SLS 是這套策略的重要一環。MOE 表示，由小學至大學預科階段的學生，都可以使用配合課程的網上學習資源；平台亦逐步加入 AI 功能，協助學習和教學。 新加坡政府科技部門的資料則指，SLS 上的 AI 工具可以協助個人化學習、讓教師更了解學生的學習需要，同時設有安全保障和按年齡分階段使用的安排。

換句話講，真正困難的地方唔係「有冇電腦、有冇 AI」，而係學生要學識問：AI 講嘅係咪真？邊度可能出錯？今次功課如果交畀 AI 做，仲有冇達到原本想訓練的能力？

最大風險：學生把「學習動作」交咗出去

「認知卸載」（cognitive offloading）本身唔一定係壞事。人類一直都會利用外部工具減輕不必要的記憶負擔，例如計數機、參考書或者拼字檢查工具，都可以騰出注意力處理更複雜的工作。

問題係，當學生仲未自己試過，就先將最核心的學習動作交畀 AI。例如：未諗過立場就叫 AI 幫手寫論點；未讀懂資料就叫 AI 解釋證據；未試做過題目就叫 AI 直接解題；未建立自己的答案，就叫 AI 代寫完整說明。

短期睇，功課可能完成得更快，文字亦更流暢，表面錯誤更少。但一份工整的功課，未必代表學生真的學識咗。學生可能因此欠缺以下能力：

• 分辨一個聽落合理、其實錯誤的說法；
• 將已學概念應用到全新的問題；
• 解釋一個論點點解有說服力；
• 發現資料之間有咩缺口；
• 冇 AI 幫手時，仍然可以清楚講解同捍衛自己的答案。

教育工作者所講的「有效學習掙扎」（productive struggle），就係學生回憶、嘗試、犯錯、接受回饋，再修改答案的過程。呢啲時間表面上好似慢，實際上往往正是知識、推理習慣同信心變得穩固的關鍵。

如果 AI 幫學生跳過每一個困難位，份作業可能容易咗，但訓練思考的機會亦可能一併消失。

研究支持關注，但未支持「AI 一定有害」

現有證據確實值得警惕，但未足以支持一個過分簡單的結論：AI 並非每一次使用都會削弱批判思考。

一項檢視生成式 AI 在高等教育中應用的範圍性研究指出，AI 可以協助寫作、回饋、解難和研究，但同時引發認知卸載、過度依賴和學習者自主性下降等疑慮。

另一項涵蓋 89 項研究的系統性回顧發現，生成式 AI 的認知影響並不一致，亦唔係無條件出現正面效果。研究中有 40.4% 顯示正面結果，另有 23.6% 屬混合或取決於使用條件的結果；在報告的風險之中，過度依賴、分析自主性減弱和認知卸載都相當突出。

其他研究綜合亦得出相近的提醒：如果一般用途的 AI 工具繞過學生掌握基礎知識所需的思考過程，分析、推理和創意等高階能力可能受損。因此，研究建議學生先建立學科基礎，再學習 AI 素養，並由教師逐步引導工具的使用方式。

不過，研究基礎仍在發展中。不同研究對「批判思考」的定義並不完全一致，研究對象的年齡、科目、功課類型和 AI 協助程度亦有差異。 所以較穩妥的結論係：

當 AI 係用來搭鷹架、提供回饋，或者挑戰學生的推理時，更有機會幫到學習；當 AI 取代學生原本要做的基礎理解和分析時，就更有機會令學習走樣。

真正值得關注的，可能係「完成任務」同「留下長期能力」之間的落差。學生可以更有效率咁交功課，但未必因此獲得功課原本想培養的知識和判斷力。

由捉抄襲，轉向設計一個睇得見學習過程的評核制度

ChatGPT 於 2022 年公開普及後，全球教育機構最初普遍集中處理作弊、抄襲和 AI 偵測。新加坡的大學政策則逐漸形成一套較有區分的做法：某些課程可以使用 AI，但實際規則由科目和功課決定；學生仍然要為提交內容的準確性、學術誠信和資料來源負責。

