馮志豪教授專欄

特區政府早前公布《行政長官2026年施政報告》，教育界對數字教育的討論隨即升溫。報告提出把香港建設為國際專上教育樞紐，並進一步配合國際創新科技中心的發展方向，數字教育自然成為其中一個關鍵環節。這個政策方向並不令人意外。近年全球產業轉型加快，生成式人工智能迅速滲入工作、學習與專業服務之中。就連行政長官也曾表示，其工作中有近一半需借助人工智能輔助。對大專院校而言，問題早已不是人工智能應否存在，而是如何讓學生學會與它共處，甚至共同工作。

數字教育的重點不在工具本身

過去幾年，不少院校對生成式人工智能的態度都經歷了一個轉變。最初多以防範為主，擔心抄襲、失實和學術誠信問題；其後開始有限度開放，容許教師在部分課堂試用相關工具；走到今天，人工智能已逐漸進入制度層面，成為教學設計、課業安排和學習支援的一部分。

不過，如果數字教育只停留在添置設備、引入平台，甚至把學生是否懂得使用幾款新工具視為成果，這場改革其實只完成了最表面的一層。高等教育真正要處理的，不是學生會不會用，而是他們在使用時，是否知道自己正在做甚麼。

以我自己的教學工作為例，我近年已開始在部分功課中明確要求學生使用人工智能工具，但重點不在於他們是否「問到答案」，而在於他們如何發問、如何判斷。我會要求學生把自己向人工智能提出的問題一併提交，讓我看到他們如何界定問題、組織指令，以及是否掌握基本的提問方向。同時，我亦要求學生分析人工智能的回應是否準確，當中有沒有過度簡化、錯漏，或看似完整但實際空泛的地方。對我來說，這樣的安排不是鼓勵依賴工具，而是希望把人工智能轉化為一個可供檢視思考過程的教學節點。學生是否懂得使用人工智能，某程度上也反映了他是否懂得提問、辨識和修正。

AI素養首先要培養判斷能力

因此，現時談大專生的AI素養，重點不應只是操作能力。會下指令、會整理答案、會生成圖文，固然有其實用性，但這些都不足以構成素養。所謂素養，至少涉及幾個更深的層面。學生要明白，這類系統並不是在「理解」世界，而是在既有資料和機率模型之上，輸出看似合理的內容。換言之，它能組織語言，卻不等於具備判斷力，更不會自然承擔責任。若學生缺乏這個基本認知，便很容易把流暢當成可靠，把完整當成真確。

正因如此，AI素養首先是一種判斷能力，而不只是使用習慣。今天不少學生面對人工智能生成的內容時，會不自覺降低警覺。只要答案寫得順、圖表做得整齊、語氣顯得肯定，便傾向照單全收，省卻追問和核實的工夫。我曾在教授職業輔導相關課程時，見過學生引用一段內容，並表示相關說法出自某篇文獻；但當我仔細查考時，卻發現該文獻原來討論的是虹鱒魚的腸胃疾病，與職業輔導毫不相干。這反映的不是學生單純粗心，而是他過於相信人工智能提供的資料與引文，卻沒有進一步核實來源內容是否真正吻合。這種依賴若在學習階段已經形成，日後進入專業工作環境，後果未必只是功課質素下降那麼簡單。對修讀社會服務、教育、護理、商業分析，以至傳媒與設計的學生來說，錯信工具輸出，可能直接影響他們對個案、數據、政策或公眾資訊的理解。

從這個角度看，AI素養其實更接近一種思維上的自覺。學生要知道何時可以借助工具，何時必須停下來自己判斷；也要知道哪些工作可以交給系統處理，哪些部分不應外判。例如資料整理、初步歸納、語句潤飾，工具可以幫忙；但文獻閱讀、概念釐清、倫理權衡和專業判斷，始終不能由系統代替。若學生連這條界線都未建立，技術愈方便，學習反而可能愈空心。

學生並非天生就懂得善用科技

問題在於，這條界線在現時的大專校園內其實仍然相當模糊。外界常把年輕一代視為數碼原住民，彷彿他們天生就懂科技，也懂得善用科技。但在教學現場，情況並沒有這樣樂觀。很多學生熟悉的是平台節奏、社交媒體語言和即時回應文化，未必熟悉如何把科技帶入嚴謹的學習脈絡。當閱讀本來已經吃力，人工智能便很容易被視為節省時間的方法。久而久之，學生可能交出一份看上去完整的作業，卻未必真正掌握其中理據，甚至連自己提交了甚麼觀點，也未必說得清楚。

另一個現實問題，是不同學科對AI的理解落差很大。理工科學生較易接觸模型、數據和運算思維，但未必自然延伸到倫理、偏見和制度後果的討論。相反，人文社科、教育、社工等領域的學生，往往對人的處境和社會影響較為敏感，但一碰到技術語言便容易退後。結果是兩邊都各有盲點：一邊可能過分相信技術的中立性，另一邊則把技術看成與自己無關。這對專業培訓並不是好事，因為現實世界的問題，從來都不能只靠單一知識系統處理。

