認識我的朋友都知道，過去幾年，我大多數的時間都琢磨《社會設計導論》這門課。它並不簡單，甚至可以說，複雜得不太合理。學生進教室的時候，大多還沒準備好面對社會議題、也沒有設計經驗。他們只是素樸的受到「不平等」、「排除」、「結構性問題」等社會學概念所召喚，但卻對設計實作感到陌生，也未必能將自己的生活經驗轉化為可討論的分析材料。我知道，要帶他們從觀察走向行動，需要的不只是工具，而是節奏、引導、與大量反覆的練習。
但教學節奏從來不聽我的。
前幾週光是建立「觀察與問題意識」就消耗掉大半能量；而到了課程後段，還來不及讓學生深入理解各個設計反思的切入方式，就得催促他們交出設計提案。雖然曾試著設計各種任務與中介物件，像是場域觀察、牌卡工具、引導練習，但仍無法完全克服一個根本性的矛盾：社會設計的學習，既需要時間，也需要自我轉化。
這幾天，我與 ChatGPT 密集協作。
設計社會設計導論的作業評量標準、銜接問卷、牌卡體驗回饋；整建空白學程的三階段入學評估架構、移地學習紀錄表、專題成果報告格式、畢業審查流程；最後甚至拉出一份學程評估系統的建構進度規劃書。雖然過程中難免遇到幻覺，AI有時也做了後事忘了前因，但整體來說，反而感覺到一種久違的釋放與前進感——不再只是反覆打轉，而是每一次的對話，都能前進一點點。過程中我也會想起，以前和其他講者討論「把教學經驗設計進AI系統裡」的可能性時，對方曾說過他對此有所疑慮：「AI的演算法終究是黑盒子。」但這或許只說對了一半。
就以社會設計導論的課程銜接問卷設計為例吧。我想設計一份問卷，評估學生在操作《社會設計卡到陰》牌卡後，是否能提升個案分析的能力。我知道我要測的不是單一知識點，而是一種分析的轉化能力，而且問卷要能連動前測／後測，還要區分不同區塊的理解、應用與反思層次。當我把這些想法交給 ChatGPT 時，它有時候可以聰明地幫我快速草擬了三個結構分明的區塊（理解、能力感知、自我轉化），更不斷回問我：「你要測的是概念掌握，還是應用能力？」、「這張牌卡在流程中的使用順序是什麼？」、「學生當時的任務是觀察，還是討論？」（有點像在面對教發中心同仁）。有時候也會一頭霧水地答非所問（這倒是像教發中心同仁在面對我）。於是我得把之前的課程記錄翻出來餵它、把思考方式拆成一個個步驟，甚至指出它理解錯誤的地方。然後才能得到我想要的結果（喔，部分滿足啦）。
正是在這過程中，我清楚地意識到：這份問卷不是在測學生而已，也在反過來逼問我——你對這堂課的教學邏輯真的清楚嗎？你能說明這張牌卡對學生的幫助，在哪個學習環節發揮了效用嗎？那一刻我覺得，我不是在跟一個聰明機器合作，而是在和一面鏡子對話。它讓我像個人一樣，被迫說清楚我在乎什麼、我怎麼做決定、我在哪些地方仍然模糊或矛盾。這個過程，本質上不是被機器控制，反而是重新成為一個教學現場裡有意識、有判斷的設計者。
正因為知道語言模型是個黑盒子，所以在使用它的過程中，我必須不斷拆解自己的想法、課程的設計、我的擔憂與顧慮，然後把這些資訊清楚地交給AI，與之討論可能的做法。正因為知道是演算法生成，我反而更常問自己：我為什麼這樣設計？我到底在在意什麼？我希望學生真的學會的是什麼？正因為知道自己在面對的是一台機器，所以我不得不一次又一次地提醒它——也提醒自己——「身而為人，我是如何思考的。」
相較之下，我想起過去參與過的一些標榜「以人為主」的教學共備或設計活動，那些活動有時在社會壓力與流程節奏的驅動下，要我們放棄像個人一樣思考，而是在有限時間內機械性地操作某種看似民主的「共識形成」。
那才是真正的非人化。
這段與AI的協作過程，也讓我重新思考「助教」、「教學團隊」與「共同備課」的可能樣貌。於是，我開始嘗試將每週的課程反思紀錄轉化為一個固定格式，叫做「課後10分鐘的教學對話」，整理本週學生反應、教學策略、評量檢核與下一步的調整想法。這些紀錄不只是我與AI的對話軌跡，也成為我與課程助教共同工作的起點。我們開始建立會議模板、批改校準流程、課程資料庫。這不再只是教學執行，而是讓助教也能進入教學思考的節奏中，成為真正的學習夥伴。
對我而言，AI不是取代人，而是幫助我更準確地把「人」的價值與判斷位置釘出來。也正因如此，我才得以在多線工作的困境中，保留反思的空間與設計的韌性。我不確定這樣的使用方式是否適合每一位教師，（暫時）也不認為AI能解決什麼深層結構的問題。但至少，對我而言，它提供了一個練習把事情說清楚的空間。說清楚課程設計的判斷，說清楚教學策略的選擇，也說清楚自己對學生學習的期待。
說清楚這件事本身，就是一種釐清。
喔，對了，本文是與ChatGPT協作完成，如果這寫作節奏順利的話，或許可以每週來一篇教學記錄的文章吧。尷尬的是，愛為工具取名字的我還不知道要叫它什麼名字哩？啊，也許就叫みちこ吧。
未知子。（笑）
Comments