新加坡國立大學（NUS）的指引要求學生交代 AI 使用情況、先向教師確認課程規定，並對作品的質素和誠信承擔責任。 NUS 政策亦明確指出，直接提交 AI 產出，或者把 AI 產出重新改寫後不作申報，均可能構成抄襲。

與此同時，單靠 AI 偵測器判斷學生有冇作弊，局限亦越來越明顯。南洋理工大學（NTU）表示，將於 2027 年停止使用校方的 AI 偵測器，原因包括技術不可靠，以及缺乏足夠實證效度去證明學術不當行為。大學計劃改為更重視記錄學生的工作過程，以及採用標準化的 AI 使用申報。

這種轉向代表，評核唔應該只係估份 final text 係咪學生寫，而係要令學生點樣得出結論變得可見。方法可以包括：

• 先完成一次無 AI 輔助的初步嘗試；
• 保留草稿、修訂紀錄和版本歷史；
• 附上註釋資料來源；
• 寫反思筆記，交代決策和修改過程；
• 透過口頭解釋或答辯展示理解；
• 使用貼近學科、個人或特定情境的證據；
• 要求學生將概念應用到未見過的新問題。

目標唔係整一份所謂「AI-proof」的功課，而係令被評核的學習本身能夠被看見。

學生應該點樣用 AI，先唔會變成代腦？

一條簡單而實用的原則係：AI 應該喺你思考之後、思考途中，或者用來挑戰你的想法，而唔係代替你思考。

對學生而言

1. 先自己做。 先寫大綱、試做題目、搵相關資料，或者提出一個暫時立場，再開 AI 工具。
2. 將 AI 當成思考拍檔。 可以叫 AI 提出反方論點、指出假設、建議搜尋字眼、設計練習題，或者批評你的草稿。
3. 把 AI 輸出當成待查證的說法，而唔係證據。 事實、引文、來源、計算和解釋，都要用可靠的原始或權威資料核對。
4. 保留 AI 使用紀錄。 記低用過咩工具、輸入過咩重要指令、AI 產生咗咩內容、你採納或拒絕咗邊啲，以及最後點樣核實。NUS 指引已要求學生承認 AI 的使用並自行負責，部分學系更要求以表格詳細申報。
5. 保持獨立掌握。 每一個主要論點，學生都應該可以唔靠 AI 自己解釋和辯護。

對教師和教育機構而言

學校和大學可以為每份功課列明 AI 的使用級別：

• 禁止使用： 功課評核的是無輔助記憶、計算、寫作或其他基礎技能；
• 申報後可用： AI 可以協助研究、回饋或文字修訂，但學生必須記錄使用情況並核實結果；
• 要求使用： 評核重點係學生能否審問、改善或者反駁 AI 的答案。

一個較完整的流程，可以安排成：先獨立嘗試，再接受有指引的 AI 回饋，之後由學生自行修改，最後反思 AI 邊度答得啱、唔完整或者根本錯。

教師亦要分清楚「識寫 prompt」同「真正理解」係兩回事。Prompt 寫得精巧，唔代表學生掌握咗學科；相反，如果學生能夠有理有據咁拒絕一個聽落合理的 AI 答案，反而可能係更強的學習證據。

對年紀較小的學生，MOE 的立場係 AI 使用必須有助學習、有明確目的，並符合年齡和發展階段，同時安全及負責任。 近期報道亦提到，MOE 開發的工具會由小學四年級起，在教師監督下分階段引入，並擴大教師的 AI 培訓。 換句話講，小朋友需要的是有引導的課堂使用和成人支援，而唔係無限制的私人使用。

有裝置，不代表有相同的 AI 素養

新加坡較集中化的數碼基礎建設，有助減少學生在裝置和認可學習工具上的差距。MOE 表示，各校獲得數碼基建、裝置和軟件支援，學生亦可以在整個學校系統使用 SLS。

但「人人都有得用」唔等於「人人都識批判咁用」。有較多時間、信心或教育經驗的家庭，可能更有能力教小朋友追問答案、核對來源，或者察覺一段解釋其實流於表面。若然學校唔明確教授呢啲做法，家庭背景的差異就可能變成新一種教育不平等。

