發展及其與科技素養之相關研究 Development of AI Literacy Test and Its Correlation with Technological Literacy 陳璽宇 Chen, Si-Yu. 指導教授：張玉山博士 Advisor: Chang, Yu-Shan, Ph.D.. 中華民國 109 年 7 月 July 2020.

(2)

(3) 誌. 謝. 學得越多，才知道自己不懂的更多。數學系出身的我，一路上有很多適應問題，我都不敢想像現在能安然坐在家裡打這篇謝誌。首先當然要感謝我的指導教授玉山老師，總是給我實用的建議，才疏學淺的我總是花時間在學著科技系的邏輯，因為有您的包容我才有今天的成長；同時也要感謝游老師不僅擔任我的兩次口委，更是我自信的來源，在我最困惑的時候總會想起您的鼓勵，繼續邁進。當然也要感謝科技系前輩，文宏和經政的幫忙，是我撰文路上最耀眼的明燈，每次跟你們求救完都像打了強心劑。了不起，負責！在家靠家人，在外靠朋友。感恩爸媽一路支持，您們在花蓮辛苦了。感恩呂衍擔任我的核對數據小天使，感恩宜珍、琇慧擔任英文摘要小天使，讓我事半功倍；感恩同期家族成員安琪、至恩、政諺，兩次的幫忙真的讓我很感動，預祝你們都能完成論文、順利畢業；感恩 P 群的好同學們，一起垃圾話和拼畢業的日子，我永遠忘不了。最後，感恩努力到今天的自己。別忘了這段日子以來的累積，還有這一路上幫助自己的人們，請帶著這些祝福繼續前進。無限大な夢のあとの…on my love（和田光司，1999）。就像 20 年前被選召的那個孩子，支持你的童年會悄悄離去，但更美好的未來也正在前方等著你，加油！陳璽宇 2020 年 8 月謹誌於永和. i.

(4) ii.

(5) 人工智慧素養測驗發展及其與科技素養之相關研究研究生：陳璽宇指導教授：張玉山. 中文摘要本研究以教育部《和 AI 做朋友》系列教材為主，發展一份「人工智慧素養測驗」，據此分析我國當代高中生的 AI (artificial intelligence)素養表現情形與差異性，包含 AI 知識、AI 技能、AI 態度三個構面。本研究進一步探討不同性別、不同資訊來源之高中生是否會在 AI 素養的表現上有所差異或趨向，同時以洪國峰（2016）所發展之科技素養量進行測驗，並透過統計工具 SPSS 分析 AI 素養與科技素養之間的相關性。本研究主要結論：(1)研究者自行開發的 AI 素養測驗具備優良的信、效度，未來研究者可使用與推廣；(2)我國高中生在 AI 素養的表現屬於中低程度；(3)男、女高中生僅在 AI 態度表現上面有顯著差異，在 AI 知識、AI 技能等構面上沒有顯著差異；(4)如何接收 AI 資訊大多不影響高中生 AI 素養表現，僅選擇透過「學校課程」接收 AI 資訊與知識的學生具有較佳的 AI 態度素養表現；(5）AI 素養與科技素養在態度構面上存在顯著高度相關，知識、技能構面倆倆之間亦皆存在顯著低度相關。. 關鍵詞：AI、人工智慧、AI 素養、科技素養、AI 素養測驗. iii.

(6) iv.

(7) Development of AI Literacy Test and Its Correlation with Technological Literacy Author: Chen, Si-Yu Advisor: Chang, Yu-Shan. ABSTRACT This research developed an AI (artificial intelligence) Literacy Test based on a series of teaching materials by the Ministry of Education. The purpose of this research is to analyze contemporary senior high school students’ performance on AI Literacy in Taiwan, including three dimensions: AI knowledge, AI skill, and AI attitude. This research also discussed if different genders or different information sources would affect the students’ performances on AI. At the same time, this research analyzed the correlation between AI literacy and technology literacy by using Hung’s technology literacy test. Those main results of this research were: (1) The AI literacy test had good reliability and validity which was worthy recommended and applied. (2) Senior high school students in Taiwan presented low to medium level on AI literacy performances. (3) The students’ performances represented significant difference only on AI attitude between the gender. (4) The different information resource didn’t affect the students’ performances, but only the students’ who chose to receive AI information and knowledge by the school courses had better performances on AI attitude. (5) AI literacy and technology literacy was revealed to highly correlated on attitude dimension and lowly correlated between knowledge and skill.. v.

(8) Keywords: AI, artificial intelligence, AI literacy, technological literacy, AI literacy test. vi.

(9) 目誌. 錄. 謝 ....................................................................................................... i. 中文摘要 .....................................................................................................iii ABSTRACT ................................................................................................. v 目. 錄 .................................................................................................... vii. 表. 次 ..................................................................................................... xi. 圖. 次 ...................................................................................................xiii. 第一章緒. 論 ............................................................................................ 1. 第一節. 研究背景與動機 .................................................................... 1. 第二節. 研究目的與待答問題 ............................................................ 7. 第三節. 研究範圍 .............................................................................. 10. 第四節. 名詞解釋 .............................................................................. 11. 第二章文獻探討 ...................................................................................... 13 第一節. 人工智慧 .............................................................................. 13. 第二節. 科技素養 .............................................................................. 22. 第三節. AI 素養 ................................................................................ 29. 第三章研究方法 ...................................................................................... 39 第一節. 研究架構 .............................................................................. 39. 第二節. 研究對象 .............................................................................. 43. vii.

(10) 第三節. 研究方法與流程 ................................................................. 44. 第四節. 研究工具 ............................................................................. 47. 第五節. 資料處理與分析 ................................................................. 57. 第四章資料分析與討論 .......................................................................... 59 第一節. 正式 AI 素養測驗施測........................................................ 59. 第二節. 高中生 AI 素養表現現況 .................................................... 66. 第三節. 不同背景變項的高中生 AI 素養表現之差異 .................... 74. 第四節. 高中生 AI 素養與科技素養之相關性 ................................ 87. 第五章結論與建議 .................................................................................. 97 第一節. 研究結果 ............................................................................. 97. 第二節. 建議 ................................................................................... 102. 第三節. 研究限制與未來研究建議 ................................................ 103. 參考文獻 ................................................................................................. 107 一、中文部分 ................................................................................. 107 二、外文部分 ................................................................................. 109 附. 錄 ................................................................................................. 115 附錄一 AI 素養測驗態度量表-預試問卷........................................ 117 附錄二 AI 素養測驗知識與技能測驗-預試問卷 ............................ 119 附錄三 AI 素養測驗態度量表-正式問卷........................................ 132. viii.

(11) 附錄四 AI 素養測驗知識與技能測驗-正式問卷 ............................ 134 附錄五《AI 知識與技能測驗》參考答案 ..................................... 144. ix.

(12) x.

(13) 表. 次. 表 2-1 三階段教材的學習目標 ................................................................ 19 表 2-2 學者對科技素養的見解 ................................................................ 24 表 2-3 相關研究 ........................................................................................ 30 表 3-3. AI 態度量表預試項目分析摘要表（N=137） ........................... 48. 表 3-4. AI 態度量表因素分析摘要表（N=137） ................................... 51. 表 3-5. AI 態度量表預試內部一致性分析摘要表（N=137） ................ 52. 表 3-6. AI 知識與技能測驗第一次預試分析結果（N=137） ................ 54. 表 3-7. AI 知識與技能測驗第二次預試分析結果（N=102） ................ 55. 表 4-1. AI 知識與技能測驗-構面與學習內容雙向細目表 ..................... 60. 表 4-2. AI 態度量表正式施測項目分析摘要表（N=554） .................... 61. 表 4-3. AI 態度量表正式施測因素分析摘要表（N=554） .................... 63. 表 4-4. AI 態度量表正式施測內部一致性分析摘要表（N=554） ........ 64. 表 4-5. AI 知識與技能測驗正式施測分析結果（N=554） .................... 65. 表 4-6. AI 態度量表平均值及標準差分析結果（N=554） .................... 67. 表 4-7. AI 興趣、AI 貢獻、AI 決策與 AI 態度量表總分之相關分析 .. 70. 表 4-8. AI 知識與技能測驗之各學習表現答對率分析摘要................... 72. 表 4-9. AI 知識、AI 技能、AI 知識與技能測驗總分之相關分析 ........ 73. 表 4-10 不同性別在 AI 素養測驗的平均數與標準差 .............................. 75. xi.

