新世代教師的轉型與賦能

今天前往華山，參觀了 TFT 為台灣而教 2026 有感節的年度展覽——「如果這世界，老師消失了」。展覽從一個有些令人不安的假設開始：如果有一天，老師真的從世界上消失了，會發生什麼事？

走進展場，可以看到老師的一天、成為老師的起點、放學之後仍然沒有結束的工作，以及親師溝通、行政負荷、工作壓力與教育現場的種種拉扯。

其中有一個畫面讓我停留了很久。

一張沒有老師的空白課表。

如果老師真的消失了，原本的課表會變成什麼樣子？又或者，我們真正失去的，究竟只是一個「站在講台上教書的人」，還是更多平常沒有被看見的東西？

這是一個很用心的展覽。它讓我們重新看見教育現場中教師所承擔的壓力。

但走完整個展覽之後，我腦中卻又浮現了另一個問題：

當我們努力思考如何讓老師留下來的同時，是不是也需要重新思考：AI 浪潮下，我們究竟需要什麼樣的老師？

這不是否定教師正在承受的困境。反而正因為我們希望老師留下來，所以更需要問：我們希望老師留下來，繼續做些什麼？

如果 AI 都會教，老師還可以怎麼教？

之前在 Allen Mind Lab，我們曾經問過一個問題：如果 AI 都會教，老師還可以怎麼教？

生成式 AI 已經可以協助解釋概念、整理教材、產生例題、調整內容難度、提供練習與初步回饋。這些能力，過去有不少都被視為「老師會教」的重要表現。

AI 當然還有許多限制，也不能因此把教育簡化成「有 AI 就不需要老師」。但我們同樣不能假裝什麼事情都沒有發生。

當取得知識、整理資訊，甚至獲得初步教學協助的成本快速下降，真正值得討論的問題，或許已經不只是「AI 會不會取代老師？」而是：

當 AI 已經可以協助完成愈來愈多教學工作，我們最希望老師把時間花在哪裡？

這個問題，可能比「AI 能不能教」重要得多。

教育需要轉型，但不能只是要求老師轉型

談到 AI 與教育，我們很容易得到一個答案：老師要增能。

老師要懂 AI、懂數位教學、懂資訊倫理，也要重新設計課程與評量。這些當然重要。

UNESCO 在 2024 年提出的《AI Competency Framework for Teachers》，將教師的 AI 能力分成人本思維、AI 倫理、AI 基礎與應用、AI 教學，以及運用 AI 進行專業學習等面向。但其中有一個觀點，我認為比「老師要學會多少 AI 技能」更加重要：AI 進入教育之後，教師的角色需要被重新思考，而教師也必須得到足夠的準備與支持。

換句話說，AI 教育不能只剩下「老師要跟上」。

回頭看看這些年我們對教師的期待，會發現教師身上的能力清單其實已經愈來愈長。除了原本的學科專業、備課與教學，我們希望老師會班級經營、親師溝通、理解特殊需求、關心學生心理健康、處理情緒與行為問題。現在 AI 來了，又增加了 AI 素養。

久而久之，「教師增能」很容易變成一句：老師再多學一點。

但如果所謂的教育轉型，只是不斷在老師身上疊加新的能力與責任，我們或許不是在解決問題，而是在增加教師的負荷。

AI 世代的教師專業，不應該只是加法，而是重新配置。

有些能力，需要強化；有些工作，可以開始與 AI 協作；有些重複性的工作，可以交給系統；有些超出教師專業範圍的需求，本來就應該由其他專業共同承擔。

AI 愈會教，哪些教師能力反而愈重要？

如果 AI 愈來愈擅長處理資訊、產生內容與提供基礎教學支持，有一些教師能力反而會更加珍貴。因為它們的核心不是「知道答案」，而是理解人、帶領人，以及創造學習。

溝通與助人：教育從來不只是把話講清楚

老師每天面對的不只是教材，而是人。一個孩子突然不想進教室；一個學生考差之後認為自己很笨；一位焦慮的家長詢問孩子為什麼退步；兩個學生發生衝突，各自認為自己才是受害者。

這些時候需要的，不只是把事情「說清楚」，還包括傾聽、同理、提問、回饋、情緒承接與衝突處理，以及在彼此立場不同時仍能維持合作關係的能力。

AI 可以協助草擬一封親師溝通訊息，但真正面對一個焦慮、生氣或失望的人時，教育仍然發生在人與人的關係之間。因此，未來教師或許需要更多助人工作者的基本素養。不是要老師變成心理師，而是讓老師更懂得如何與人工作。