要收窄這個差距，學校可以將原本只在家庭或社交圈子中傳授的「專家習慣」公開教出來：

• 在課堂示範點樣核實資料和評估來源；
• 提供結構化提示，展示好用和濫用 AI 的例子；
• 教學生做後設認知，即係思考自己點樣知道「我真係明白」；
• 讓學生在校方管理和監督下接觸工具；
• 培訓教師，避免學生能否獲得指導只取決於個別老師對 AI 有幾熟。

MOE 目前推動的 AI 素養方向，包括理解 AI 的好處、限制和風險，學識質疑輸出，以及辨認偏見、虛假或誤導資訊。

2026 至 2029 年：新加坡會行向邊度？

現有政策訊號顯示，新加坡更大機會繼續深化 AI 融入教育，而唔係全面退回禁用模式。未來數年，AI 素養或會更明確咁融入不同學習階段和科目，獲批准的工具亦會繼續擴展；SLS 則會用於個人化練習、形成性回饋和協助教師了解學生需要。

大學方面，方向亦較可能係繼續強調申報、問責和按課程訂規則，而唔係依賴偵測器執法。 評核會更重視過程、應用、對話和判斷，尤其係那些學習目標本身就包括獨立推理的課程。

真正的考驗係：AI 究竟令學生更有能力思考，定係靜靜地取代了思考所需要的練習？

所以，新加坡最有可能建立的唔係「AI 周街都係」或者「完全唔准用 AI」的模式，而係有結構的使用，加上明確保留無 AI 輔助的閱讀、寫作、計算、討論和解難時間。

學生畢業時，應該既識得同 AI 合作，亦識得發現 AI 出錯；既知道幾時應該用，亦知道幾時唔應該用；即使工具唔喺身邊，仍然能夠提出可靠的理由和判斷。呢個先係「同 AI 一齊學習」，而唔係「將學習交咗畀 AI」的分別。

SLS 是這套策略的重要一環。MOE 表示，由小學至大學預科階段的學生，都可以使用配合課程的網上學習資源；平台亦逐步加入 AI 功能，協助學習和教學。 新加坡政府科技部門的資料則指，SLS 上的 AI 工具可以協助個人化學習、讓教師更了解學生的學習需要，同時設有安全保障和按年齡分階段使用的安排。

換句話講，真正困難的地方唔係「有冇電腦、有冇 AI」，而係學生要學識問：AI 講嘅係咪真？邊度可能出錯？今次功課如果交畀 AI 做，仲有冇達到原本想訓練的能力？

最大風險：學生把「學習動作」交咗出去

「認知卸載」（cognitive offloading）本身唔一定係壞事。人類一直都會利用外部工具減輕不必要的記憶負擔，例如計數機、參考書或者拼字檢查工具，都可以騰出注意力處理更複雜的工作。

問題係，當學生仲未自己試過，就先將最核心的學習動作交畀 AI。例如：未諗過立場就叫 AI 幫手寫論點；未讀懂資料就叫 AI 解釋證據；未試做過題目就叫 AI 直接解題；未建立自己的答案，就叫 AI 代寫完整說明。

短期睇，功課可能完成得更快，文字亦更流暢，表面錯誤更少。但一份工整的功課，未必代表學生真的學識咗。學生可能因此欠缺以下能力：

• 分辨一個聽落合理、其實錯誤的說法；
• 將已學概念應用到全新的問題；
• 解釋一個論點點解有說服力；
• 發現資料之間有咩缺口；
• 冇 AI 幫手時，仍然可以清楚講解同捍衛自己的答案。

教育工作者所講的「有效學習掙扎」（productive struggle），就係學生回憶、嘗試、犯錯、接受回饋，再修改答案的過程。呢啲時間表面上好似慢，實際上往往正是知識、推理習慣同信心變得穩固的關鍵。

