AI 時代如何評鑑學生的學習效果? 就是考試的題目讓生成式 AI 也無法回答，但是怎麼辦到呢? 請慢慢讀下去。
現在的老師越來越難當，撇開學生的態度跟尊師重道低落不談，光是「教什麼」跟「怎麼教」就已經可以讓老師很為難了，至於「考什麼」更是困難。
以 MySQL 等資料庫的課程為例，老師要教的內容都可以從網路上或是生成式 AI 取得，給學生作業根本無法鑑別程度，因為大家都讓生成式 AI 產生答案。如果考試是 Open-Book，學生只是在練習抄答案。如果考試是 Close-Book，讓學生背那些無聊的語法，意義也不大。
「教什麼」? 要教「模式」而非僅是「知識」。
「怎麼教」? 應該從「問題」講起，在實作中再帶入「觀念」。
"善用ChatGPT來教學MySQL : 教導模式而非單純知識"提到，教學的重點應該是「模式」而非僅是「知識」。
這篇"別再追逐工具：給老師的 AI 轉型指南 —— 從工具焦慮到「思考習慣」的系統升級"也提到培養「思考習慣」，其實跟「模式」很像。
老師講課通常會先講觀念，但是學生總會認為「老師都教一些沒用的東西」，因此在"MySQL達人筆記 : 有了生成式AI，老師應該怎麼教MySQL資料庫知識?"提到，應該從問題講起，讓學生學習要有動機，有個問題在你面前，你如何解決? 如此比較能夠引發學生學習的動機。
最後在"AI時代，如何有效驗收學生的學習成效?"提過可以透過工具「即問即答」，例如 Kahoot，或以完成「實作」的順序給分數，但是這樣的方式還是缺少了讓同學論述的機會。
如何有效的評鑑學生的學習效果，又要讓同學論述的機會呢? 就是讓同學回答只有他自己才會知道的事情，或是每個同學答案都不一樣的事情，也就是前面說到的「讓生成式 AI 也無法回答」的問題。
例如在實作分組作業中要求學生做一個「員工午餐訂購系統」，在考試的時候就可以詢問以下的問題 :
(1) 請詳細敘述你在分組作業中實際負責什麼工作?
(2) 請描述你完成任務的過程?
(3) 你們分組作業中有幾個資料表? 請描述這些資料表的用途?
(4) 在完成分組作業的過程中，有無碰到特別的難題? 你如何解決?
(5) 在完成分組作業的過程中，你使用哪些工具、平台、或是資源? 請描述你的使用經驗?
(6) 分組作業中哪裡可以使用鎖定、觸發器、儲存程序、儲存涵數? 請描述你的想法。
從以上的題目就可以看出，在分組作業是否真正有動手操作? 再經過同組同學的答案交叉比對，就可以看出來哪些同學是亂寫的。
有同學回答說他負責 ER Diagram 的部分，結果他不知道分組作業中有幾個資料表?
有同學回答說他使用 XAMPP，但是分組作業要求提交的是網址，就可以知道他不知道 XAMPP 跟 InfinityFree 的差異。
有同學回答說他完成分組作業的過程中，完全沒有碰到特別的難題，結果他寫不出來分組作業中有幾個資料表。
還有什麼考試的題目會讓生成式 AI 也無法回答? 就是「解題的錯誤過程」，例如可以詢問以下的問題 :
(1) 在完成分組作業的過程中，在產生最後的 ER Diagram 之前，有幾個版本? 請詳細敘述各版本的演進想法?
(2) 在完成分組作業的過程中，在產生最後的資料表結構之前，有幾個版本? 請詳細敘述各版本的演進想法?
(3) 在完成分組作業的過程中，你使用哪些生成式 AI 工具? 這些工具是否曾經給你錯誤的答案? 你最後如何得到正確的答案?
通常有真正動手操作的人，生成式 AI 工具給你錯誤的答案會很記憶深刻，也會對修改答案的過程累積很多經驗，如果無法說清楚最後答案是怎麼來的，大概都是沒有真正思考過的。
但是道高一尺、魔高一丈。
就算是「考試的題目讓生成式 AI 也無法回答」、「解題的錯誤過程」，還是有可能出現像下面的例子 :
如果沒有仔細看，乍看之下好像真有那麼一回事。這時就必須好好比對，繳交作業中有無使用 JOIN? 日期欄位是否建立了索引?
