冯志豪教授专栏

特区政府早前公布《行政长官2026年施政报告》，教育界对数字教育的讨论随即升温。报告提出把香港建设为国际专上教育枢纽，并进一步配合国际创新科技中心的发展方向，数字教育自然成为其中一个关键环节。这个政策方向并不令人意外。近年全球产业转型加快，生成式人工智能迅速渗入工作、学习与专业服务之中。就连行政长官也曾表示，其工作中有近一半需借助人工智能辅助。对大专院校而言，问题早已不是人工智能应否存在，而是如何让学生学会与它共处，甚至共同工作。

数字教育的重点不在工具本身

过去几年，不少院校对生成式人工智能的态度都经历了一个转变。最初多以防范为主，担心抄袭、失实和学术诚信问题；其后开始有限度开放，容许教师在部分课堂试用相关工具；走到今天，人工智能已逐渐进入制度层面，成为教学设计、课业安排和学习支援的一部分。

不过，如果数字教育只停留在添置设备、引入平台，甚至把学生是否懂得使用几款新工具视为成果，这场改革其实只完成了最表面的一层。高等教育真正要处理的，不是学生会不会用，而是他们在使用时，是否知道自己正在做甚么。

以我自己的教学工作为例，我近年已开始在部分功课中明确要求学生使用人工智能工具，但重点不在于他们是否“问到答案”，而在于他们如何发问、如何判断。我会要求学生把自己向人工智能提出的问题一并提交，让我看到他们如何界定问题、组织指令，以及是否掌握基本的提问方向。同时，我亦要求学生分析人工智能的回应是否准确，当中有没有过度简化、错漏，或看似完整但实际空泛的地方。对我来说，这样的安排不是鼓励依赖工具，而是希望把人工智能转化为一个可供检视思考过程的教学节点。学生是否懂得使用人工智能，某程度上也反映了他是否懂得提问、辨识和修正。

AI素养首先要培养判断能力

因此，现时谈大专生的AI素养，重点不应只是操作能力。会下指令、会整理答案、会生成图文，固然有其实用性，但这些都不足以构成素养。所谓素养，至少涉及几个更深的层面。学生要明白，这类系统并不是在“理解”世界，而是在既有资料和机率模型之上，输出看似合理的内容。换言之，它能组织语言，却不等于具备判断力，更不会自然承担责任。若学生缺乏这个基本认知，便很容易把流畅当成可靠，把完整当成真确。

正因如此，AI素养首先是一种判断能力，而不只是使用习惯。今天不少学生面对人工智能生成的内容时，会不自觉降低警觉。只要答案写得顺、图表做得整齐、语气显得肯定，便倾向照单全收，省却追问和核实的工夫。我曾在教授职业辅导相关课程时，见过学生引用一段内容，并表示相关说法出自某篇文献；但当我仔细查考时，却发现该文献原来讨论的是虹鳟鱼的肠胃疾病，与职业辅导毫不相干。这反映的不是学生单纯粗心，而是他过于相信人工智能提供的资料与引文，却没有进一步核实来源内容是否真正吻合。这种依赖若在学习阶段已经形成，日后进入专业工作环境，后果未必只是功课质素下降那么简单。对修读社会服务、教育、护理、商业分析，以至传媒与设计的学生来说，错信工具输出，可能直接影响他们对个案、数据、政策或公众资讯的理解。

从这个角度看，AI素养其实更接近一种思维上的自觉。学生要知道何时可以借助工具，何时必须停下来自己判断；也要知道哪些工作可以交给系统处理，哪些部分不应外判。例如资料整理、初步归纳、语句润饰，工具可以帮忙；但文献阅读、概念厘清、伦理权衡和专业判断，始终不能由系统代替。若学生连这条界线都未建立，技术愈方便，学习反而可能愈空心。

学生并非天生就懂得善用科技

问题在于，这条界线在现时的大专校园内其实仍然相当模糊。外界常把年轻一代视为数码原住民，仿佛他们天生就懂科技，也懂得善用科技。但在教学现场，情况并没有这样乐观。很多学生熟悉的是平台节奏、社交媒体语言和即时回应文化，未必熟悉如何把科技带入严谨的学习脉络。当阅读本来已经吃力，人工智能便很容易被视为节省时间的方法。久而久之，学生可能交出一份看上去完整的作业，却未必真正掌握其中理据，甚至连自己提交了甚么观点，也未必说得清楚。

另一个现实问题，是不同学科对AI的理解落差很大。理工科学生较易接触模型、数据和运算思维，但未必自然延伸到伦理、偏见和制度后果的讨论。相反，人文社科、教育、社工等领域的学生，往往对人的处境和社会影响较为敏感，但一碰到技术语言便容易退后。结果是两边都各有盲点：一边可能过分相信技术的中立性，另一边则把技术看成与自己无关。这对专业培训并不是好事，因为现实世界的问题，从来都不能只靠单一知识系统处理。