(14) 表 4-11 不同性別在 AI 素養測驗表現之差異分析 ................................. 75 表 4-12 學生對不同 AI 資訊來源的意向分析（N=554） ...................... 76 表 4-13. AI 資訊來源的平均數與標準差 ............................................... 77. 表 4-14 從電視節目獲得 AI 資訊對高中生 AI 素養的差異分析 ........... 79 表 4-15 從娛樂影音獲得 AI 資訊對高中生 AI 素養的差異分析 ........... 80 表 4-16 從網路資源獲得 AI 資訊對高中生 AI 素養的差異分析 ........... 81 表 4-17 從報章雜誌獲得 AI 資訊對高中生 AI 素養的差異分析 ........... 82 表 4-18 從參加營隊獲得 AI 資訊對高中生 AI 素養的差異分析 ........... 83 表 4-19 從參加競賽獲得 AI 資訊對高中生 AI 素養的差異分析 ........... 84 表 4-20 從學校課程獲得 AI 資訊對高中生 AI 素養的差異分析 ........... 85 表 4-21. 科技態度量表平均值及標準差分析結果（N=554）............... 89. 表 4-22. 科技知識與技能測驗之各學習表現答對率分析摘要 ............. 92. 表 4-23 高中生 AI 素養與科技素養之相關分析..................................... 93. xii.

(15) 圖. 次. 圖 1-1 教育部 AI 教材 ............................................................................ 5 圖 2-1 科技素養架構 ............................................................................ 26 圖 2-2. AI 素養架構 ............................................................................. 36. 圖 3-1 研究架構圖 ................................................................................ 40 圖 3-2 本研究實施流程 ......................................................................... 46. xiii.

(16) xiv.

(17) 第一章緒. 論. 本章將針對研究題目闡述研究背景與動機，進而說明研究目的，並界定研究範圍，最後為所用到的幾個專有名詞提出解釋，依序為本研究進行初步之說明。本章共分四節，第一節是研究背景與動機、第二節是研究目的與待答問題、第三節是研究範圍、第四節是名詞解釋。. 第一節研究背景與動機本節將敘述人工智慧在當代的發展，包含科技應用面與教育教材，以建立本研究的研究背景，同時引述國內外相關文獻，找出理論基礎與尚值得研究的問題點，作為本研究之研究目標。. 一、研究背景人工智慧（Artificial Intelligence，以下簡稱 AI）是一種科學技術的全新革命，人類的物質生活與經濟產業正因它發生了全命性的改變。不論是零售業、服務業、金融業、醫療生技、工業機器人、自動駕駛技術等，都可以看到 AI 應用的身影，不只衍生商機，也引領著全球發展的風潮（行政院新聞傳播處，2017）。在日益進步的人工智慧發展下，近如人類的產業、經濟、日常生活各層面，遠至生物醫學、太空技術皆有不斐的應用成果（Yu, Beam, & Kohane, 2018；Liu, 2019）。無論是技術研發、產業變動、生活影響、人才培育、教育發展等方面，AI 扮演著當代 1.

(18) 文明重要的角色，之所以被稱作第四次工業革命，正因為與前三次革命相比，它將對人類未來產業發展和生活模式帶來更巨大之影響（Skilton, & Hovsepian, 2017）。為了發展 AI 產業，我國政府亦宣示 2017 年為台灣 AI 元年，科技部發佈了《人工智慧推動策略》、教育部也提出《人工智慧技術及應用人才培育計畫》，旨在積極培育未來 AI 跨領域人才（教育部，2017），希望能在這波浪潮之下，緊跟世界產業趨勢，做好迎接未來的準備。我國除了發展 AI 相關產業與技術之外，扎根教育亦是當務之急。科技的發展突飛猛進，AI 的應用發展也漸漸普及在人們的生活當中，各行各業中均有全新突破，不論是交通、娛樂、醫療或是服務業，皆有機會可以看見 AI 涉入的蹤跡，必須承認這項科技已經改變人們的生活、工作，甚至思考模式，它將會為全人類的政治、教育或經濟帶來一場不同過往的變革（李開復、王詠剛，2017）。今後人類所面臨的生活環境與工作場域，將與 AI 密不可分，因此，AI 的基本認知、能力、及態度的培養，將是各級教育與課程中，必須達成的教育目標（張玉山，2019），一來建立國民對 AI 的基礎了解，二來培養國家未來的科技人才，才不會在 AI 的時代中被淘汰。我國行政院（2017）亦指出，AI 時代的學習內容並不是重點，如何應用 AI 技術更關重大，AI 教育在未來必然會產生革命性改變（行政院. 2.

(19) 新聞傳播處，2017）。AI 發展產生教育界革命性的影響，告別傳統填鴨式教育，背誦學習的課程會減少，課室的多元性將獲得提升，不會只是培養出一群考試機器。次之，AI 不但可以讓學生記錄學習內容，透過 AI 協助，能讓學習更有效、成長更快，教師也得以藉學生回饋來分析學生的學習，檢視教學策略，進而獲得成長（行政院新聞傳播處，2017）。正因處在這樣的時代中，所以學習 AI 就顯得刻不容緩。在這個資訊爆炸的 21 世紀，數據的來源性越來越多，多到已經超過人類傳統上可以辨識的能力，所以我們需要了解 AI 的工具、演算法如何使用在形象識別、語音辨識、自動化、或是日常生活裡常發生的狀況中，幫助人們可以更快、更準確地做出認知與決策（李傑，2019）。 AI 過去談的很多，但並未有系統性的整理與解析，片面與破碎的概念就像是散亂的拼圖（陳信希，2019）。在 AI 的時代，不只是知識經濟、更是智慧經濟時代，因此當代的我們必須具備應用 AI 的知識、態度、及技能，才得以將 AI 的價值擴展到實務層面。. 二、研究動機學習 AI 固然重要，然而目前國內外對 AI 的研究，大部分還是著重在技術研發、系統發展或是產業應用，對於教育端的研究，還是起步階段，「如何讓 AI 課程落實在素養教育」依舊是一個模糊的問題，卻是當. 3.

(20) 代教育潮流下不可忽視的議題。學習 AI 這類的科技課程，即是一種訓練學生高階思考能力的過程。我國教育部（2017）在科技領域課程手冊中亦提到，十二年國教科技領域之課程目標依據總綱核心素養訂定，將培養學生的「科技素養」視為焦點，進而建構學生科技的高階思考能力，包含批判思考、創造思考、問題解決、系統性思考、邏輯與運算思維等。配合科技素養的落實，新興科技的範疇即包含了 AI 課程，亦被歸類在「科技應用專題」課程的學習內容中，旨在培養學生探索科技領域新知之能力，運用科技工具存取資料、進行分析與運算，並透過實作學習整合軟硬體，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，2019）。為了推廣 AI 教育，同時將 AI 奠基於中小學課室，培育學生成為未來世代的 AI 人才，教育部（2019）籌組專家學者團隊，執行「AI 技術應用與人材培育計畫—中小學分項：中小學推廣教育計畫」，發展中小學 AI 教材教案示範例。其 AI 課程之架構如圖 1-1 所示。因 AI 範疇廣袤、分支非常多，編篡團隊根據運算資源及硬體設備、核心技術面、應用面等三個面向劃分 AI 技術範疇，以支持 AI 運作最基本需求的運算資源及硬體設備為基礎，延伸出「機器學習」、「深度學. 4.