因為有時候學生亂抄生成式 AI 給的答案，小聰明的學生也可能剛好矇對。因此就必須好好的比對，才能知道答案是否自己寫的。
常見問題 :
Q : AI 時代如何評鑑學生的學習效果？
A : AI 時代的評量不應只考網路或生成式 AI 可以直接查到的標準答案，而應要求學生說明自己的實作經驗、工作內容、解題過程、錯誤紀錄、設計取捨與工具使用經驗。這些答案與學生實際參與的專題有關，能有效判斷學生是否真正理解並完成作業。
Q : 為什麼傳統作業難以鑑別學生的學習程度？
A : 因為資料庫知識、MySQL 語法及一般作業答案，大多可以從網路或生成式 AI 取得。如果所有學生都直接使用生成式 AI 產生答案，老師便難以分辨學生是真的理解，還是只是複製 AI 提供的內容。
Q : 開書考試和閉書考試在 AI 時代有哪些問題？
A : 開書考試如果只考標準知識，可能變成學生搜尋及抄寫答案的練習；閉書考試如果只要求背誦 MySQL 語法，也未必能反映學生是否理解資料庫設計與實際應用。因此，評量重點應轉向實作、判斷、論述與問題解決過程。
Q : 什麼樣的考試題目會讓生成式 AI 無法直接回答？
A : 題目可以要求學生回答只有本人或小組成員才知道的事情，例如學生在分組作業中負責的工作、實際操作過程、遇到的問題、使用的工具、設計修改紀錄，以及最後如何得到正確答案。生成式 AI 可以提供一般答案，但不知道學生實際做過什麼。
Q : 如何透過分組作業判斷學生是否真正參與？
A : 老師可以詢問學生實際負責的工作、專題共有幾個資料表、各資料表的用途、曾經遇到的難題，以及使用過哪些平台或工具。再將同組成員的答案交叉比對，就能判斷學生是否真正參與，或只是臨時產生答案。
Q : MySQL 分組作業可以設計哪些個人經驗題？
A : 可以詢問學生在分組作業中負責的工作、完成任務的流程、資料表數量與用途、遇到的困難與解決方法，以及使用過的工具、平台或學習資源。這些問題必須結合學生自己的專題內容回答。
Q : 如何評量學生對鎖定、觸發器與儲存程序的理解？
A : 老師可以要求學生根據自己的分組作業，說明哪些功能適合使用鎖定、觸發器、儲存程序或儲存函數，並解釋使用原因。這比單純詢問名詞定義，更能判斷學生是否能將資料庫觀念應用在實際系統。
Q : 為什麼要詢問 ER Diagram 的版本演進過程？
A : 最後完成的 ER Diagram 只能呈現結果，無法顯示學生是否理解設計過程。要求學生說明最終版本之前共有幾個版本、每一版新增或刪除了哪些實體與關係，以及修改原因，可以檢查學生是否真正參與資料庫分析與設計。
Q : 為什麼要詢問資料表結構的修改歷程？
A : 資料表結構通常會隨著需求分析、正規化、主鍵與外鍵設計及功能調整而演進。要求學生說明不同版本的資料表結構及修改原因，可以了解學生是否理解資料表設計，而不是只看到最後產生的 SQL。
Q : 生成式 AI 提供錯誤答案的經驗可以如何用於考試？
A : 老師可以詢問學生使用過哪些生成式 AI 工具、AI 曾經提供哪些錯誤答案、學生如何發現錯誤，以及最後如何驗證並修正答案。真正動手實作的學生，通常能具體描述錯誤內容、測試過程與修正方法。
Q : 為什麼解題的錯誤過程比最後答案更能反映學習效果？
A : 最後答案可能由生成式 AI、同學或網路資料提供，但錯誤發生的原因、測試方式、修改步驟與判斷依據，通常與學生實際操作經驗有關。能清楚說明錯誤及修正過程，代表學生曾經思考、測試並累積問題解決經驗。
Q : 老師在 AI 時代應該教知識還是解題模式？
A : 教學不應只傳授可以查詢到的知識，而應著重解題模式與思考習慣。老師可以先提出實際問題，引發學生的學習動機，再於實作過程中帶入資料庫觀念、設計原則與 MySQL 語法。
0 留言