教育4.0：由一題加法開始，AI 如何幫老師看見特殊學童的學習路徑

有時候，特殊教育的難點，不在於學生「答錯」了一題，而在於我們是否看得見他在哪一步開始迷路。

在課堂上，老師請學生用積木表示「3 加 2」。學生能夠拿出三粒積木，再加兩粒積木，也能數出一共有五粒。可是，當同一個問題變成工作紙上的「3+2=？」時，他卻停了下來，眼神游移，甚至開始估答案。若只看最後答案，我們很容易判斷他「未學懂加法」；但若細心觀察，便會發現他可能已理解「合起來變多」的概念，只是在由實物操作過渡至圖像理解，再由圖像理解過渡至抽象符號時，出現了學習斷層。

這正是特殊教育教師每天面對的專業挑戰。對輕度智障、自閉症或有注意力困難的學生而言，學習往往不是一條筆直的路。他們可能能夠在真實物件中理解數量，卻未必能立即理解圖像；他們可能明白生活情境中的「多了兩件」，卻未必能把這個經驗連結到數學符號；他們也可能不是不懂，而是需要更多視覺提示、更清晰步驟、更穩定的重複練習，才可把概念真正內化。

過去，這些細緻觀察主要依靠教師長時間累積經驗。到了教育4.0的時代，人工智能並不是要取代這份專業判斷，而是可以成為教師的「第二雙眼睛」，協助我們更有系統地整理學生表現，分析可能的學習難點，並思考下一步教學策略。

以「加法概念」為例，教師可在課前利用 AI 協助分析學生的前備知識，例如學生是否已能穩定數數、是否能把數量與數字符號配對、是否需要實物操作、是否能理解「增加」和「合併」等關鍵詞。AI 可協助教師把一個學習目標拆成更細小的學習步驟，再由教師按學生能力、語言理解、專注時間及情緒狀態作專業調整。

在課堂中，教師可採用「具體化實物—圖像化畫圖—符號化算式」的層次。學生先用積木、水果、茶點券或日常用品操作，建立「加起來」的經驗；然後透過圖片、圓點、簡單圖卡把數量視覺化；最後才逐步連結到「3+2=5」這類抽象符號。AI 可協助教師預先生成不同程度的學習卡、生活化情境題及視覺提示，例如以茶點、乘車、購物、整理文具等學生熟悉的生活場景設計題目。這些素材並不是直接拿來便用，而是由教師按學生需要修訂語句、圖片、難度和提示方式。

課後，AI 亦可協助教師整理觀察。舉例說，教師可記錄學生在三個層次中的表現：能否用實物完成任務、能否看圖理解數量、能否把圖像轉化成算式。當這些資料累積起來，AI 可協助歸納學生較穩定的能力、常見錯誤和需要加強的環節，讓教師更快掌握學生的學習路徑。這樣的分析，並不是為了把學生簡化成數據，而是讓數據回饋教學，幫助老師作出更貼近學生的決定。

對特殊學校而言，【精準教學】並不等於把學生推向同一個【標準答案】，而是更準確地看見每位學生現在站在哪裏、下一步可以走到哪裏，以及需要甚麼支援才能前進。有些學生需要更多實物操作，有些需要視覺流程，有些需要把數學放回生活應用，有些則需要把一步任務拆成兩三步。AI 可以協助教師更快準備多層次教材，但真正知道學生能否承受、能否理解、能否在生活中應用的人，仍然是每天在課室內陪伴他們的教師。

因此，教育科技在特殊教育中的價值，不是讓課堂看起來更先進，也不是讓學生被動地接受一套標準化學習流程，而是讓教師有更多方法看見學生。當我們能夠看見學生不是【不懂】，而是【在某一步需要支援】；當我們能夠把學習拆得更細、接得更穩、連得更生活化，學生便有機會在原本看似困難的地方，重新建立信心。

一題加法，看似只是數學課的一個小片段；但在特殊教育中，它也可以是一扇窗，讓我們看見學生如何理解世界、如何建立概念、如何由具體經驗走向抽象思考。AI 可以幫助我們整理資料、生成素材、分析路徑，但教育的核心仍然是人。科技最有意義的地方，是讓教師有更多時間、更清晰的方向和更合適的工具，陪伴每一位學生走好下一小步。

作者:鄭裔威，道慈佛社楊日霖紀念學校（輕度智障特殊學校）校長

教育4.0

** 博客文章文責自負,不代表本公司立場 **

筆者常和教育界同工提到教育「以人為本」，教師在AI時代算是「鐵飯碗」。陪伴學生成長，關懷及引導學生是教師作為有血有肉的人師的專業，這種溫度和靈魂的觸感是AI（暫時）無法取代的。倘若教師能善用AI提升學與教效能，

有更多時間關顧學生，有更多心力循循善誘，從而更好地發揮「人」師的價值。從教師
AI的關係可見，不少以人為本的職業在AI時代依然「安全」，但業者適應「人機協作」時肯定要付出不少心力和時間。然而，並非所有行業都有明顯的「人本」特質，某些白領崗位與AI擅長的任務高度重疊，受到不少衝擊，甚至可能被取代。最令在職人士擔憂的是，經年累月所建立的「履歷」（經驗）因為AI而變得一文不值。

與過往以機器取代體力勞動的工業革命不同，AI「挑戰」的是人類長期視為核心競爭力的認知、判斷與邏輯處理能力。當AI能以低成本及高效率完成不同文件、資料分析甚至提供某些專業（諸如法律及財務等）意見時，倚賴這些技能或知識立足的崗位確實有被取代或部份取代的危機。當某些工種因AI縮減後，受影響者將轉向競爭那些尚未被AI取代或難以被AI取代的崗位，是顯見的骨牌效應。大量人才短期內湧入這些尚未被AI取代的領域，勢必打破原來的供需平衡。結果未被AI直接取代的行業，其薪酬待遇亦可能因人力過剩而受壓。當整體薪資水平下降，消費力減弱，將可能令經濟陷入不良循環。

除此以外，不可不察的是AI對職場「新手入口」的影響，長遠可能構成人才青黃不接甚至青年就業困難等問題。過往，不少領域的人才都要由基礎崗位做起，透過不斷處理初階任務逐步累積經驗晉升。然而，這些「入門」崗位正正是最容易被AI取代，因為其本質甚少涉及人脈調度、跨領域知識乃至策略思維。當企業可以透過AI完成大量重複工作（入門崗位），肯定失去不少吸納及培訓新人的動力。長此下去，職場的培養梯階開始消失，年輕人或轉職人士即使有能力，也難以找到累積經驗的起點，導致「只聘有經驗者，卻無處獲取經驗」的困局。

面對以上人力市場的改變，「再培訓」是維持競爭力的必需品。「再培訓」不再是單純學習某項技術或工具，因為「追技術」難以應付AI的迭代更新速度。「再培訓」的關鍵是培養AI難以取代的人類能力，包括跨領域思考、解決複雜而未被明確定義的問題、共情與溝通及人機協作能力。「再培訓」亦必須為受訓者提供大量基礎經驗，這些經驗也必須為企業和機構認可，以應付入門崗位消失的現實。

AI正在重塑經濟及職場，要求每個人類重新思考「不可取代」從何而來，而不是嘴巴說句「這些人類才做到，AI做不到」來安慰自己。把「再培訓」與終身學習視為終身職涯的一部份，化被動為主動，將成為最安全的「履歷」；隨時「來一場從未有過的冒險」則是每個在職人士都要有的心理準備。

作者:鄧家豪，SAi Tech Limited及御學軒集團創辦人