SLS 是這套策略的重要一環。新加坡教育部表示，從小學至大學先修階段，學生都能使用符合課程的學習資源，平台亦逐步加入 AI 功能，以支援教學和學習。 政府科技部門的報告則指出，SLS 的 AI 工具可協助個人化學習，讓教師更了解學生的學習狀況，同時設有安全防護和符合年齡的使用規範。

但有了裝置和平台，問題並沒有因此變簡單。學生還必須學會質疑 AI 的答案、找出其中的錯誤，並判斷在什麼情況下使用 AI 反而會破壞作業原本要培養的能力。

真正的風險：把「學習核心」交給 AI

「認知卸載」本身不一定是壞事。人們一直都會使用外部工具來減少不必要的記憶負擔，例如計算機、參考書或拼字檢查器，讓注意力可以放在更複雜的任務上。

問題出現在學生尚未自行嘗試之前，就把學習的核心操作交給 AI。這可能包括讓 AI 先組織論點、解讀證據、解答陌生問題，或撰寫完整解釋。

這種做法的危險在於，一份語句流暢、結構完整的作業，可能掩蓋了薄弱的理解。AI 可以提高速度、表達能力和表面上的準確度，卻未必能讓學生建立足以：

• 辨認看似合理但其實錯誤的說法；
• 把概念應用到新問題上；
• 解釋某個論點為何具有說服力；
• 找出證據不足之處；或
• 在沒有工具協助時為自己的作品辯護。

這也是教育工作者重視「生產性掙扎」（productive struggle）的原因。回憶、嘗試、犯錯、接受回饋，再重新修正，並不是學習中的多餘步驟，而是推理能力逐漸穩固的過程。若把每一個困難都移除，任務或許會變得更容易，學生卻可能同時失去鍛鍊思考的機會。

研究支持哪些擔憂？又沒有證明什麼？

現有證據支持人們保持警覺，但還不足以得出「AI 必然削弱批判思考」這種簡單結論。

一項針對高等教育生成式 AI 的範疇綜述指出，AI 可協助寫作、回饋、解題和研究，同時也帶來認知卸載、依賴和學習者自主性等疑慮。 另一項涵蓋 89 篇研究的系統性綜述發現，影響並非一致或無條件：40.4% 的研究記錄到正面結果，23.6% 則呈現混合或取決於條件的結果。該綜述把過度依賴、分析自主性下降和認知卸載列為主要風險。

其他研究綜合也提出相近的警告。針對課堂學習的研究整理指出，當通用型 AI 繞過掌握技能所需的思考與嘗試，高階思考能力——包括分析、推理和創意——可能受到影響。因此，研究建議先建立基礎知識，再教授 AI 素養，並以有層次的方式引入相關工具。

不過，這個研究領域仍在發展。不同研究對「批判思考」的定義並不一致，研究對象的年齡、科目、任務和 AI 協助程度也各有差異。 因此，目前最穩妥的結論是：

當 AI 是思考的鷹架、回饋夥伴，或用來挑戰學生的推理時，它較可能支援學習；當 AI 取代學生對基礎材料的解讀和分析時，則較可能削弱學習。

最值得注意的落差，或許是完成任務與形成長期能力之間的落差。學生可以更有效率地交出作業，卻沒有獲得作業原本要培養的知識和判斷力。

從偵測抄襲，轉向重新設計學習

ChatGPT 於 2022 年公開推出後，全球許多教育機構的初步反應集中在作弊、抄襲和 AI 偵測。新加坡大學目前採取的做法則更為細緻：某些課程允許使用 AI，但規定由課程和作業本身決定；學生仍須對提交內容的準確性、學術誠信和資料來源負責。

新加坡國立大學（NUS）的指引要求學生申明 AI 使用情況、向授課教師確認課程規定，並對作品的品質和誠信負責。 NUS 的政策也明確指出，直接提交 AI 產出，或把 AI 產出重新改寫後未申報便當作自己的想法，均可能構成不當抄襲。

AI 偵測工具的局限也越來越明顯。南洋理工大學（NTU）表示，將於 2027 年停止使用校級 AI 偵測器，理由是相關技術不可靠，且缺乏足以證明學術不當行為的實證效度。校方計劃把重點轉向記錄學生的作業過程，以及使用標準化表格申報 AI 的方式。

這代表評量理念正在改變。與其只從最後一份文字猜測作者是誰，教師不如觀察學生如何得出結論，例如：

• 沒有 AI 協助的初步嘗試；
• 多次草稿和修訂紀錄；
• 加上註解的資料來源；
• 對學習過程的反思筆記；
• 口頭說明或答辯；
• 具學科特色、地方脈絡或個人經驗的證據；以及
• 要求學生把概念應用到陌生情境的題目。

