學生用 AI 寫作業，老師看文筆抓作弊有理？最怕認真被懷疑，代寫反而躲過
學生用 AI 寫作業，老師別只看偵測分數；從生成紀錄、修改取捨到關掉工具後的表現，才知道他真正學會多少。
想像林老師把作文往前翻了一頁，又重新讀了一次。
學生寫的是一次難忘的挫折。文章從比賽失敗寫到自我懷疑，最後收在重新站起來，段落完整，幾乎沒有錯字。林老師記得，這名學生上週面對另一個題目時，半節課過去還寫不出開頭。
他把作文貼進兩個 AI 偵測網站。一個判定高度可能由 AI 生成，另一個沒有給出明確結果。兩個畫面同時開在電腦上，卻沒有一個能回答他接下來該怎麼做：直接認定違規可能誤傷學生，當作沒看到又會讓作業失去評量作用。
第三個偵測網站仍解決不了眼前的判斷。林老師得先確認，自己究竟要從這份作業看見什麼。
AI 偵測工具能判斷學生作弊嗎？不能只憑一個分數
臺師大 2026 年人工智慧應用教學指引提醒，AI 偵測工具的準確率有相當限制，也無法提供可驗證的證據。依臺師大這份校內指引，教師不得單憑偵測結果判定學生違規，仍要結合口試、寫作歷程與版本紀錄等資料綜合判斷。
臺師大的原則仍允許老師調查疑點，也沒有要求老師相信所有學生；偵測器可以引起注意，但不能替老師決定學生是否違反規定。
如果課程事前只說「不得抄襲」，沒有說明 AI 可以用在哪一步，也沒有要求學生保留過程，老師在交件後便只能從文字風格、平常表現和學生說法拼湊判斷。家長若追問證據，老師拿出的仍是一串推測。
每一次爭議都要事後調查，教師會先付出額外時間；不同老師各自判斷，學生也可能因為句子寫得太好、太整齊或不像平常表現而受到不同待遇。AI 讓作弊方法改變了，原本只看最後成品的評量也愈來愈難說明學生真正完成了哪些工作。
學生用 AI 寫作業，為什麼只看最後成品已經不夠？
老師過去收到一篇有觀點、有結構的作文，通常可以合理推斷學生經歷過回想、選材、組織與表達。生成式 AI 可以替學生完成其中幾步，最後交出的文章仍然通順。
同樣一篇六百字作文，可能來自不同過程。
| AI 介入方式 | 原稿中的情況 |
|---|---|
| 完成後找錯字 | 有人先寫完再請 AI 找錯字。 |
| 協助調整順序 | 有人提供親身經驗，再請工具協助調整順序。 |
| 先生成全文 | 也有人只輸入題目，取得全文後換掉幾個詞。 |
三份成品看起來可能很接近，學生親自做過的判斷卻不一樣。
老師如果只替最後文件打分，分數會同時包含學生能力、工具能力和兩者協作的結果。工具介入愈深，成品愈難單獨回答「學生會不會」。
認真使用工具的學生也可能受傷。學生自己完成觀點，只請 AI 檢查錯字，文章可能因為過度流暢而被懷疑；另一名學生直接拿到完整答案，再刻意留下幾個不完美的句子，反而可能躲過注意。老師愈依賴文字外觀，學生就愈容易把心力用在讓作品看起來不像 AI。
老師原本想用評量看見學習，最後卻和學生一起猜測工具痕跡。他得把學生的思考重新放回可觀察的位置。
關掉 AI 後還會什麼？提取練習讓老師看見學習
《Make It Stick》整理認知心理學的學習研究，指出熟悉與流暢很容易讓人誤以為自己已經學會。學生反覆閱讀一份完整答案時，內容看起來愈來愈順；等到答案被收起來，他未必能自行提取、解釋或應用。
提取練習要求學習者暫時離開現成資料，把已學內容從記憶中取出。Agarwal、Nunes 與 Blunt 的系統性回顧檢視 50 個學校與課堂實際教育情境的實驗，共納入 5,374 名學生；49 個效果量中，57% 顯示中度或大型效益。不過，只有 6% 的實驗在非 WEIRD 國家進行，也就是不屬於典型「西方、受教育、工業化、富裕、民主」樣本的地區，因此研究不能直接保證每個台灣班級都得到相同結果。
這些研究檢驗學習效果，沒有檢驗 AI 作弊。它們提供老師一個評量提示：學生關掉工具後，能不能重新說明、換一題應用，或完成一小段相同能力的任務？
學生答不完整，不足以證明他作弊，卻能讓老師發現漂亮成品背後有哪些能力仍未建立。後續處理便能補回學習，不會只剩下處罰。
AI 作業怎麼評？從使用前到交件後留下三段證據
對國民中小學，教育部 2025 年針對評量與作業發布的專門注意事項建議教師明定使用規範、增加問題的思辨性與評量深度，也可以透過實作、展演或口頭報告檢核結果；教育部後續於 2026 年 2 月核定《中小學使用生成式人工智慧注意事項 2.1》，學校可一併參採。
老師不必把每份作業都改成口試。至於 AI 使用紀錄，學生仍應依學校規範與作業風險，保存足以說明生成過程、工具與用途的紀錄；教師可以抽查關鍵決策，不必逐句批改每段對話。
