AI時代，教學必須特別注重學習障礙的設計（Designing Friction），這並不是要刁難學生，而是刻意在「產出結果」之前，增加一道必須由人類大腦介入的「關卡」。
以下是四種可行的策略
1. 策略一：口述答辯（The 2-Minute Defense）
原理： AI 可以生成完美的程式碼或文章，但無法替學生解釋為什麼這樣做。讓學生口述，就會強迫他們要在腦中把資訊做編碼，才能完整的說出來。
評論：大推，搭配NotebookLM能吃語音檔的功能，老師可以輕易做到對每一學生的語音檔進行評分，還可以一鍵轉成試算表。
🔗 參考連結：
·Griffith University: Interactive Oral Assessment Guide (全球最權威的互動式口試操作手冊)
2. 策略二：過程考古（Process Archaeology）
原理： 將評量重點從「最終成品」轉移到「版本演化」。要求學生提交「與 AI 的對話紀錄（Prompt Log）」以及「修改前 vs. 修改後」的對照表。學生必須寫一段 200 字的反思：「AI 一開始給我的版本有什麼問題？我如何調整提示詞（Prompt）才得到現在的結果？」
評論：評分依據是「你如何修正 AI」，而不是「AI 寫得有多好」。但如果是多輪（超過10次以上，教師不易簡核），解決方法是請學生直接分享對話串。
🔗 參考連結：
·Ethan Mollick: Assigning AI - Seven Approaches for Students (這篇是 AI 教育界的必讀聖經，裡面有非常多具體的 Prompt 範例)
3. 策略三：在地化錨點（The Context Trap）
原理： 通用型 AI訓練資料來自全球網路，它極度缺乏「此時、此地、此人」的具體脈絡。可以請學生「結合上週二客座講師提到的某個觀點，來分析社群行銷趨勢」或「請針對我們學校周邊的某家咖啡廳，規劃行銷案」。
評論：強迫學生要給足夠資訊 (上下文工程)，才能有正確答案。但仍無法避免認知外包的情況。
參考連結：
·Brookings: A new direction for students in an AI world （布魯金斯學會 (Brookings) 的《AI 時代學生新方向》報告。）
4. 策略四：逆向圖靈測試（Reverse Turing Test）
原理： 既然 AI 會犯錯，那就把「找錯」當成作業。考試題目是：「這篇文章有 3 個致命錯誤，請在 20 分鐘內找出來並修正它。」
評論：沒有測試過，但覺得可行。
🔗 參考連結：
·OpenAI: Teaching with AI (OpenAI官方提供的教師專用 Prompt，包含如何讓 AI 故意生成錯誤供學生練習，月一些prompt範例)