目標不是把評量設計成「AI 無法破解」，而是讓評量中的學習過程變得可見。

負責任的 AI 使用，應該是什麼樣子？

對學生而言，一條實用原則是：在自己的思考之後、思考進行之中，或用 AI 來反駁自己的想法，而不是用 AI 取代思考。

給學生的五個做法

1. 先獨立開始。 在開啟 AI 工具前，先列出大綱、嘗試解題、找出相關資料，或提出一個暫定立場。
2. 把 AI 當成思考夥伴。 可以要求 AI 提出反方論點、找出假設、建議搜尋關鍵字、設計練習題，或批評自己的草稿。
3. 把 AI 輸出視為待查證的主張，而不是證據。 事實、引文、參考資料、計算和解讀，都應以可信的原始資料或權威來源核對。
4. 保留 AI 使用紀錄。 記下使用的工具、重要提示詞、主要輸出、採納或拒絕的內容，以及如何完成核實。NUS 指引已要求學生申明使用情況並承擔個人責任，部分學系更要求詳細列出使用紀錄。
5. 保有獨立掌握能力。 學生應能在沒有 AI 協助的情況下，解釋並捍衛每一項重要主張。

給教師和教育機構的做法

學校和大學可以為每項作業清楚標示 AI 使用層級：

• 禁止使用： 作業要評量未經協助的記憶、計算、寫作或其他基礎能力。
• 申報後可使用： AI 可協助研究、回饋或編修，但學生必須記錄使用過程並核實結果。
• 預期使用： 評量重點是學生能否審問、改善或挑戰 AI 的輸出。

一個較完整的學習流程，可以是先獨立完成初稿，再接受 AI 引導式回饋，之後由學生自行修訂，最後反思 AI 哪些地方正確、不完整或錯誤。

教師也應區分「寫出複雜提示詞」和「真正理解內容」這兩件事。提示詞寫得漂亮，不代表學生理解學科；相反，若學生能有理有據地拒絕一個看似合理的 AI 答案，往往更能證明其學習成果。

對年紀較小的學習者，新加坡教育部的立場是：AI 使用必須有助於學習，具備明確目的，符合年齡和發展階段，並且安全、負責任。 近期報道也提到，教育部開發的工具將從小學四年級開始，在教師監督下分階段引入，同時加強教師 AI 培訓。 因此，兒童需要的是有引導的課堂使用和成人支援，而不是沒有邊界的私人使用。

有裝置，不代表有 AI 素養

新加坡集中化的數位基礎設施，有助於減少學生在裝置和認可學習工具上的差距。教育部表示，學校可獲得數位基礎設施、裝置和軟件支援；學生則可在整個學校系統使用 SLS。

但能夠使用工具，不等於懂得批判性地使用工具。家庭若擁有更多時間、信心或教育經驗，可能更能協助孩子追問答案、核實資料來源，或察覺一段解釋只是表面流暢。若學校沒有明確教授這些能力，原有差異便可能轉化成新的教育不平等。

學校可以把這些原本只在部分家庭中流通的做法，變成所有學生都能學習的能力：

• 在課堂示範查證資料和評估來源；
• 提供結構化提示，以及 AI 使用恰當與不當的範例；
• 教授後設認知，包括學生如何判斷自己真的理解了某個概念；
• 提供受學校管治和監督的工具；以及
• 培訓教師，避免學生能否獲得良好指導取決於個別教職員對 AI 的信心。

教育部目前推動的 AI 素養方向，包括理解 AI 的好處、限制和風險，質疑 AI 輸出，以及辨識偏見、錯誤和誤導資訊。

2029 年前，新加坡可能走向哪裡？

現有政策訊號顯示，新加坡將繼續深化 AI 融入教育，而不是撤退。未來幾年，AI 素養可能更明確地貫穿不同學習階段，獲認可的 AI 工具也會擴大使用；SLS 則會繼續支援個人化練習和形成性回饋。

大學方面，政策方向也可能繼續偏向申報、問責和按課程制定規則，而不是依賴 AI 偵測器執法。 評量將更重視過程、應用、對話和判斷，尤其是那些以獨立推理為學習目標的課程。

關鍵考驗在於：AI 究竟是在擴大學生思考的能力，還是在不知不覺間取代思考所需的練習？

因此，新加坡最有力的模式不會是「到處都用 AI」，也不會是「完全不用 AI」，而是有結構的使用方式，加上受保護的獨立努力時間。

學生畢業時應該能夠有效地與 AI 合作，也能辨認 AI 何時出錯、決定何時不該使用 AI，並在工具不可用時提出可靠的推理。這就是「與 AI 一起學習」和「把學習外包給 AI」之間的差別。