(21) 習」……等核心構面，最外圈再以上述基礎發展出生活應用子項（教育部，2019）。該教材目前先以「機器學習」和「深度學習」兩大主題開發完整教案與教材，同時預計在之後的階段繼續開發「資料探勘」與「搜尋演算法」等主題之教材。. 圖 1-1 教育部 AI 教材資料來源：出自教育部（2019）. 然在建立 AI 產業願景、教育藍圖、或發展 AI 教材時，鮮少人去討論學習 AI 能如何提升國民素養？而科技素養在強調「學生生活經驗或問題解決需求」時，AI 又扮演了什麼樣的角色？研究者從我國線上資料庫搜索，幾乎沒有找到國內有相關文獻在探討 AI 素養（以下簡稱 AI 素. 5.

(22) 養）或學習 AI，大多 AI 相關研究致力於各領域的應用、演算法的創新、引進 AI 與傳統方法進行比較……等，教育方面只有提及加入實作活動可以幫助學生學習 AI，但對於學生的實際能力提升或態度轉變，並無著墨。而科技課程與 AI 課程之間的連結性也略顯薄弱，雖然人們普遍會將 AI 與科技做聯想，但是在教育上的相關性尚未有完整的描述或研究。再者，什麼要素會影響學生學習上的表現，包含科技態度、技能表現等等，一直是科技教育工作者所關心的議題，其中性別的差異即是最常拿來探討的一個變項（Weber & Custer, 2005）。在 PATT 的研究曾經指出，不同性別的人們對於科技產品所抱有的態度會存在差異，且大部分研究都顯示男性會較女性有較高的科技興趣（ Voke & Yip, 1999;. Voke, Yip, & Lo, 2003）。而國內的學者針對我國國中生進行施測的結果也顯示，國中男生對於科技的態度，尤其是興趣構面的分數皆高於女生（游光昭、韓豐年、徐毅穎、林坤誼，2005；洪國峰，2016）。由此可知，不同性別可能會影響學生在素養上之表現，如果科技素養的研究上有此差異，那在 AI 素養上是否也會有此差異？男、女生在 AI 興趣或是技能的表現上是否也會有不同之處？除此之外，透過不同管道吸收新知與資訊，也會影響個人在科技素養上的表現（Durant, Evans, & Thomas, 1989；洪國峰，2016）。當學習者具備高度的興趣時，會主動透過各式管道來吸收新知與資訊，所以在. 6.

(23) 知識和技能方面的表現也會較優異。簡單來說，接觸資訊的機會越多，獲得的新知越多，在素養表現上也會較佳，反之不常透過管道吸收資訊者其在素養的表現自然相對較低。黃臺珠（2014）經研究發現，我國大部分民眾最主要還是透過「電視節目」來接收科技相關資訊與新知，次之是網路媒體與報章雜誌等，但反觀網路進步、智慧型手機成熟的現代，在時空環境的變動下，學生的資訊來源是否會有所改變？而透過不同管道吸收新知與資訊的學生在素養的表現上是否又真的有所差異？基於想了解在當代教育浪潮下，何謂 AI 素養？AI 素養的培養與相對成熟的科技素養之間又有什麼相關性？不同性別和不同資訊來源是否會影響個人 AI 素養表現？故研究者將「AI 素養測驗發展及其與科技素養之相關研究」選為個人研究主題，希望藉此機會定義 AI 素養，開發一份信、效度俱足的研究工具，進一步研究我國當代高中生的 AI 素養表現，並探究 A 素養與科技素養之間的相關性。. 第二節研究目的與待答問題透過本研究，了解人工智慧學習者的關鍵素養有哪些？同時針對受試者進行施測，評估科技素養是否真的與 AI 素養有所相關。希冀藉此幫助未來人工智慧教育者在教學活動的設計和教學策略的安排，並可從學生科技學習表現背景切入以預測在人工智慧的學習表現。. 7.

(24) 一、研究目的根據本研究的背景和動機，擬定欲達成之研究目的，說明如下： (一) 發展高中生 AI 素養測驗。 (二) 分析高中生的 AI 素養表現。 (三) 探討不同背景變項之高中生的 AI 素養表現差異。 (四) 探究高中生 AI 素養與科技素養之相關性。. 二、待答問題以上述之研究目的為主要脈絡，將本研究預解答的問題說明如下： (一) 研究目的一：發展高中生 AI 素養評量測驗。 1. 何為AI素養在知識構面的內容？. 2. 何為AI素養在態度構面的內容？ 3. 何為AI素養在技能構面的內容？ 4. 高中生AI素養測驗是否具有信、效度？ (二) 研究目的二：分析高中生的 AI 素養表現。 1. 高中生在AI素養的知識構面的表現情形如何？. 2. 高中生在AI素養的態度構面的表現情形如何？ 3. 高中生在AI素養的技能構面的表現情形如何？. 8.

(25) (三) 研究目的三：探討不同背景變項之高中生的 AI 素養表現差異。. 1. 男、女高中生在AI素養的知識構面其表現有何差異？ 2. 男、女高中生在AI素養的態度構面其表現有何差異？ 3. 男、女高中生在AI素養的技能構面其表現有何差異？ 4. 不同資訊來源的高中生在AI素養的知識構面其表現有何差異？. 5. 不同資訊來源的高中生在AI素養的態度構面其表現有何差異？ 6. 不同資訊來源的高中生在AI素養的技能構面其表現有何差異？ (四) 研究目的四：探究高中生 AI 素養與科技素養之相關性。 1. 高中生的AI素養表現與科技素養表現在知識面上是否具有相關性？. 2. 高中生的AI素養表現與科技素養表現在態度面上是否具有相關性？ 3. 高中生的AI素養表現與科技素養表現在技能面上是否具有相關性？. 9.

(26) 第三節研究範圍本節旨在根據「AI 素養測驗發展其與科技素養之相關研究」來界定研究範圍，包括測驗內容與研究對象。. 一、AI 素養測驗本研究以自行開發的 AI 素養測驗作為量化學生 AI 素養的工具。題目方面大部分以教育部《和 AI 做朋友》系列教材為基礎，斟酌參考坊間其它人工智慧教材，以不超過高中生學習範圍與理解能力所及的內容做為命題參考標準，探究學生在人工智慧相關知識、技能與態度具備何種程度的表現。. 二、研究對象本研究採便利抽樣，鎖定北部高中學生，第一次預試以某所新北市立高中為主，共計 4 個班級，包含 3 個社會組班級與 1 個自然組班級，共計 137 名高二學生；第二次預試以另一所新北市立高中為主，共計 4 個班級，包含 2 個社會組班級與 2 個自然組班級共計 102 名高二學生；正式施測以此兩所新北市立高中為主，共計 17 個班級，包含 10 個社會組班級與 7 個自然組班級，共計 554 名高二學生做為研究對象，藉以了解當代高中生在 AI 素養測驗中的實際表現。. 10.

(27) 第四節名詞解釋針對本研究所使用之專有名詞，依其內涵與本研究用途解釋說明，包含 AI 素養與科技素養等四項。. 一、AI 素養（AI literacy）本研究欲發展 AI 素養測驗，旨在了解高中生對人工智慧的知識、技能、態度三構面的表現。包含了解人工智慧發展歷程、人工智慧角色、圖靈測試方法、二分法、簡單數據分析、決策樹設計、監督式學習、非監督式學習、深度學習……等等知識；整理資料、繪製決策樹、計算與運用演算法、選擇正確的機器訓練方法……等技能，並能理解人工智慧目前具備何種能力、在現實生活中的應用領域、未來可能的發展空間及限制、對於人工智慧的感受等態度。. 二、科技素養（technological literacy）「科技素養」的內容包含能夠操作科技產品、使用科技工具和對於與生活環境相關的科技議題提出評估與批判，具備科技素養的公民應能解析科技產物，針對現實生活的情境提出問題解決策略，達成解決課題的目標（NAGB, 2010）。本研究所採用的「科技素養」以洪國峰（2016）定義的構面為主要參考，指的是學生應具備科技知識、掌握科技技能、涵養科技態度、培養科技能力以解決日常生活會遇到的實際問題。詳細 11.

