如果一堂課只有100分鐘，我們到底應該把時間花在哪裡？是老師站在前面，把管理學的概念重新講一次；還是讓學生先完成閱讀與基礎理解，再把真正珍貴的課堂時間，留給討論、判斷、提問、合作與應用？
這學期在職能治療管理學的課程設計中，我開始嘗試另一種安排。
我把部分原本需要在課堂完成的知識傳遞，逐步搬到線上。學生可以在課前完成文章閱讀、互動小測驗與正式測驗，通過後取得完訓證明；如果願意多走一步，也可以挑戰額外的開放式 Bonus 加分題。
等到真正走進教室時，我希望學生不是第一次接觸這些概念，而是已經帶著一些知識、一些理解、一些疑問，甚至不同的意見進來。
生成式 AI 真正能改變的，也許不只是老師製作教材的速度，而是整個學習流程如何重新配置。
真正稀缺的，也許是課堂中的互動時間
過去準備一門課，老師往往必須投入不少時間製作簡報、整理教材、設計題目與建立測驗，再利用課堂時間逐一講解。
生成式 AI 出現之後，教材整理、題目設計、內容轉換，甚至簡單的數位學習平台製作，都開始有了不同的可能。當「把知識整理出來」這件事變得比較容易之後，我反而開始問：我們還需要把大量課堂時間，用來做學生其實可以先完成的知識接收嗎？
這樣的想法，其實和翻轉學習（flipped learning）的核心精神很接近：將部分知識接收移到課前，再把實體課堂留給理解、應用、討論與問題解決。
van Alten 等人針對中等與高等教育研究進行後設分析，發現翻轉課堂對學習成果整體呈現小幅正向效果；當實體課堂時間沒有因此縮短，或課前安排測驗時，學習效果更為理想[1]。
真正重要的，並不是把教材搬到線上，而是把課堂空出來之後，準備拿它做什麼。
尤其像管理學這類課程，真正困難的往往不是記住某一個理論名稱，而是當資源有限時怎麼做決策；團隊出現衝突時怎麼協調；每個人都認為自己的方案最重要時怎麼排序；一個看似合理的方案真正進入現場後，又要怎麼修正。
這些事情，很難只靠聽課學會。它需要討論、碰撞、比較、判斷與反思。如果基礎知識可以先在線上完成，那麼課堂就有機會回到這些真正難以被取代的部分。
把「知道」留在線上，把「怎麼用」帶進教室
這次的管理學自學平台，我刻意把學習拆成幾個層次。
學生先在線上閱讀相關文章，再完成每篇的小測驗；完成指定內容後，解鎖正式測驗；通過後取得個人完訓證明。如果願意進一步挑戰，也可以完成額外的開放式 Bonus 任務。
看起來只是一套簡單的線上自學流程，但背後的想法其實很單純：
先處理「我有沒有讀過、我知不知道」，再一起進入「那我到底會不會用」。
如此一來，進入課堂後，我就不必再從零開始重新講一次所有概念。學生可能理解了七成，也可能只有五成；甚至有人讀完之後，反而冒出更多問題。
那都沒有關係。因為大家不是空著腦袋走進教室。他們帶著自己的理解進來，也帶著自己的疑問進來。而這正是互動式課程很好用的起點。
平台上線第一天，就有人已經往前走了
平台正式開放的第一天，很快就出現了一個讓我相當意外的情況。
原本只是希望學生可以依照自己的時間，在課前逐步完成閱讀與測驗，沒想到當天就已經有學生完成整套自學流程。第一位完成的學生，甚至主動把6題開放式 Bonus 加分題全部做完。
這件事情其實比「有人拿到高分」更值得我注意。
當學習資源已經準備好之後，學生不一定需要等到下一堂課，也不一定需要等老師走到下一章。
傳統課堂通常有一個共同進度。老師今天教到這裡，大家就一起停在這裡；下一次上課，再一起往前。
但當線上自學平台逐漸成熟之後，學習開始有機會變得更有彈性。有人需要多看幾次；有人想慢慢理解；也有人今天有時間、有興趣，就想繼續往前走。
從自我調節學習（self-regulated learning）的角度來看，學習者並不是單純等待教學發生，而會透過目標設定、策略運用、自我監控與反思，不斷調整自己的學習歷程。Zimmerman 對自我調節學習的整理，也強調學習者主動參與自己學習歷程的重要性[2]。
所以我越來越覺得，AI 浪潮下值得重新思考的，不只是「老師可以怎麼用 AI 教書？」也包括另一個問題：
我們還需不需要讓所有人的學習進度，都被同一間教室、同一個鐘聲、同一份進度表綁在一起？
當學生準備好了，也許就應該有繼續往前走的空間。
從「教材製作者」慢慢轉向「學習設計者」
這個平台從文章整理、題目設計、測驗邏輯、網頁介面，到學習路徑的調整，都大量運用了生成式 AI 協作。
但真正讓我感興趣的，已經不只是「AI 幫我省了多少時間」，而是它讓我可以把更多心力放到另外一些事情上：這個閱讀順序對學生合理嗎？題目是在考記憶，還是在確認理解？Bonus 應該成為競爭，還是單純鼓勵學生多想一步？學生完成之後，下一步應該走到哪裡？線上學習與實體課堂，又要怎麼真正接起來？
這些問題，其實比「再做一份漂亮簡報」更接近教學設計的核心。
生成式 AI 的價值，不只是提高製作效率，而是讓教師有機會重新把注意力放回「設計學習」。