團體動力：老師不是同時教三十個人，而是在帶一個團體

一個班級並不是三十個彼此獨立的學生坐在一起。它是一個團體。

團體會形成自己的規範，也會出現領導者、沉默者與次團體；有人受到歡迎，也可能有人逐漸被排除。一個人的情緒可能影響另一個人，一件小事也可能因為同儕反應迅速放大。

因此老師面對的不只是「這個學生怎麼了？」有時候更需要看見：「這個班現在怎麼了？」

AI 可以一對一陪一個學生解題，但如何讓一群不同的人願意一起學習、合作、處理衝突並建立共同規範，仍然需要高度的人際與情境判斷。

懂得教一個人，和懂得帶一群人，並不是同一件事。

兒童與青少年發展：先理解眼前的孩子

當一個學生沒有完成作業，我們看到的是「沒交作業」。但背後可能是完全不同的事情：他是不會、不想、不敢、不知道怎麼開始、害怕失敗，還是最近發生了一些事情，讓他暫時沒有能力把心思放在學習上？

理解兒童與青少年的認知、情緒、自我概念、人際關係與發展歷程，可以幫助教師從表面的行為再往下看一層。不是急著問「他為什麼不配合？」而是先理解：「這個孩子現在發生了什麼事？」

認知心理與學習科學：AI 很會教之後，更要懂人怎麼學

如果 AI 可以快速產生教材、解釋概念、整理答案，那麼教師真正重要的專業之一，反而是理解：人究竟是怎麼學會的？

注意力、工作記憶、先備知識、認知負荷、提取練習，都可能影響學習。認知科學的研究提供了許多值得參考的方向，但這些原則並不是拿來直接套用的「教學公式」。從研究走進真實教室，仍然需要考慮年齡、科目、學生特性與實際情境。

這也正是教師專業判斷的價值：什麼時候 AI 是好的學習鷹架？什麼時候提示給得太快？什麼時候 AI 看似幫學生完成任務，卻也替他走掉了原本應該經歷的思考歷程？

所以 AI 世代的老師，不一定需要比 AI 更會「產生教材」，但需要更懂：這份教材會讓學生怎麼學。

PBS：從管理行為走向理解行為

當學生出現干擾、拒絕、逃避甚至情緒行為問題時，我們很容易先問：「怎麼讓他不要再這樣？」

正向行為支持（Positive Behavioral Support, PBS）提供的是另一種思考：行為不是憑空出現的。我們可以進一步理解行為發生前後的情境、可能的功能、學生尚未具備的能力，以及環境是否有調整的可能。

先理解行為，再處理行為。

教師不需要成為 PBS 專家，但具備基本的行為功能觀點，可以讓班級經營多一種理解學生的方法。而當問題已經超出一般班級經營能夠處理的程度時，更重要的是知道：接下來不應該只是老師再努力一點，而是支持系統應該進來了。

賦能，不等於把所有專業都教給老師

老師可以懂一些心理、輔導、特教、PBS，也懂一些 AI。但如果「教師增能」最後變成把每一個專業的工作都教一點給老師，再讓老師自己處理，那並不是真正的賦能。

賦能，不等於把專家的工作教給老師做。

真正的賦能，是老師具有足夠的基本理解與初步辨識能力，知道自己可以處理到哪裡，也知道什麼時候應該求援。而最重要的是：當老師求援之後，真的有人接得住。

OECD 在 2025 年提出 Teaching Compass，談的不只是教師需要哪些能力，也強調教師的能動性、專業能力與福祉，並將教師重新定位為學習的共同設計者與教育改變的重要參與者。

教師不是改革最後一哩路的「執行者」。教師本身，就應該是教育轉型的參與者。

導師是整合者，但整合不等於包辦

導師通常最能看見學生在學校裡的整體樣貌。家長看到的是孩子在家的樣子；不同專業可能看到的是某一次晤談、評估或特定面向；而導師經常同時看見學生的學習、同儕互動、班級位置與日常變化。

因此，導師很適合成為教育支持系統中的整合者。但有一條界線非常重要：

整合，不等於包辦。

當問題涉及心理、輔導、特殊教育、家庭、社會資源或醫療需求時，相關專業不能只是完成評估，再告訴老師：「你回去可以這樣做。」

必要時，專業人員也應該共同參與策略討論、後續追蹤，以及與家長或家庭的溝通。

導師可以協助大家拼起完整的圖像：孩子在班級裡發生了什麼？家庭看到的是什麼？專業評估看見了什麼？接下來大家可以如何合作？但屬於專業的問題，應該由專業共同承擔。

導師掌握全貌，專業承擔專業，團隊共同支持。

好的跨專業合作，不是多幾個人告訴老師該怎麼做，而是：多幾個人真正一起做。

這樣的概念也可以從 PBIS 的系統觀點得到呼應。PBIS 並不只是提供教師一些班級行為技巧，而是強調從班級、學校到不同層級支持系統的建立，讓教師面對不同程度的學生需求時，背後有相對應的支持。