(28) 構面內涵會在第二章文獻探討時進行說明。. 12.

(29) 第二章文獻探討本章將針對本研究所提及之 AI 素養與科技素養相關文獻進行探討，並透過相關研究初步歸納變項間之相關性，以建立本研究的理論基礎。本章共分為四節：第一節是人工智慧、第二節是科技素養、第三節是 AI 素養、第四節是素養間的關聯。. 第一節人工智慧本節將簡述 AI 的發展史與分類，接著進一步探討國內外 AI 教育上的現況與相關研究，整理相關 AI 教材，以建立苯研究發展 AI 素養測驗題項內容之理論基礎。. 一、AI 的定義與當代發展 AI 係指人造的機械智慧技術，透過電腦程式運算，利用演算法進行數據的處理和分析，甚至展開學習功能，模仿人性地思考及行為（Domingos, 2015）。AI 的概念自 1950 年代提出以來便引起計算機界熱議，各種演算法相繼提出，目標是讓 AI 能模擬人類的思考能力，使機器成為智慧代理人（Intelligent Agent）。但由於當時電腦計算能力的不足，且僅能在特定領域解決問題，所以這項技術漸漸乏人問津（Li & Zhang, 2017）。雖然在 1980 年代中期語音辨識、語意翻譯、視覺辨識等概念被提出，但仍受限於機器運算能力尚無法符合預期。然而，2000 年開始， 13.

(30) 電腦運算速度激增，運算能力開始能滿足 AI 的演算需求，AI 又再度成為熱門的話題，大數據、深度學習的概念相繼提出，亦擴展了 AI 的研究範疇與實用性。 AI 的研究涉及內容廣泛，被認為是科學與工程學以外的新學科，是一門跨學科的領域，目前熱門研究項目包含類神經網路（Neural Network）、自然語言處理（Natural Language Processing）、電腦視覺（Computer Vision）、機器學習（Machine Learning）、深度學習（Deep Learning）等（Kandlhofer, Steinbauer, Hirschmugl-Gaisch, & Huber, 2016），不論是在學術或產業上都有高度的曝光。類神經網路與 AI 研究起源有重要關聯。1943 年心理學家 Donald Olding Hebb 研究神經元如何處理信息的模型，提出大腦如何進行學習的假說，隨後被學者們用於訊號處理的研究上。現代的類神經網路是一種基於數學與統計基礎的實際應用，能根據輸入的資訊調整數學模型，也就能夠具有學習功能（Hassabis, Kumaran, Summerfield, & Botvinick, 2017; Ching, et al, 2018）。在 AI 的發展過程中，由於大型的類神經網路運作需要進行大量的計算，早期的電腦無法提供足夠的運算能力，使得類神經網路的研究沉寂了一段時間。但隨著電腦計算能力的進步，類神經網路的研究又浮出檯面，由電腦透過演算法，不斷從經驗中自動修正、調整建模的行為，. 14.

(31) 即稱作機器學習，亦是 AI 領域發展路上的重要根基（Ressell & Norving, 2010）。而深度學習屬於機器學習的一支，其建立於大數據的基礎上，歸功於 GPU、TPU 平行運算技術以及分散式運算技術的發展，使得機器學習得以加速並深化發展，也就是深度學習的概念（Helmstaedter, 2015）。深度學習關鍵的改進是與「深層」網絡合作，這些網絡包含更多隱藏層，並且可以通過新的數學理論模型進行訓練，大幅提高數據判讀的準確性，使其在語音辨識、圖像識別的應用上有了更佳的表現（Ching et al., 2018; Schmidhuber, 2015）。自然語言處理是 AI 的分支學科，主要探討如何分析及處理自然語言，由於語言涉及文化社會的廣泛知識及人類的情感，自然語言處理被視為是 AI 的重要挑戰。除了語音辨識外，自然語言處理最大困難在於口語表達時各個詞彙通常是連續的且句法多變存在模糊空間，使得語意難以清楚解釋。自然語言處理使用數學模型來處理上述問題，利用統計、機率等方法來消歧句義模糊之處，歸功於大數據及深度學習技術，使得近年來 AI 在自然語言處理獲得良好的成果（Goldberg, 2016）。電腦視覺係研究機器如何從圖片及影像中擷取資訊進行處理，並獲得高層次的理解。從工程的角度來看，電腦視覺至少包含對圖片或影像中目標的辨識、測量、追蹤及資訊組織。電腦視覺是個跨領域的研究，. 15.

(32) 除電腦科技外，亦涉及物理、生物學、幾何學以及統計學，透過嚴謹的數學模型及科學分析，能根據圖像的線索進行形狀推斷，例如輪廓、陰影及紋路，達到物體的辨識，結合深度學習基於特徵的演算，電腦視覺甚至做到圖像的修補、渲染及重建 (Soltani, Huang, Wu, Kulkarni, & Tenenbaum, 2017)。綜合以上，AI 的領域正在蓬勃成長，不少技術亦已成熟，因此產業發展與人才培育儼然成為當代各國重要的政策目標，在教育上的施行顯得刻不容緩，學習 AI 將會成為未來學生的基本課程。. 二、AI 教學 AI 教學係指教師藉由相關教材，教導學生 AI 相關課程內容。例如何為 AI、AI 如何影響我們的生活、怎麼妥善應用 AI 於日常生活中等。 Fernandes（2016）即發展出以 AI 優化避障機器人的 PBL 課程，改變以往避障機器人車的解題策略；Guzman（2018）透過受試者與智慧行動助理的互動，讓不同的使用者描述體驗後的感覺，大腦中的印象是與機器對話、還是與科技產品對話。這類課程能夠讓學生體驗到 AI 如何存在我們的生活當中，並有機會學習整個 AI 運作的過程與重點演算法，對該技術有初步的認知與真實經驗。. 16.

(33) 然而，AI 的教學其實並不容易，典型的 AI 教學多為講述式教學，以現實案例及程式編碼進行演示，其實對初學者來說是相對不易入門的（潘志傑，2009）。加上 AI 的背後理論性強，艱深的數學與運算思維並不適用在每一位學童身上，不論是現成的範例、實踐活動或應用體驗皆屬稀少，容易讓學生感到這領域過於理論、整體抽象難懂（謝榕、李霞， 2014），造成學生缺乏完善的 AI 認知，甚至對該領域產生排斥，學習興趣低落，這樣的情況均不是教育工作者樂見的。因此，就有學者透過實體機器人課程輔助 AI 教學。除了上述的 Fernandes 透過 AI 製作避障機器人之外，Kumar 和 Meeden（1998）也曾在大學以機器人實驗進行 AI 入門課程的教學活動，強調演算法的設計可用以使機器人完成不同任務，同時讓學生接觸軟硬體之設計，這樣的機器人實體操作的確讓學生對 AI 更有真實感，也成功大幅提升學生的學習興趣，對於 AI 的認知更加清晰。由此可知，AI 的教學設計，因為富含理論與背後的數學、科學概念，所以面對抽象思考尚在發展的學生時，應透過適當的安排，結合實作或體驗活動，幫助學生建立邏輯上的理解，並了解這項科技如何應用在生活中，以及人類可以怎麼去操控這項技術，幫助人類完成工作或擁有更好的生活。. 17.

