在 Gemini 上排定的 AI 新知當中，
看到了有關 UbD 課程設計理論上面的新應用，
以及2026 全球學習與發展 (L&D) 趨勢，
覺得蠻有趣的，分享幾個想法給大家
(原文連結放留言)
UbD 重理解的課程設計，
相信這個理論大家都不陌生，
但在 2026 年遇上 AI，
可以碰撞出什麼新花樣呢？
先從2026 全球學習與發展 (L&D) 趨勢的資料來看
學習環境將由以下九大趨勢主導：
• 整合式平台解決技能落差：
透過技術直接嵌入工作流，減少學習中斷。
• 重視「結果」而非「活動」(Outcomes not activities)：
追蹤學生真正獲得了什麼成效，而非僅是完成了哪些教案活動。
• 從「路徑」而非「目錄」思考 (Journeys not catalogues)：
提供個人化的學習旅程與儀表板（如「下一項活動」區塊），
而非讓學生在繁雜的教材目錄中迷失。
• 從社交學習轉向社群驅動學習：
強調學習者共創知識，由社群驅動內容與路徑。
• 引入 AI 代理人 (AI Agents)：
AI 不再只是聊天機器人，而是具備上下文感知 (Context-aware)
與動態特質的對話夥伴，能理解目標並主動引導。
• 技能發展的成熟化：
轉向實用的技能數據應用，而非單純的標籤。
• 行動優先的教學：
支援隨時隨地的微學習（Microlearning）。
• 數位角色扮演 (Roleplay) 的崛起：
提供安全且沉浸式的練習環境，實現「排練後再實踐」。
• 領導力重新聚焦：
強調導師作為成長賦能者。
-----------------
以UbD課程設計的逆向設計來結合
搭配素養導向教學，確保成效與目標高度對齊
決定評量證據，最後才設計教學活動
有了AI，在課堂任務設計可以玩出更多花樣！
UbD的骨架留存，讓AI強化學習內容
因此，真實評量在AI時代更能符應報告中學習風景，
AI 更讓我們改變評量題目，進一步提供了全新的評量工具：
例如：
1.讓評量從「靜態產出」轉向「動態歷程」
傳統真實評量可能是一個專案報告，
但現在 AI 可以輕易偽造報告，
因此，評量必須包含「角色扮演」與「模擬」
透過 AI 的模擬，
學生可以在安全環境下練習高風險對話（如情境對話、團隊回饋），
這是傳統紙筆或靜態報告做不到的。
2.體現 評量即學習（Assessment as Learning）的概念
利用 AI Agents 進行即時回饋，
讓評量變成了學習過程的一部分 。
而在學習上，逐步去中心化與自動化
這也是目前泛用的方式：AI 作為學習夥伴
因為AI Agents 能記住學生的
學習歷程、理解目標，並充當對話夥伴，
讓 AI 與學生在互動中生成客製化的路徑。
或是報告中提到的社群共創，
讓學生成為知識的主動吸收者。
---------
AI 時代的 UbD 設計
我的思考：國語文教學，從「閱讀理解」到「觀點說服」
以往要學生理解議論文的結構（論點、論據、論證），
可能會搭配寫作來進行，像是"小學生是否該擁有手機"
學生通常是為了寫而寫，對象是老師（為了分數），
缺乏真實的溝通對象與阻力。
可以這著這樣調整：
1. 轉向實用性 ：
不再只追求「寫出結構正確的文章」，
而是追求「在溝通中達成目的」，
培養同理心與領導力，
以及在高張力對話中的情緒穩定度。
2.利用 AI 進行「角色扮演」，進行動態評量
讓 AI 扮演一位
「極度反對買手機給小孩的頑固家長」，
學生必須透過文字對話，
嘗試用邏輯和情感說服這個 AI 角色，
通關標準是看 AI 的「態度值」是否軟化，
這可以設定在 Prompt 中讓 AI 每回合評分。
3.學生實作：
學生輸入論點->AI 反駁。
學生必須思考：
「我剛剛的論據無效，我該換個說法嗎？
是用數據（論據）還是用情感（同理）？」
活動結束後，要求 AI 切換回「教練模式」，
分析學生剛剛哪一句話最有說服力，
哪一句話邏輯有漏洞。
---------
不過考量到真實評量，我也有些疑惑：
1. 真實評量所需要的評量規準（Rubrics）為何？
2. 老師可以執行的評量方式有哪些？
3. 我們該如何給學生評分呢？
剛好在2026的趨勢報告中提到
要從「活動（Activities）」轉向「成果（Outcomes）」
因此，規準必須從「有沒有做」轉向「有沒有效」。
●針對1 真實評量所需要的評量規準（Rubrics）為何？
所以我們可以這樣去發想規準的面向
例如：
1. 效能 - 結果導向
在真實世界，藉口沒有用，結果才重要。
AI 時代指標：學生是否成功改變了 AI 角色的態度？
（例如：AI 父親的「憤怒值」是否從 10 降到 3？）
2. 策略 - 方法論
這對應到能力本位課程設計（CBCD）中的績效指標
AI 時代指標： 當 AI 丟出「突發狀況」（如預算縮減）時，
學生調整方案的邏輯是否合理？
是否能利用數據支持決策？
3. 反思與優化 - 成長性
UbD 中強調的「理解六側面」中的自知（Self-knowledge）
AI 時代指標： 學生能否根據 AI 的第一次回饋，
在第二次嘗試中顯著優化表現？
●針對2 老師可以執行的評量方式有哪些？
透過模擬與角色扮演的方式
可以有不同應用，像是：
人機對抗-
學生與設定好的 AI 進行 10 分鐘的文字攻防。
AI 擔任「阻力角色」
魚缸演練
老師操作 AI 投在大螢幕。
全班分組討論「下一句該回什麼」，由老師輸入。
全班共同觀察 AI 反應。
數位策展
學生不只交報告，
而是交出「與 AI 協作的歷程截圖」
加上「最終決策書」。
●針對3 我們該如何給學生評分呢？
在真實評量中
如果答案沒有標準對錯，分數怎麼給？
改採「達成制」與「加權制」
可以這樣做：
1.利用 AI 進行輔助評分
既然學生跟 AI 互動，
可以要求 AI 在互動結束後，
根據預設的規準產出初步評語與分數建議。
例如：在 Prompt 的最後加上指令：「請針對剛剛學生的表現，依照 1. 邏輯性 2. 同理心 3. 達成率，給予 1-5 分的評量與具體建議。」
2. 看成長幅度
看「初稿」與「完稿」的差距。
例如設定加權：最終成績 = (初次嘗試分數 x 30%) + (修正後分數 x 40%) + (反思報告品質 x 30%)
-----------
兩篇國外的文章讓我收穫良多，
激發許多在國數社綜的各種應用，
別再利用AI單純無腦輸出，
把理論框架放進來，
你也可以迸出更多課堂的火花！