當然，這也不代表教學判斷可以直接交給 AI。UNESCO 在生成式 AI 教育與研究指引中，強調人本取向、資料隱私、倫理、安全、包容性與教學設計的重要性[3]。AI 可以成為協作工具，但學習目標、課程設計與教育價值，仍需要由人來決定。
不是所有可以被記錄的資料，都一定要被記錄
第一位完成自學的學生把6題 Bonus 全部做完之後，我第一個反應其實是：
「欸，可惜我看不到他到底寫了什麼。」XD
接著很自然地開始想，要不要再把後台做完整一點，把學生每一題的回答都留下來。
但想了一下，我最後反而決定暫時不要。
因為這套系統原本的目的，本來就不是打造另一個更精密的考試平台，而是鼓勵學生願意主動閱讀、主動完成，也願意多走一步。
既然 Bonus 的定位是鼓勵，那麼「有完成、有思考、有回答，就給分」，也許反而更符合原本的設計初衷。
如果每一個鼓勵任務最後都變成老師必須逐題審核、逐字評分，它很快又會變回另一份正式作業。學生也可能開始思考：「老師到底想看什麼答案？」那就少了一點自主學習原本應該保有的空間。
不是所有可以被記錄的資料，都一定要被記錄；不是所有可以被評量的內容，都一定要被精細評分。
有些設計存在的目的，就是鼓勵參與。這樣就夠了。
把真正值得一起做的事情，留給課堂
如果學生已經在課前完成閱讀與基礎測驗，課堂就有機會做更多原本很難做到的事情。
我們可以拿真實情境來討論，可以讓十組學生交換觀點，可以進行公民咖啡館，可以讓不同章節的「同儕專家」彼此會診，也可以搭配方案規劃管理智能助理，在討論之後進一步檢視自己的方案。
原本只能停留在簡報上的管理理論，可以被放進一個有資源限制、有不同角色立場，也需要做出取捨的情境裡。學生也可以直接問：「老師，如果真的遇到這種狀況怎麼辦？」
這些時刻，才是我現在越來越珍惜的課堂。
Freeman 等人分析225項 STEM 大學課程研究後發現，主動學習與較佳的考試表現及較低的失敗率相關[4]。這項研究的領域與職能治療管理學並不完全相同，因此不能直接類推成相同效果，但它提供了一個很重要的提醒：
真正影響課堂品質的，往往不只是老師講了多少，而是學生實際參與了多少。
AI 時代的課堂，不是少教一點
所以我現在越來越不把線上自學看成「把課程搬到網路上」。它比較像是在重新分工。
有些事情適合交給平台，有些事情適合讓學生自己完成，有些事情可以和 AI 協作；而有些事情，仍然值得大家一起坐在教室裡完成。
閱讀，可以在線上。基礎測驗，可以在線上。知識確認，也可以在線上。
但討論、碰撞、提問、合作、判斷與反思，我還是希望留在教室。
所以這次的嘗試，與其說是在打造一個「AI 自學平台」，我更願意把它看成：重新設計一堂課的時間。
讓學生先帶著知識進來，也帶著問題進來，然後把珍貴的課堂時間，留給真正值得一起完成的學習。
平台上線第一天，就有人主動完成整套自學，甚至做完所有 Bonus，也再次提醒了我：
在 AI 浪潮下，學習進度不應只由教室決定。
當學生準備好了，就應該有繼續往前走的空間。而教師真正要做的，也許不是要求所有人用相同速度前進，而是準備好一條清楚、有支持，也有挑戰的學習路徑。
最後，我想追求的並不是把更多內容塞進那100分鐘，而是：
把可以自己完成的學習留在課前，
把只有大家一起在場才真正有價值的事情，留給課堂。
這樣的100分鐘，才有機會成為真正的——
100分高效能學習與互動。
參考資料
- van Alten, D. C. D., Phielix, C., Janssen, J., & Kester, L. (2019). Effects of flipping the classroom on learning outcomes and satisfaction: A meta-analysis. Educational Research Review, 28, 100281. https://doi.org/10.1016/j.edurev.2019.05.003
- Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70. https://doi.org/10.1207/S15430421TIP4102_2
- Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. UNESCO
- Freeman, S., Eddy, S. L., McDonough, M., Smith, M. K., Okoroafor, N., Jordt, H., & Wenderoth, M. P. (2014). Active learning increases student performance in science, engineering, and mathematics. Proceedings of the National Academy of Sciences, 111(23), 8410–8415. https://doi.org/10.1073/pnas.1319030111