(34) 三、AI 教材鴻海教育基金會（2019）與教育部（2019）相繼於我國發行 AI 教材課本。鴻海教育基金會創辦人郭台銘邀請產、學專家群，編篡《AI 導論》一書，並於 2019 年 6 月出版發行，於北中南開辦教師培訓研習，發送課本給與會者，方便第一線教師帶回各自學校進行教學。該教材針對我國高中生設計，以生活案例引發興趣，詳述深度學習的基礎知識，並涵蓋不同技術的介紹，幫助高中學生全面了解 AI 各領域之發展。教育部亦邀請 AI 技術及應用人才培育計畫團隊根據十二年國民基本教育課程綱要，編篡《和 AI 做朋友》系列教材，於同年 8 月發行，並公開於教育部教育雲網站供教師自行取用。該教材共有三冊，分別為〈相逢篇〉的國小教材、〈相識篇〉的國中教材、與〈相知篇〉的高中教材。配合不同年段學生在數理知能的先備知識，所編排之學習內容所涵蓋的深度與廣度皆做適度調整；認知層面的知識之外，亦發展實作教材，除了實體教具（卡牌、遊戲式學習單）之外，中小學結合 Scratch、高中以 Jupyter Notebook 為執行環境，搭配 Google Colab 的操作，讓學生進行演練與開發 AI 應用程式，除了引起學生興趣之外，也呼應生活中的應用實例。然 AI 範疇非常廣泛，不同教材所重視的層面不同，本研究所定義的 AI 素養之知識內容，將以教育部所出版的教材為基礎，統整如表 2-1。. 18.

(35) 表 2-1 三階段教材的學習目標教材階段. 章節. 學習目標 1. 能了解並體驗語音助理及影像辨識的便利，激發學習資訊科技的興趣 2. 能理解圖靈測試方法，並能蒐. 第一章人工智慧故事集測試的問題 3. 能了解人工智慧起飛的原因 4. 能創作創意人工智慧，使生活更便利 1. 能了解二分法分類原則並正確操作國小〈相逢篇〉第二章人工智慧大探索. 2. 能了解人工智慧領域中的數據與特徵及其重要性 3. 能觀察、蒐集、整理水果的數據並能找出水果的特徵 4. 能挑選適當的水果特徵以二分法進行分類 5. 能與他人團隊合作解決問題. 第三章教電腦聰明學習. 1. 能了解並正確操作多分法 2. 能了解機器學習與監督式學習 3. 能依據數據整理決策樹 4. 能應用決策樹進行分類 5. 能與組員合作討論並完成任務. 第四章讓電腦自己學習. 1. 能了解非監督式學習基本概念 2. 能了解階層式分群的方法 3. 能觀察動物，利用相似度建構分群. 19.

(36) 表 2-1 三階段教材的學習目標(續) 教材階段. 章節. 學習目標. 第一章解開AI身世之謎人工智慧簡介. 第二章從不同中發現相同人工智慧的背景知識國中〈相識篇〉. 1. 了解人工智慧的起源與發展歷程 2. 了解人工智慧在生活上各方面的應用 3. 了解人工智慧未來可能的發展趨勢，對人類存在哪些威脅，或是有何限制等 1. 了解人工智慧的基本背景知識 2. 了解資料的蒐集及整理方法 3. 了解在人工智慧領域中，特徵扮演甚麼角色、如何決定特徵 4. 認識人工智慧十大專有名詞 1. 能理解何謂人工智慧的監督式學習. 第三章從樣本中大膽預言監督式學習. 2. 能進行分類 3. 能了解決策樹、線性回歸、感知器及KNN分類器之運作原理與相關應用 1. 了解非監督式學習的概念，並. 第四章從混沌中搜尋同類非監督式學習. 比較其與監督式學習的差異 2. 了解分群的概念 3. 學習K平均分群法的運作原理及相關應用方式 1. 能理解人工智慧的發展起源. 高中第一章人工智慧簡介〈相知篇〉. 2. 能理解人工智慧在現實生活中的應用領域 3. 能理解人工智慧發展歷程中經歷的興衰與造成影響之關鍵因素 4. 能理解人工智慧目前具備何種能力、未來可能的發展空間，以及其限制. 20.

(37) 表 2-1 三階段教材的學習目標(續) 教材階段. 章節. 學習目標. 第二章人工智慧的背景知識. 1. 能理解人工智慧大量數據取得管道 2. 能分辨數據、資料 3. 能理解並進行特徵值標準化. 第三章監督式學習. 1. 能理解何謂人工智慧的監督式學習 2. 能理解特徵值觀念 3. 能理解運用特徵值進行分類的觀念 4. 能了解最短距離分類器、KNN 分類器、決策樹分類器之運作原理與相關應用 1. 了解非監督式學習的概念，並比較與監督式學習間的差異. 高中. 第四章非監督式學習. 〈相知篇〉 (續). 第五章增強式學習. 2. 了解分群Clustering的概念 3. 學習「K-means演算法」的運作機制與相關應用 4. 學習「階層式分群法」的運作機制與相關應用 1. 能理解何謂人工智慧的增強式學習 2. 能理解貝爾曼方程並運用以進行增強式學習 3. 能理解Q-學習的概念並學會更新Q表中的Q值 1. 解深度學習的概念，並能比較與一般傳統分類器在整體架構上之差異 2. 瞭解在深度學習中如何將面臨. 第六章深度學習. 的問題以數學的形式表現 3. 瞭解CNN卷積神經網路中各階層的運作機制，並在課堂上進行實作練習. 資料來源：整理自教育部（2019）。 21.

(38) 考量高中學生應已具備較充足的數理基礎，因此該教材以四種機器學習方法的介紹為主，包括監督式學習、非監督式學習、增強式學習以及深度學習；而編者考慮到學生在數理的先備知識現況，所以國小和國中的 AI 教材較更著重如何引起學生對於學習 AI 的興趣，除了簡單的 AI 發展史之外，AI 在當代生活中的實際應用也有不少著墨，深度的課程內容則以介紹「監督式學習」與「非監督式學習」為主。該 AI 教材包含國小、國中、高中三個年段，但考慮當代時空背景中，我國現在不論是哪個年段的學生應該大多也是初次接觸 AI 課程，所以相逢、相識、相知三種教材並沒有連續性，內容上僅有些許深度與難度的調整（教育部，2019）。每一階段教材都可以獨立使用，每個教材皆從 AI 簡介開始，依序介紹 AI 的核心內容和實際應用，希望不論是哪個年段的學生，縱使沒有 AI 學習背景，亦能建立 AI 的基礎知能與正向情意。. 第二節科技素養本節將簡述科技素養的內涵與國內外文獻之研究結果，建立素養導向科技教育的理論基礎，接著進一步說明本研究所採用之科技素養定義與構面，主要以洪國峰（2016）的研究定義為主。. 22.

(39) 一、科技素養的內涵近十幾年來，以「素養」為核心的教育方針受到國際組織高度重視，舉凡聯合國教育科學文化組織（UNESCO）、經濟合作發展組織（OECD）、歐盟（EU）等大型組織都相繼帶動世界各國進行課程改革，也引領素養教育成為世人所關注的重要議題（洪國峰，2016）。而我國教育部（2014）在推動十二年國民基本教育時，課程發展主軸即為「核心素養」，重視不同學年階段的連貫性、消彌不同科目和領域的鴻溝，強調學習不應被學科知識和技能所限制，應該將重點放在學習本身與日常生活的結合，唯有讓所學得以應用，這樣歷程才能稱為全人教育。總的來說，「素養」是人類為了適應現實世界的一切所發展出來一種生活的基本能力，這種能力同時會因應時代的演進與社會的發展而產生變動。談回科技素養，「科技素養」的概念最早被提出於 1899 年 Dewey 所著的「The School & Society」一書中，這說明了科技素養在當時的學校教育以及社會中扮演著重要的角色。然而「科技素養」一詞是直到 1960 年代，才由美國學者 Marshall Schmitt 首次創用，有關科技素養的議題開始受到重視，各類議題和討論如雨後春筍般發展起來，增加了不少參與論述的學者，伴隨而來的是更豐富的素養課程設計（林志忠，1998）。針對當時較具代表的學者對科技素養的不同見解，統整如表 2-2。. 23.