SLS 是這套策略的重要一環。新加坡教育部表示，從小學至大學先修階段，學生都能使用符合課程的學習資源，平台亦逐步加入 AI 功能，以支援教學和學習。 政府科技部門的報告則指出，SLS 的 AI 工具可協助個人化學習，讓教師更了解學生的學習狀況，同時設有安全防護和符合年齡的使用規範。

但有了裝置和平台，問題並沒有因此變簡單。學生還必須學會質疑 AI 的答案、找出其中的錯誤，並判斷在什麼情況下使用 AI 反而會破壞作業原本要培養的能力。

真正的風險：把「學習核心」交給 AI

「認知卸載」本身不一定是壞事。人們一直都會使用外部工具來減少不必要的記憶負擔，例如計算機、參考書或拼字檢查器，讓注意力可以放在更複雜的任務上。

問題出現在學生尚未自行嘗試之前，就把學習的核心操作交給 AI。這可能包括讓 AI 先組織論點、解讀證據、解答陌生問題，或撰寫完整解釋。

這種做法的危險在於，一份語句流暢、結構完整的作業，可能掩蓋了薄弱的理解。AI 可以提高速度、表達能力和表面上的準確度，卻未必能讓學生建立足以：

• 辨認看似合理但其實錯誤的說法；
• 把概念應用到新問題上；
• 解釋某個論點為何具有說服力；
• 找出證據不足之處；或
• 在沒有工具協助時為自己的作品辯護。

這也是教育工作者重視「生產性掙扎」（productive struggle）的原因。回憶、嘗試、犯錯、接受回饋，再重新修正，並不是學習中的多餘步驟，而是推理能力逐漸穩固的過程。若把每一個困難都移除，任務或許會變得更容易，學生卻可能同時失去鍛鍊思考的機會。

研究支持哪些擔憂？又沒有證明什麼？

現有證據支持人們保持警覺，但還不足以得出「AI 必然削弱批判思考」這種簡單結論。

一項針對高等教育生成式 AI 的範疇綜述指出，AI 可協助寫作、回饋、解題和研究，同時也帶來認知卸載、依賴和學習者自主性等疑慮。 另一項涵蓋 89 篇研究的系統性綜述發現，影響並非一致或無條件：40.4% 的研究記錄到正面結果，23.6% 則呈現混合或取決於條件的結果。該綜述把過度依賴、分析自主性下降和認知卸載列為主要風險。

其他研究綜合也提出相近的警告。針對課堂學習的研究整理指出，當通用型 AI 繞過掌握技能所需的思考與嘗試，高階思考能力——包括分析、推理和創意——可能受到影響。因此，研究建議先建立基礎知識，再教授 AI 素養，並以有層次的方式引入相關工具。

不過，這個研究領域仍在發展。不同研究對「批判思考」的定義並不一致，研究對象的年齡、科目、任務和 AI 協助程度也各有差異。 因此，目前最穩妥的結論是：

當 AI 是思考的鷹架、回饋夥伴，或用來挑戰學生的推理時，它較可能支援學習；當 AI 取代學生對基礎材料的解讀和分析時，則較可能削弱學習。

最值得注意的落差，或許是完成任務與形成長期能力之間的落差。學生可以更有效率地交出作業，卻沒有獲得作業原本要培養的知識和判斷力。

從偵測抄襲，轉向重新設計學習

ChatGPT 於 2022 年公開推出後，全球許多教育機構的初步反應集中在作弊、抄襲和 AI 偵測。新加坡大學目前採取的做法則更為細緻：某些課程允許使用 AI，但規定由課程和作業本身決定；學生仍須對提交內容的準確性、學術誠信和資料來源負責。

新加坡國立大學（NUS）的指引要求學生申明 AI 使用情況、向授課教師確認課程規定，並對作品的品質和誠信負責。 NUS 的政策也明確指出，直接提交 AI 產出，或把 AI 產出重新改寫後未申報便當作自己的想法，均可能構成不當抄襲。

AI 偵測工具的局限也越來越明顯。南洋理工大學（NTU）表示，將於 2027 年停止使用校級 AI 偵測器，理由是相關技術不可靠，且缺乏足以證明學術不當行為的實證效度。校方計劃把重點轉向記錄學生的作業過程，以及使用標準化表格申報 AI 的方式。

這代表評量理念正在改變。與其只從最後一份文字猜測作者是誰，教師不如觀察學生如何得出結論，例如：

• 沒有 AI 協助的初步嘗試；
• 多次草稿和修訂紀錄；
• 加上註解的資料來源；
• 對學習過程的反思筆記；
• 口頭說明或答辯；
• 具學科特色、地方脈絡或個人經驗的證據；以及
• 要求學生把概念應用到陌生情境的題目。