他可以在出題時安排三個時間點。
| 時間點 | 完整說明 |
|---|---|
| 使用 AI 以前 | 第一個時間點在使用 AI 以前。學生先留下自己的起點：作文的題材與提綱、數學第一次列出的算式、報告原先想追的問題，或程式最初的解法。 |
| 使用 AI 的過程中 | 第二個時間點在使用 AI 的過程中。學生先保存足以說明生成過程、工具與用途的紀錄，再挑一項重要建議，說明自己為什麼採用、修改或拒絕。老師可以從說明中確認，學生是否理解工具提供的內容，也能不能對最後選擇負責。 |
| 交件以後 | 第三個時間點在交件以後。老師有疑問時，只抽一小段確認：請學生不看原稿說明核心觀點、換一題展示相同解法、指出程式錯誤，或根據閱讀內容回答一個沒有出現在成品裡的追問。 |
三個時間點不必全部變成額外作業。重要報告可以三項都留，平常作業只選一項。證據要跟學習目標相連：老師要看觀點形成，就保存題材與取捨；要看推理，就讓學生說明步驟；要看查證能力，就要求他指出來源、比對與捨棄理由。
老師怎麼訂 AI 作業規則？開始前先說清楚四件事
老師若等到交件後才說「這種用法不算自己寫」，學生很難知道自己踩過哪一條線。
每份重要作業可以先寫明四件事：
- 這次評量什麼能力。
- AI 可以用到哪一步。
- 學生要保留什麼證據。
- 以及老師有疑問時會怎麼確認。
有些作業可以允許 AI 發想或找錯，有些任務則需要學生獨立完成。教師可以依課程目標決定，但規則要在學生使用前公開。完整揭露也不會讓原本禁止的用法自動變成合規；相反地，教師若沒有先訂清楚範圍，也不該把事後新增的標準當成學生早已知道的規則。
公平還包括設備與能力差距。教育部針對國民中小學的專門注意事項提醒，班上學生如果不能平等取得軟硬體，或操作能力差距過大，不宜把特定 AI 工具設成必要條件。老師可以提供校內使用時間，也可以保留不使用工具仍能完成的路徑。
隱私不能為了方便查核而讓步。不要把學生姓名、成績、家庭狀況、未公開試題、受保護教材或其他敏感與機密資訊輸入公開 AI 服務。若學校允許在核可的封閉環境使用，仍要依校規、法令、授權與去識別化要求處理；成績與違規判斷由教師或承辦人員實質審查。
AI 時代怎麼公平評量？讓分數繼續代表學生能力
林老師隔天請那名學生到桌旁。他沒有拿出偵測百分比，只把作文闔起來，問他：「你原本想寫哪一次挫折？第二段為什麼要放在這裡？」
學生說得出比賽經過，卻無法解釋文章怎麼形成。他承認自己請 AI 寫出全文，再換掉幾句。林老師依原本的課程規定處理，也請他保留真實經驗，在課堂上重新列出提綱，完成其中一段。
下一次出題時，林老師在作業單上多加了幾行：學生可以請 AI 檢查錯字，但要先留下自己的提綱；交件後，每個人都要準備說明一項重要修改。
林老師仍可能遇到不誠實的學生，改一次作業也不會消除所有爭議。下一次再出現遠超過平常程度的文章，他至少不用只靠文字外觀猜測，可以回到事前公開的規則，查看學生留下的學習證據。
AI 會繼續把成品做得更完整。老師則要讓分數繼續指向學生能理解、能說明，也能在離開工具後再次完成的能力。
參考資料
- 國立臺灣師範大學教學發展中心，〈國立臺灣師範大學人工智慧應用教學指引〉：https://ctld.ntnu.edu.tw/generative_ai
- 教育部，〈國民中小學學生學習評量及作業使用生成式人工智慧注意事項〉：https://www.plnes.ntpc.edu.tw/p/406-1000-3423,r77.php
- 教育部，〈中小學使用生成式人工智慧注意事項 2.1（教師、行政人員及家長版；學生版）〉：https://pads.moe.edu.tw/download.php
- Peter C. Brown、Henry L. Roediger III、Mark A. McDaniel，《Make It Stick: The Science of Successful Learning》：https://www.hup.harvard.edu/books/9780674729018
- Agarwal、Nunes、Blunt，〈Retrieval Practice Consistently Benefits Student Learning: a Systematic Review of Applied Research in Schools and Classrooms〉：https://doi.org/10.1007/s10648-021-09595-9