(40) 表 2-2 學者對科技素養的見解學者. 年代. 主要見解素養是具備使用科技的能力、進而促使科技發. Stashak. 1981. 展，還要能夠對當代或未來的科技提出批判，進而在變幻莫測的科技世界得以生存。強調「觀察力」的重要性，科技素養即為個人對於生存環境的一切觀察、檢驗、體驗和設計；年輕人. Smalley, Brady. 1984 應有能力審視其所見與自身和科技的互動，發展個人的見解，再選擇以此做為觀察世界的心理原則。「科技素養」包括生產與創建，並使用科技方法. De Vore. 1985. 來學習應用科技系統，同時能確實認知到不同科技方法會對他人和社會環境帶來各種衝擊。. 資料來源：研究者整理。. 隨著英國「設計與科技」課程與美國的「科技教育」課程改革，我國也在1993年將「工藝」課程改成「生活科技」（Living Technology）課程，相較於工藝課程著重手工訓練，生活科技的課程目標轉而重視培養一個人的科技素養。一般來說，「科技素養」包括科技知識（knowledge）、科技技能（skills）、與科技態度（attitudes）等三層面（Dyrenfurth, 1991）。簡單來說，科技素養重點在能瞭解科技（知識層面）並應用科技（技能層面），同時客觀批判科技，意識到科技對人類文明帶來的影響與反饋（態度層面）。 24.

(41) 針對科技素養，洪國峰（2016）進一步提到科技素養的內涵係指「對科技的認知」與其「使用科技的能力」；換句話說，個人必須具備相對應的科技知能與正確態度，才能夠操作科技工具和知能資源，進行系統式的思考，以創意解決問題，透過設計製造產品，進而展現批判思考和創造力思維的綜合能力。因此在求學階段，落實科技素養的培養，不僅為了讓學生適應當代社會環境，更是為了讓國民都具備能在科技時代中尋求發展的技能與能力。. 二、本研究所採用的科技素養目前國內探討素養教育的文獻眾多，且發展各領域素養研究工具極其多元，但關於科技素養的部分，以洪國峰（2016）的博士論文最為成熟，加上衡量本研究中欲探討的研究變項，包括創意發想與應用等層面，研究者遂以此篇文獻作為基礎，發展 AI 素養測驗的研究工具。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（圖 2-1），簡述如下：. 25.

(42) 圖 2-1 科技素養架構資料來源：洪國峰（2016）. (一) 科技知識 McCormick（2004）將科技知識以概念知識（conceptual knowledge）與程序知識（procedural knowledge）進行分類。概念性知識指的是實作活動中所誕生的系統化概念，還有透過動手做過程. 26.

(43) 所使用到的學科認知，例如能夠以系統圖繪製科技產品的運作原理，並清楚解釋系統中所包含的科技原理；程序性知識係指在設計與製作科技產品的過程中，設計流程、系統分析、問題解決、模組化、最佳化、擬訂計畫、後設認知的建立等。而在我國教育部（2016）所訂定的十二年國民基本教育（以下簡稱十二年國教）之生活科技領域課綱內，科技知識面向分成「程序知識」（包含工程設計流程、問題解決流程、科技產品分析流程等）和「概念知識」（包含科技原理知識、工具使用知識、材料處理知識等）。洪國峰（2016）在研究中所使用的科技知識定義，內涵為「問題解決知識」、「科技原理知識」、「材料選用知識」與「產品分析知識」等四個構面。. (二) 科技技能李堅萍（2006）認為技能是指為了達成某些目的而進行的一系列肢體操作，普遍會呈現出一種經過高度組織化的肢體動作。實作技能其實可以透過外部訓練與內在心靈操控，是種能被他人所視察的外在動作表徵，因此越高層次的技能，越需要紮實的學習與訓練，才得以在外顯動作上變得熟練，同時建立內在心理活動的穩定。十二年國教之生活科技的技能層面強調，學生必須學習科技產品的正確使用，亦須了解如何在快速變化的當代社會有效地解決科技問題，. 27.

(44) 進而養成願意動手做的好習慣（教育部，2016）。洪國峰（2016）在研究中所使用的科技技能定義，內涵為「識圖製圖技能」、「使用工具技能」、「保養維護技能」等三個構面。. (三) 科技能力科技教育強調學生在實作需要培養的能力包含團隊合作、溝通協調、創意思考和問題解決等。我國十二年國教之生活科技在能力面向包括培養設計與製作的能力、正確應用科技的能力、培養科際整合、創意思考、及問題解決能力（教育部，2016）。而洪國峰（2016）在研究中所使用的科技能力定義，內涵為「設計製作能力」、「創意思考能力」、「溝通協調能力」等三個構面。. (四) 科技態度藉由量測一個人的態度能夠得知個人對於某件事物的心理傾向，當個人對於該事物的感到較正向時，也代表著個人對於該事物具有較高程度的認同，在情意上也會表現出較良好的素質。因此，科技態度的量測可以幫助教師瞭解學生對於科技議題所具備的興趣與信念強度（游光昭、韓豐年、徐毅穎、林坤誼，2005）。再者，十二年國教之生活科技的態度強調科技教育要能培養學生的科技興趣、養成正確使用科技的工作習慣、建立正向的價值觀，從而進行 28.

(45) 職業探索，激發科技人才潛力（教育部，2016）。洪國峰（2016）在研究中所使用的科技態度定義，內涵為「科技興趣」、「科技貢獻」、「科技決策」等三個構面。. 第三節 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：. 29.

(46) 表 2-3 相關研究作者，年份. 摘要. 關鍵字演算法、形象辨識、語音辨識、自動化、認知決策. 1.. 李傑，2019. AI 工具的演算法如何使用在形象識別、語音辨識、自動化、或是日常生活裡常發生的狀況中，幫助人們可以更快、更準確地做出認知與決策。. 2.. 陳育良，2019. AI 的學習需要數學基礎，例如高數學、資訊能力、邏輯中課程的線性代數、矩陣、機率、微分等等，都是必備背景；若能在一些資訊課程當中結合編寫程式的實作，提早訓練邏輯能力，更有機會為台灣培養未來 AI 人才. 3.. 日本經濟新聞社，2019. 日本總務省 2016 的報告顯示日本演算法、AI 應用和美國在 AI 教育上的落差，並指出幾個落差的指標，包含創造性和設計能力、了解 AI 價值的技術能力、閱讀 AI 開發的程式設計書籍、實際使用 AI 的技能、分析程式和資料的眼光. Ching et al., 2018; Schmidhuber,. 深度學習的概念大幅提高數據判讀的準確性，使其在語音辨識、. 2015. 圖像識別的應用上有了更佳的表現。. 5.. Domingos, 2015. 透過電腦程式運算，利用演算法機器學習進行數據處理和分析，甚至展開學習功能，模仿人性思考及行為。. 6.. Draskovic, 2018. AI 就是一種大範圍的數學演算合演算法、分類器體，所以開發了一套 SAIL 軟體，協助學生學習 AI 課程，旨在幫助學生釐清整個演算的邏輯運作，解析 AI 演算法、分類器目前的評. 4.. 深度學習、語音辨識、圖像辨識. 斷依據 7.. Fernandes, 2016. 以 AI 類神經網路優化避障機器人類神經網路、機器人的 PBL 課程，改變以往避障機器人車的解題策略. 30.