專業課程是AI素養養成的關鍵

若院校真的希望把施政報告提出的數字教育做得扎實，首先要處理的，是課程本身如何回應這種變化。筆者認為，AI素養不宜只放在個別學系或選修課之內，而應視為所有大專生都需要接觸的基本能力。這不表示每位學生都要學編程，也不表示每個課程都要技術化，而是說，不論主修甚麼，學生都應有機會理解人工智能的基本運作、常見限制、風險來源，以及它在專業實務中的使用界線。這類內容可以透過通識課、共通核心科或微證書形式推進，重點不是講得幾高深，而是講得準確、講得明白。

但如果只設立一個全校共通單元，其實仍然不夠。學生最終是否真正理解，往往取決於他能否在自己的專業場景中看見問題。對社工、輔導、教育和護理學生來說，AI不是抽象的技術話題，而是牽涉服務紀錄、風險評估、資源分配，以及與人的互動質素。對商科學生而言，則涉及市場判讀、客戶分析、自動化決策與責任歸屬。對創意學科學生來說，重點又落在原創、風格模仿、版權與作者身份。換言之，AI素養若要真正成形，最有效的方法不是把它留在一門獨立課，而是讓它進入各自專業的核心討論。

未來大專評核需重視過程證據

同樣需要調整的，是評核方法。這幾年不少教師都感受到，傳統課業已愈來愈難準確反映學生的真實學習。只看最後交上來的文章、報告或簡報，往往很難知道內容有多少來自學生自己，又有多少只是經過工具整理與包裝。這並不是說所有學生都存心取巧，而是現行評核過分着重成品，自然容易把注意力推向結果，而不是思考過程。若院校不主動調整，日後圍繞學術誠信的爭議只會愈來愈多。

筆者認為，未來的大專評核需要更重視過程證據。學生可以使用人工智能工具，但必須交代使用方式、修正痕跡和判斷依據。正如我前述的功課安排，我會要求學生附上提問過程、版本改動、文獻核實紀錄，以及一段簡短反思，說明哪些地方接受了工具建議，哪些地方作了修訂，原因又是甚麼。這類要求未必能完全杜絕濫用，但至少能把焦點拉回學習本身。除此之外，口頭答辯、即場分析、個案討論和實務模擬，也值得在不同學科中增加比重。學生是否真正理解，很多時在面對提問時便會顯露出來。

清晰規範比空泛提醒更重要

不過，課程和評核之外，院校還要處理制度層面的問題。現時不少學校雖然已有學術誠信指引，但對人工智能的規範仍偏向原則性；真正落到教學實況時，教師和學生未必清楚界線在哪裏。有些老師完全禁止，有些則默許使用，做法差異很大。對學生而言，這種情況容易造成混亂，也容易形成僥倖心態。院校若要建立較穩定的學習文化，便需要提供更清晰、可操作的說明，包括哪些屬合理輔助，哪些已構成不當代寫，哪些涉及資料保密和私隱風險。這些都不能只靠一句「請審慎使用」帶過。

若條件許可，院校亦可考慮提供較安全的校內使用環境。近年不少教師都擔心，學生把課業內容、研究資料，甚至涉及服務對象的敏感資訊輸入公開平台，可能帶來數據外洩或合規風險。對某些專業尤其如此，例如社工、教育、醫護相關課程，資料處理本來就有嚴格要求。若校方能建立受管控和脫敏的平台，或至少提供清晰的資料處理守則，會比單靠學生自行判斷來得穩妥。

政府需要提供更具體的支援

當然，這件事也不能完全交由院校各自摸索。香港各大專院校條件不一，資源分配亦有差異。對部分規模較小的院校，特別是自資院校和職專院校來說，要自行開發教材、培訓教師、建立平台，壓力並不小。如果政府希望數字教育不只是停留在政策文件，而能在不同院校真正落地，便需要提供更具體的支援，包括跨院校資源共享、教師培訓、案例庫建設，以及與業界合作，提供更貼近真實場景的學習機會。學生只有在真實制度與工作流程中，看見人工智能如何被使用，才較容易理解甚麼叫負責任地使用。

因此，AI素養不是一門新潮技能，也不是一張方便包裝的能力清單。它關乎學生在技術愈來愈便利的環境下，還能否保留基本的知識誠實、判斷能力和專業分寸。高等教育如果只教學生跟得上工具，很快便會發現，工具更新的速度永遠比課程更快。相反，如果學生在大專階段能學會如何提問、如何核實、如何與技術保持適當距離，這些能力即使面對下一波技術變化，仍然站得住。

《行政長官2026年施政報告》把數字教育推到更前的位置，這是一個值得認真把握的契機。但對大專教育而言，最重要的始終不是校園裏多了幾個設施和系統，而是學生有沒有因此變得更懂思考，更能負責任地使用工具。若我們真的關心下一代如何在科技環境中成長，焦點便不應只放在他們能否用AI做得更快，而是他們在使用AI之後，是否仍然願意思考，並且知道哪些判斷必須由自己承擔。

作者馮志豪是香港能仁專上學院協理副校長。

文章僅屬作者意見，不代表香港01立場。

01專欄精選不同範疇專家，豐富公共輿論場域，鼓勵更多維度思考。