目標不是把評量設計成「AI 無法破解」，而是讓評量中的學習過程變得可見。

負責任的 AI 使用，應該是什麼樣子？

對學生而言，一條實用原則是：在自己的思考之後、思考進行之中，或用 AI 來反駁自己的想法，而不是用 AI 取代思考。

給學生的五個做法

1. 先獨立開始。 在開啟 AI 工具前，先列出大綱、嘗試解題、找出相關資料，或提出一個暫定立場。
2. 把 AI 當成思考夥伴。 可以要求 AI 提出反方論點、找出假設、建議搜尋關鍵字、設計練習題，或批評自己的草稿。
3. 把 AI 輸出視為待查證的主張，而不是證據。 事實、引文、參考資料、計算和解讀，都應以可信的原始資料或權威來源核對。
4. 保留 AI 使用紀錄。 記下使用的工具、重要提示詞、主要輸出、採納或拒絕的內容，以及如何完成核實。NUS 指引已要求學生申明使用情況並承擔個人責任，部分學系更要求詳細列出使用紀錄。
5. 保有獨立掌握能力。 學生應能在沒有 AI 協助的情況下，解釋並捍衛每一項重要主張。

給教師和教育機構的做法

學校和大學可以為每項作業清楚標示 AI 使用層級：

• 禁止使用： 作業要評量未經協助的記憶、計算、寫作或其他基礎能力。
• 申報後可使用： AI 可協助研究、回饋或編修，但學生必須記錄使用過程並核實結果。
• 預期使用： 評量重點是學生能否審問、改善或挑戰 AI 的輸出。

一個較完整的學習流程，可以是先獨立完成初稿，再接受 AI 引導式回饋，之後由學生自行修訂，最後反思 AI 哪些地方正確、不完整或錯誤。

教師也應區分「寫出複雜提示詞」和「真正理解內容」這兩件事。提示詞寫得漂亮，不代表學生理解學科；相反，若學生能有理有據地拒絕一個看似合理的 AI 答案，往往更能證明其學習成果。

對年紀較小的學習者，新加坡教育部的立場是：AI 使用必須有助於學習，具備明確目的，符合年齡和發展階段，並且安全、負責任。 近期報道也提到，教育部開發的工具將從小學四年級開始，在教師監督下分階段引入，同時加強教師 AI 培訓。 因此，兒童需要的是有引導的課堂使用和成人支援，而不是沒有邊界的私人使用。

有裝置，不代表有 AI 素養

新加坡集中化的數位基礎設施，有助於減少學生在裝置和認可學習工具上的差距。教育部表示，學校可獲得數位基礎設施、裝置和軟件支援；學生則可在整個學校系統使用 SLS。

但能夠使用工具，不等於懂得批判性地使用工具。家庭若擁有更多時間、信心或教育經驗，可能更能協助孩子追問答案、核實資料來源，或察覺一段解釋只是表面流暢。若學校沒有明確教授這些能力，原有差異便可能轉化成新的教育不平等。

學校可以把這些原本只在部分家庭中流通的做法，變成所有學生都能學習的能力：

• 在課堂示範查證資料和評估來源；
• 提供結構化提示，以及 AI 使用恰當與不當的範例；
• 教授後設認知，包括學生如何判斷自己真的理解了某個概念；
• 提供受學校管治和監督的工具；以及
• 培訓教師，避免學生能否獲得良好指導取決於個別教職員對 AI 的信心。

教育部目前推動的 AI 素養方向，包括理解 AI 的好處、限制和風險，質疑 AI 輸出，以及辨識偏見、錯誤和誤導資訊。

2029 年前，新加坡可能走向哪裡？

現有政策訊號顯示，新加坡將繼續深化 AI 融入教育，而不是撤退。未來幾年，AI 素養可能更明確地貫穿不同學習階段，獲認可的 AI 工具也會擴大使用；SLS 則會繼續支援個人化練習和形成性回饋。

大學方面，政策方向也可能繼續偏向申報、問責和按課程制定規則，而不是依賴 AI 偵測器執法。 評量將更重視過程、應用、對話和判斷，尤其是那些以獨立推理為學習目標的課程。

關鍵考驗在於：AI 究竟是在擴大學生思考的能力，還是在不知不覺間取代思考所需的練習？

因此，新加坡最有力的模式不會是「到處都用 AI」，也不會是「完全不用 AI」，而是有結構的使用方式，加上受保護的獨立努力時間。

學生畢業時應該能夠有效地與 AI 合作，也能辨認 AI 何時出錯、決定何時不該使用 AI，並在工具不可用時提出可靠的推理。這就是「與 AI 一起學習」和「把學習外包給 AI」之間的差別。