老師負責帶班，但不應該一個人扛班。

AI 也應該是協作者，而不是老師的新工作

如果 AI 進入教育現場之後，只是要求老師多學幾個平台、多參加幾場研習、多設計幾種數位教材，再多負責檢查學生是不是使用 AI——那麼 AI 並沒有減輕教師的工作。它只是變成另一項工作。

真正的 AI 協作，應該反過來問：哪些工作可以不必再全部由老師親自完成？

教材的初步整理、不同程度例題的產生、練習題初稿、資料格式轉換、教學素材初步改寫，以及部分形成性練習，都可能逐漸形成「教師＋AI」的工作流程。

但教育判斷仍然需要教師。

AI 可以產生二十題考題，老師決定：哪一題值得問。

AI 可以產生三種教材，老師決定：哪一種適合眼前這群學生。

AI 可以分析學生的回答，老師仍然需要判斷：這個孩子需要的是再練一次，還是先有人陪他談談。

這才是 AI 協作。

教育轉型，也要提供教師轉型的條件

如果我們期待教師善用 AI，卻沒有穩定的網路、適當的數位設備、可安心使用的 AI 工具、清楚的資料安全規範與資訊支援，最後仍然只能靠個別老師自己想辦法。

如果期待老師設計新的學習方式，卻沒有備課、設計、嘗試與修正的時間，創新就只能發生在老師下班之後。

如果期待老師處理愈來愈複雜的學生需求，卻沒有心理、輔導、特教、社工、醫療與行政系統真正進場，那麼「跨專業合作」最後仍可能只剩老師負責執行。

因此，真正的教師賦能，不只有能力培養，還需要：設備、工具、時間、人力、制度，以及真正能夠運作的支持與轉介系統。

教育轉型不能只更新老師的大腦，也要更新老師工作的環境。

我們需要的，是新的教師專業生態系

如果要描繪 AI 世代的教師，我不會把他畫成一位更厲害、更萬能的超級老師。我更願意把它想成一個新的專業生態系。

最核心的，是教師真正值得持續深化的專業：學科專業、學習科學、溝通與助人、團體動力、兒童與青少年發展、PBS 基本素養，以及 AI 協作與教育判斷。

教師身後，則應該有一個真正能夠進場的專業支持系統：心理、輔導、特教、社工、醫療、行政與資訊科技。

再往外，還需要一個足以支撐教育轉型的環境：設備、AI 工具、制度、時間、人力，以及清楚的分工與轉介機制。

三個層次缺一不可。否則，後面兩層沒有做到的事情，很容易偷偷被改寫成一句：「所以老師應該再去學會。」

教師轉型，不應該只發生在教師身上

走出今天的展覽，我又想起之前曾經問過的問題：如果 AI 都會教，老師還可以怎麼教？

到了教師節前夕，我想把問題再往前推一步。

也許我們真正需要留下的，不只是站在講台前傳遞知識的人，而是能夠理解一個孩子，也能帶領一群孩子的人。懂得學習，也懂得關係；能與家長合作，也知道何時需要其他專業加入；能使用 AI，也知道什麼時候不應該把教育交給 AI。

而這樣的教師，不應該靠一個人努力成為十八般武藝、樣樣精通的超人。他需要被培育，需要工具與設備，需要時間，也需要一群能夠在身後接住他的專業夥伴。

所以，AI 世代的教育轉型，不應該只問：「老師還要再學會什麼？」

我們也應該同時問：「我們願意提供老師什麼？」以及：「我們願意從老師身上拿掉什麼？」

可以交給 AI 的，讓 AI 協助；可以由系統處理的，不再消耗教師；需要其他專業的，就讓專業真正進場。

把老師最珍貴的時間，重新留給：學生、團體、關係與學習。

寫在教師節前夕

教育需要轉型，教師專業也會隨著 AI 世代重新配置。

但在談論所有「改變」之前，我們不應忘記——此刻，仍然有許多老師每天走進教室。

面對不同的孩子、不同的家庭、不同的期待，也面對一個快速改變、甚至連答案都還不完全清楚的教育環境。

他們備課、教學、帶班、溝通、處理衝突，也在一次又一次的現場判斷中，陪著孩子長大。

我們期待教育轉型，並不是因為今天的老師做得不夠。恰恰相反。

正因為老師已經承擔了太多，我們才更需要重新思考：哪些事情真正值得由老師承擔。

真正的教師賦能，不是讓老師學得更多、做得更多，而是建立一個能接住老師的教育系統，讓老師有能力，也有餘裕，把真正重要的事情做得更好。

或許，這才是教師節前夕，除了說一句「老師辛苦了」之外，我們還可以一起思考的事情。

謝謝你，仍然在這裡。

在教師節前夕，Allen Mind Lab 向每一位仍然站在教育現場、陪伴學生學習與成長的教師，致上最高的敬意。

教師節快樂。

—— Allen Mind Lab

延伸閱讀

• 當學生已經有了 AI，老師還要教什麼？