(47) 表 2-3 相關研究(續) 作者，年份. 摘要. 關鍵字. 8.. Furey & Martin, 2019. 以自駕車議題，與學生探討 AI 道 AI 道德德的問題，並以問題解決程序讓學生進行專題式課程. 9.. Goldberg, 2016. 自然語言處理使用數學模型來處理上述問題，利用統計、機率等. 自然語言處理、大數據、深度學習. 方法來消歧句義模糊之處，歸功於大數據及深度學習技術。 10.. Guzman, 2018. 透過與智慧行動助理的互動，讓不同的使用者描述體驗後的感覺，大腦中的印象是與機器對. 智慧助理、圖靈測試. 話、還是與科技產品對話。 11.. Hassabis, Kumaran, Summerfield& Botvinick, 2017;. 類神經網路是一種基於數學與統計基礎的實際應用，能根據輸入的資訊調整數學模型，也就能夠具有學習功能。. 類神經網路、機器學習. Ching, et al., 2018 12.. Istenič, 2019. 三位教師透過教學實驗，以數學批判思考、推理預測、數遊戲為基礎，發現能夠「提出批學判性的意見」和「推理預測」的學生，在 AI 的課程中會取得較有效的成果. 13.. Kandlhofer, Steinbauer, Hirschmugl-Gaisc h& Huber, 2016. AI 的研究涉及內容廣泛，被認為是科學與工程學以外的新學科，是一門跨學科重疊的領域，目前熱門研究項目包含類神經網路、. 類神經網路、機器學習、深度學習、自然語言處理、電腦視覺. 機器學習、深度學習、自然語言處理、電腦視覺等。 14.. Kumar, Meeden, 1998. 在大學以機器人實驗進行 AI 入門演算法、機器人課程的教學活動，強調演算法的設計可用以使機器人完成不同任務，同時讓學生接觸軟硬體之設計，大幅提升學生的學習興趣. 31.

(48) 表 2-3 相關研究(續) 作者，年份. 摘要. 關鍵字. 15.. Neumann, 2019. 企業已讓 AI 普遍進入人們的日常機器學習、數據分析、建生活中，所以對於 AI 與機器學習模的相關知識，應該在高等教育或更早的時候即編入學生課程中. 16.. Russell &. 電腦透過演算法，不斷從經驗中. Norving, 2010. 自動修正、調整建模的行為，即稱作機器學習，亦是 AI 領域發展路上的重要根基。. Soltani, Huang, Wu, Kulkarni, &. 電腦視覺是個跨領域的研究，除電腦科技外，亦涉及物理、生物. Tenenbaum, 2017. 學、幾何學以及統計學，透過嚴謹的數學模型及科學分析，能根據圖像的線索進行形狀推斷，結合深度學習基於特徵的演算，甚至做到圖像的修補、渲染及重建。. Zhou, et al, 2018. BOTZONE 是一套 AI 機器人網頁演算法版遊戲，透過遊戲式學習，學生會因為想爭取更佳的網路排名而是著用更好編寫程式、使用更佳的演算法進行比賽. 17.. 18.. 演算法、機器學習. 電腦視覺、深度學習、數學模型. 資料來源：研究者自行整理. 綜合上面文獻所述，我們可以發現，AI 的範疇很廣，不論是在商學、醫療、或工程領域都很常被作為工具使用，其價值不言自明。但若以國內高中生能瞭解且應用的程度作為前提，太專業的特定領域所使用的 AI 技術並不適合做為素養導向的評量依據，故研究者根據文獻整理，並對照教育部《和 AI 做朋友》定義了五個主要項目：. 32.

(49) (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。. 33.

(50) (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。. 34.

(51) 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. 35.

(52) 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. 36.

(53) (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。. 37.

(54) (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。. 38.

(55) 第三章研究方法本章將循序說明本研究使用的研究方法。第一節是研究架構、第二節是研究對象、第三節是研究方法與流程、第四節是研究工具、第五節是資料處理與分析。. 第一節研究架構本節將針對研究問題與目的，擬定研究架構，以圖示進行說明，並進一步為重要變項進行說明。. 本研究旨在發展一份 AI 素養測驗，並以此分析高中生的 AI 素養表現現況、並進一步討論不同背景變項對高中生 AI 素養表現是否有差異。再者，本研究屬於量化研究，目的在探討 AI 素養與科技素養之間的相關性。因此，本研究以研究對象之 AI 素養（包含 AI 知識、AI 技能和 AI 態度）為研究變項，檢驗其與科技素養（包含科技知識、科技技能和科技態度）的相關性。研究架構如圖 3-1 所示：. 39.

(56) 圖 3-1 研究架構圖資料來源：研究者自行繪製. 一、AI 素養本研究擬使用自編 AI 素養測驗，作為了解受試者 AI 素養之研究工具。受試者在經過 AI 素養測驗後，可得知其在 AI 知識、AI 技能與 AI 態度三方面所獲得之分數，分述如下： (一) AI 知識係指與 AI 領域中，與認知相關的能力。有三點細項，「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。. 40.

(57) (二) AI 技能係指與 AI 領域中，與實作相關的能力。有三點細項，「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 態度係指對 AI 領域相關的看法。有三點細項，「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。. 透過三個個構面的測驗，可以了解受試者對於 AI 的掌握程度與心理看法，以作為 AI 素養量化的依據。. 二、科技素養本研究擬使用洪國峰（2016）所發展之科技素養測驗，作為了解受試者科技素養之研究工具。原測驗包含科技知識、科技技能、科技能力和科技態度四個構面，為與 AI 素養進行相關性研究，僅選擇科技知識、科技技能和科技態度三個構面之試題作為研究變項。受試者在經過科技 41.

(58) 素養測驗後，可得知其在科技知識、科技技能與科技態度三個構面所獲得之分數，簡述如下： (一) 科技知識係指科技領域的概念知識與程序知識。內容包括「問題解決知識」、「科技原理知識」、「材料選用知識」與「產品分析知識」等四個細項。. (二) 科技技能係指運用實際操作，完成特定目標的一夕系列技能動作。內容包括「識圖製圖技能」、「使用工具技能」、「保養維護技能」等三個細項。. (三) 科技態度係指對科技事物的意向強度與信念程度。內容包括「科技興趣」、「科技貢獻」和「科技決策」等三個細項。. 透過三個個構面的測驗，可以了解受試者對於科技領域的掌握程度與心理看法，以作為科技素養量化的依據，並與 AI 素養進行比較、以求其相關性的探討。. 42.

(59) 第二節研究對象本研究採便利抽樣，研究對象共分成預試對象和正式施測對象兩類，依序與本節簡述之。. 一、預試對象本研究採便利抽樣，第一次預試以某所新北市立高中為主，共計 4 個班級，包含 3 個社會組班級與 1 個自然組班級，共計 137 名高二學生；第二次預試以另一所新北市立高中為主，共計 4 個班級，包含 2 個社會組班級與 2 個自然組班級共計 102 名高二學生，作為本研究所發展之「AI 素養測驗」預試對象。. 二、正式施測對象研究對象母群體為我國之高中生，根據教育部統計處網站資料，107 學年全台共有 694,979 名高中生（統計資料截至 2019 年 5 月 7 日）。依據 Krejcie（1970）理論中「已知母群體之樣本數」所示，凡母群體超過 75,000 以上者，最低所需樣本數皆為 384 個樣本。. 本研究所選擇施測之班級為落實科技領域課程正常化教學的班級。教師在這學期皆以教育部《和 AI 做朋友》系列教材作為備課主軸，搭配自編教材、坊間教材、網路資源、線上實作等進行教學，故進行預試 43.

(60) 時與正式施測時，所有受試班級的學生均接受過 8-12 周不等的 AI 課程教學。本研究以便利抽樣選擇科技領域課程正常化教學的學校，確保受試學生的班級平時都有確實接受 AI 相關課程，以求得到較真實的回饋。. 第三節研究方法與流程一、研究方法本研究使用的研究方法以相關性研究法為主，探討高中學生 AI 素養與科技素養之相關性。研究設計以「AI 素養」與「科技素養」為變項，每一位受試者均須填寫兩份素養測驗，藉此研究此兩變項間的相關性。本研究藉由自編的 AI 素養測驗量化學生 AI 素養程度，以科技素養測驗量化學生科技素養程度。依研究目的，對變項間進行量化統計分析與相關性分析。. 二、研究流程 (一) 文獻蒐集：依據本研究目的，以「AI」、「Teaching AI」、「Learning AI」、「科技素養」、「素養教育」、「Technological Literacy」等關鍵字搜集搜尋相關研究主題之文獻資料。文獻資料搜尋範圍包含國內外相關期刊、研究報告、碩博士論文、網路新聞資料、主題專書及相關網站資源等。. 44.