如果 AI 幫學生跳過每一個困難位，份作業可能容易咗，但訓練思考的機會亦可能一併消失。

研究支持關注，但未支持「AI 一定有害」

現有證據確實值得警惕，但未足以支持一個過分簡單的結論：AI 並非每一次使用都會削弱批判思考。

一項檢視生成式 AI 在高等教育中應用的範圍性研究指出，AI 可以協助寫作、回饋、解難和研究，但同時引發認知卸載、過度依賴和學習者自主性下降等疑慮。

另一項涵蓋 89 項研究的系統性回顧發現，生成式 AI 的認知影響並不一致，亦唔係無條件出現正面效果。研究中有 40.4% 顯示正面結果，另有 23.6% 屬混合或取決於使用條件的結果；在報告的風險之中，過度依賴、分析自主性減弱和認知卸載都相當突出。

其他研究綜合亦得出相近的提醒：如果一般用途的 AI 工具繞過學生掌握基礎知識所需的思考過程，分析、推理和創意等高階能力可能受損。因此，研究建議學生先建立學科基礎，再學習 AI 素養，並由教師逐步引導工具的使用方式。

不過，研究基礎仍在發展中。不同研究對「批判思考」的定義並不完全一致，研究對象的年齡、科目、功課類型和 AI 協助程度亦有差異。 所以較穩妥的結論係：

當 AI 係用來搭鷹架、提供回饋，或者挑戰學生的推理時，更有機會幫到學習；當 AI 取代學生原本要做的基礎理解和分析時，就更有機會令學習走樣。

真正值得關注的，可能係「完成任務」同「留下長期能力」之間的落差。學生可以更有效率咁交功課，但未必因此獲得功課原本想培養的知識和判斷力。

由捉抄襲，轉向設計一個睇得見學習過程的評核制度

ChatGPT 於 2022 年公開普及後，全球教育機構最初普遍集中處理作弊、抄襲和 AI 偵測。新加坡的大學政策則逐漸形成一套較有區分的做法：某些課程可以使用 AI，但實際規則由科目和功課決定；學生仍然要為提交內容的準確性、學術誠信和資料來源負責。

新加坡國立大學（NUS）的指引要求學生交代 AI 使用情況、先向教師確認課程規定，並對作品的質素和誠信承擔責任。 NUS 政策亦明確指出，直接提交 AI 產出，或者把 AI 產出重新改寫後不作申報，均可能構成抄襲。

與此同時，單靠 AI 偵測器判斷學生有冇作弊，局限亦越來越明顯。南洋理工大學（NTU）表示，將於 2027 年停止使用校方的 AI 偵測器，原因包括技術不可靠，以及缺乏足夠實證效度去證明學術不當行為。大學計劃改為更重視記錄學生的工作過程，以及採用標準化的 AI 使用申報。

這種轉向代表，評核唔應該只係估份 final text 係咪學生寫，而係要令學生點樣得出結論變得可見。方法可以包括：

• 先完成一次無 AI 輔助的初步嘗試；
• 保留草稿、修訂紀錄和版本歷史；
• 附上註釋資料來源；
• 寫反思筆記，交代決策和修改過程；
• 透過口頭解釋或答辯展示理解；
• 使用貼近學科、個人或特定情境的證據；
• 要求學生將概念應用到未見過的新問題。

目標唔係整一份所謂「AI-proof」的功課，而係令被評核的學習本身能夠被看見。

學生應該點樣用 AI，先唔會變成代腦？

一條簡單而實用的原則係：AI 應該喺你思考之後、思考途中，或者用來挑戰你的想法，而唔係代替你思考。

對學生而言

1. 先自己做。 先寫大綱、試做題目、搵相關資料，或者提出一個暫時立場，再開 AI 工具。
2. 將 AI 當成思考拍檔。 可以叫 AI 提出反方論點、指出假設、建議搜尋字眼、設計練習題，或者批評你的草稿。
3. 把 AI 輸出當成待查證的說法，而唔係證據。 事實、引文、來源、計算和解釋，都要用可靠的原始或權威資料核對。
4. 保留 AI 使用紀錄。 記低用過咩工具、輸入過咩重要指令、AI 產生咗咩內容、你採納或拒絕咗邊啲，以及最後點樣核實。NUS 指引已要求學生承認 AI 的使用並自行負責，部分學系更要求以表格詳細申報。
5. 保持獨立掌握。 每一個主要論點，學生都應該可以唔靠 AI 自己解釋和辯護。