(61) (二) 建立理論基礎與架構：透過閱讀大量資料，統整並分析這些相關文獻，同時整理當代 AI 教材、教育、教學經驗相關研究，亦探討科技素養之內涵與相關研究背景，最後整理兩者之間的相關性，以建立本研究在 AI 素養定義上之理論基礎。 (三) 發展及選擇量測工具：考量研究目的需求，希望能測得研究對象「AI 素養」之真實表現，參考教育部（2019）所頒佈之《和 AI 做朋友》系列教材，編擬 AI 素養測驗，透過專家審題與預試，進行修正與調整，確保本測驗之信效度後，完成研究工具開發。 (四) 取樣與施測：便利抽樣兩所新北市立高中之高二學生，包含共計 245 名進行預試、554 名進行正式施測。所施測的工具包含自編 AI 素養測驗與科技素養測驗等兩項。 (五) 資料處理與分析：根據對樣本蒐集的兩種資料進行整理，以描述性統計來了解測驗得分情況、透過計算 Cronbach’s α 值進行信度分析、以皮爾森相關分析界定「AI 素養」與「科技素養」兩變項間的相關情形。 (六) 提出結論與建議：針對樣本數據分析的結果，提出結論、撰寫研究報告，同時提供建議予後續教育工作者或未來研究者。根據上述研究流程，繪製研究流程圖，如圖 3-2 呈現。. 45.

(62) 圖 3-2 本研究實施流程資料來源：研究者自行繪製. 46.

(63) 第四節研究工具本研究所使用的研究工具包含自行開發的「AI 素養測驗」和洪國峰（2016）所開發的「科技素養測驗」等兩項。分別說明如下：. 一、AI 素養測驗本研究擬依據教育部（2019）所發布的 AI 教材《和 AI 做朋友》為基礎，發展一份 AI 素養測驗，並透過本測驗了解受試者的 AI 素養表現。本測驗共分成「AI 態度量表」、「AI 知識與技能測驗」兩部分，每一位受試者均須完成兩部分測驗。. (一) AI 態度量表「AI 態度量表」每一面向均採用李克特五點量表設計題幹，受試者依根據題意，選擇與自己實際認同狀況最接近的選項填答。必須從非常認同、有點認同、普通、有點不認同、非常不認同 5 個選項進行單選。依據其選擇，「非常認同」給 5 分、「認同」給 4 分、「沒意見」給 3 分、「不認同」給 2 分、「非常不認同」給 1 分。如附錄一所示。本研究於民國 109 年四月以某所新北市立高中的高二學生 142 人作為預試對象，以 Google 線上問卷的方式，讓學生於課堂中，在電腦教室施測。剃除無效問卷以及缺考人數，共計回收 137 份有效 47.

(64) 問卷，回收率為 96.5%。將 137 份有效「AI 素養測驗」回收之後，進行資料統整，以電腦統計軟體 SPSS 23.0 for Windows 進行「項目分析」、「信度分析」、「因素分析」。 1. 項目分析本研究將137份預試樣本採極端值與同質性檢驗法進行項目分析，因AI態度量表第1題到第7題為「AI資訊來源」之類別題向，故僅將第8題到第30題之AI興趣、AI貢獻、AI決策進行項目分析，並將每道題目逐一與AI態度量表之總分進行皮爾森相關分析，如表3-3所示。. 表 3-3 AI 態度量表預試項目分析摘要表（N=137）極端組比較. 同質性檢定. 題目. 決斷值（CR）. 題目和總分之相關. 刪除該題後的 Cronbach's α 值. 篩選結果. 8. 12.068***. .642***. .819. 保留. 9 10 11 12 13. 12.200*** 11.389*** 10.977*** 11.952*** 8.565***. .641*** .690*** .598*** .605*** .626***. .819 .816 .821 .820 .820. 保留保留保留保留保留. 14 15 16 17. 9.138*** 11.437*** 10.550*** 10.839***. .618*** .533*** .591*** .628***. .824 .822 .820 .825. 保留保留保留保留. 18. 10.087***. .521***. .827. 保留. *p<0.05，**p<0.01，***p<0.001，總變量 Cronbach's α =.836。 48.

(65) 表 3-3 AI 態度量表預試項目分析摘要表（N=137）(續) 極端組比較. 同質性檢定. 題目. 決斷值（CR）. 題目和總分之相關. 刪除該題後的 Cronbach's α 值. 篩選結果. 19 20 21. 7.515*** 7.404*** 8.032***. .470*** .532*** .523***. .825 .825 .825. 保留保留保留. 22 23 24 25 26. 9.367*** 8.559*** 2.150* 2.634* .984. .541*** .551*** .067 .060 .017. .825 .823 .843 .849 .851. 保留保留刪除該題刪除該題刪除該題. 27 28 29 30. 8.475***. .382***. .831. 保留. 8.295*** 8.565*** 8.187***. .276** .414*** .333***. .835 .830 .832. 保留保留保留. *p<0.05，**p<0.01，***p<0.001，總變量 Cronbach's α=.836。. 本預試分析採計AI態度量表總分前27%組與後27%組的差異進行比較，根據極端組比較的結果發現，第26題未達統計顯著水準(p<0 .05)，視為不具有鑑別度之題目；而第24、25題之CR值 <3，鑑別度偏低（邱皓政，2012），故刪除第24、25、26題三道題目。而剩餘的20道題目之CR值介於在7.404至12.200之間，均達顯著水準(p< .001)，代表此20道題目具有足夠鑑別度，足以鑑別出高分組與低分組的AI態度表現。經過同質性檢驗結果顯示，此20道題目與總分的相關係數介於.276至.690之間，代表本AI態. 49.

(66) 度量表的題目，除了一題與總分間具有低度相關外，大部分題目皆與總分具有中、高度相關，故保留此20道題目。. 2. 因素分析本研究使用探索性因素分析信行建構效度的檢定。因素分析能協助驗證測量效度，目的是為了分析變數間的結構關係，確立潛在因素。其中探索性因素分析可用來發展並建構關於一概念的量測理論（邱皓政，2012）。在AI態度量表經項目分析剔除掉3道題目後，繼續把剩下的 20題進行探索性因素分析（Exploratory Factor Analysis, EFA）。首先將剩餘的20題進行KMO（kaiser-Meryer-Olkin measure of samping adequacy）檢驗與Bartlett球形檢驗。本研究採用邱皓政（2010、2012）之建議，當量表的KMO值越大，表示變項間存在越多的共同因素，即適合將此量表進行因素分析；接著透過 Bartlett球形檢驗檢定題目間之相關係數是否相異並>0，倘若檢定結果顯著則代表相關係數可以進行因素抽取。本量表的檢定結果顯示：AI態度量表的KMO值為.859，且 Bartlett球形檢驗的近似卡方分配值為1211.898，自由度190，已達α =.000顯著水準。根據Kaiser（1974）所提出的KMO值判別. 50.

(67) 基準：「在因素分析時，量表之KMO值>.80為佳」。由此可知，本研究之AI態度量表在變項間存在共同因素，因此適合進行因素分析。結果如表3-4所示。. 表 3-4 AI 態度量表因素分析摘要表（N=137）構面. AI 興趣. AI 貢獻. 題項. 因素負荷量因素一. 8. .843. 9 10 11 12 13. .865 .857 .857 .867 .719. 14 15. .727 .791. 因素二. 16 17 18. .761 .738 .780. 19 20 21 22 23. .811 .796 .832 .829 .784. 因素三. 27 28 29 30 解釋變異量. .746 .793 .665 .798 29.411%. 29.379%. 15.205%. 累積解釋變異量. 29.411%. 58.790%. 73.995%. AI 決策. 51.