對教師和教育機構而言

學校和大學可以為每份功課列明 AI 的使用級別：

• 禁止使用： 功課評核的是無輔助記憶、計算、寫作或其他基礎技能；
• 申報後可用： AI 可以協助研究、回饋或文字修訂，但學生必須記錄使用情況並核實結果；
• 要求使用： 評核重點係學生能否審問、改善或者反駁 AI 的答案。

一個較完整的流程，可以安排成：先獨立嘗試，再接受有指引的 AI 回饋，之後由學生自行修改，最後反思 AI 邊度答得啱、唔完整或者根本錯。

教師亦要分清楚「識寫 prompt」同「真正理解」係兩回事。Prompt 寫得精巧，唔代表學生掌握咗學科；相反，如果學生能夠有理有據咁拒絕一個聽落合理的 AI 答案，反而可能係更強的學習證據。

對年紀較小的學生，MOE 的立場係 AI 使用必須有助學習、有明確目的，並符合年齡和發展階段，同時安全及負責任。 近期報道亦提到，MOE 開發的工具會由小學四年級起，在教師監督下分階段引入，並擴大教師的 AI 培訓。 換句話講，小朋友需要的是有引導的課堂使用和成人支援，而唔係無限制的私人使用。

有裝置，不代表有相同的 AI 素養

新加坡較集中化的數碼基礎建設，有助減少學生在裝置和認可學習工具上的差距。MOE 表示，各校獲得數碼基建、裝置和軟件支援，學生亦可以在整個學校系統使用 SLS。

但「人人都有得用」唔等於「人人都識批判咁用」。有較多時間、信心或教育經驗的家庭，可能更有能力教小朋友追問答案、核對來源，或者察覺一段解釋其實流於表面。若然學校唔明確教授呢啲做法，家庭背景的差異就可能變成新一種教育不平等。

要收窄這個差距，學校可以將原本只在家庭或社交圈子中傳授的「專家習慣」公開教出來：

• 在課堂示範點樣核實資料和評估來源；
• 提供結構化提示，展示好用和濫用 AI 的例子；
• 教學生做後設認知，即係思考自己點樣知道「我真係明白」；
• 讓學生在校方管理和監督下接觸工具；
• 培訓教師，避免學生能否獲得指導只取決於個別老師對 AI 有幾熟。

MOE 目前推動的 AI 素養方向，包括理解 AI 的好處、限制和風險，學識質疑輸出，以及辨認偏見、虛假或誤導資訊。

2026 至 2029 年：新加坡會行向邊度？

現有政策訊號顯示，新加坡更大機會繼續深化 AI 融入教育，而唔係全面退回禁用模式。未來數年，AI 素養或會更明確咁融入不同學習階段和科目，獲批准的工具亦會繼續擴展；SLS 則會用於個人化練習、形成性回饋和協助教師了解學生需要。

大學方面，方向亦較可能係繼續強調申報、問責和按課程訂規則，而唔係依賴偵測器執法。 評核會更重視過程、應用、對話和判斷，尤其係那些學習目標本身就包括獨立推理的課程。

真正的考驗係：AI 究竟令學生更有能力思考，定係靜靜地取代了思考所需要的練習？

所以，新加坡最有可能建立的唔係「AI 周街都係」或者「完全唔准用 AI」的模式，而係有結構的使用，加上明確保留無 AI 輔助的閱讀、寫作、計算、討論和解難時間。

學生畢業時，應該既識得同 AI 合作，亦識得發現 AI 出錯；既知道幾時應該用，亦知道幾時唔應該用；即使工具唔喺身邊，仍然能夠提出可靠的理由和判斷。呢個先係「同 AI 一齊學習」，而唔係「將學習交咗畀 AI」的分別。