专业课程是AI素养养成的关键

若院校真的希望把施政报告提出的数字教育做得扎实，首先要处理的，是课程本身如何回应这种变化。笔者认为，AI素养不宜只放在个别学系或选修课之内，而应视为所有大专生都需要接触的基本能力。这不表示每位学生都要学编程，也不表示每个课程都要技术化，而是说，不论主修甚么，学生都应有机会理解人工智能的基本运作、常见限制、风险来源，以及它在专业实务中的使用界线。这类内容可以透过通识课、共通核心科或微证书形式推进，重点不是讲得几高深，而是讲得准确、讲得明白。

但如果只设立一个全校共通单元，其实仍然不够。学生最终是否真正理解，往往取决于他能否在自己的专业场景中看见问题。对社工、辅导、教育和护理学生来说，AI不是抽象的技术话题，而是牵涉服务纪录、风险评估、资源分配，以及与人的互动质素。对商科学生而言，则涉及市场判读、客户分析、自动化决策与责任归属。对创意学科学生来说，重点又落在原创、风格模仿、版权与作者身份。换言之，AI素养若要真正成形，最有效的方法不是把它留在一门独立课，而是让它进入各自专业的核心讨论。

未来大专评核需重视过程证据

同样需要调整的，是评核方法。这几年不少教师都感受到，传统课业已愈来愈难准确反映学生的真实学习。只看最后交上来的文章、报告或简报，往往很难知道内容有多少来自学生自己，又有多少只是经过工具整理与包装。这并不是说所有学生都存心取巧，而是现行评核过分着重成品，自然容易把注意力推向结果，而不是思考过程。若院校不主动调整，日后围绕学术诚信的争议只会愈来愈多。

笔者认为，未来的大专评核需要更重视过程证据。学生可以使用人工智能工具，但必须交代使用方式、修正痕迹和判断依据。正如我前述的功课安排，我会要求学生附上提问过程、版本改动、文献核实纪录，以及一段简短反思，说明哪些地方接受了工具建议，哪些地方作了修订，原因又是甚么。这类要求未必能完全杜绝滥用，但至少能把焦点拉回学习本身。除此之外，口头答辩、即场分析、个案讨论和实务模拟，也值得在不同学科中增加比重。学生是否真正理解，很多时在面对提问时便会显露出来。

清晰规范比空泛提醒更重要

不过，课程和评核之外，院校还要处理制度层面的问题。现时不少学校虽然已有学术诚信指引，但对人工智能的规范仍偏向原则性；真正落到教学实况时，教师和学生未必清楚界线在哪里。有些老师完全禁止，有些则默许使用，做法差异很大。对学生而言，这种情况容易造成混乱，也容易形成侥幸心态。院校若要建立较稳定的学习文化，便需要提供更清晰、可操作的说明，包括哪些属合理辅助，哪些已构成不当代写，哪些涉及资料保密和私隐风险。这些都不能只靠一句“请审慎使用”带过。

若条件许可，院校亦可考虑提供较安全的校内使用环境。近年不少教师都担心，学生把课业内容、研究资料，甚至涉及服务对象的敏感资讯输入公开平台，可能带来数据外泄或合规风险。对某些专业尤其如此，例如社工、教育、医护相关课程，资料处理本来就有严格要求。若校方能建立受管控和脱敏的平台，或至少提供清晰的资料处理守则，会比单靠学生自行判断来得稳妥。

政府需要提供更具体的支援

当然，这件事也不能完全交由院校各自摸索。香港各大专院校条件不一，资源分配亦有差异。对部分规模较小的院校，特别是自资院校和职专院校来说，要自行开发教材、培训教师、建立平台，压力并不小。如果政府希望数字教育不只是停留在政策文件，而能在不同院校真正落地，便需要提供更具体的支援，包括跨院校资源共享、教师培训、案例库建设，以及与业界合作，提供更贴近真实场景的学习机会。学生只有在真实制度与工作流程中，看见人工智能如何被使用，才较容易理解甚么叫负责任地使用。

因此，AI素养不是一门新潮技能，也不是一张方便包装的能力清单。它关乎学生在技术愈来愈便利的环境下，还能否保留基本的知识诚实、判断能力和专业分寸。高等教育如果只教学生跟得上工具，很快便会发现，工具更新的速度永远比课程更快。相反，如果学生在大专阶段能学会如何提问、如何核实、如何与技术保持适当距离，这些能力即使面对下一波技术变化，仍然站得住。

《行政长官2026年施政报告》把数字教育推到更前的位置，这是一个值得认真把握的契机。但对大专教育而言，最重要的始终不是校园里多了几个设施和系统，而是学生有没有因此变得更懂思考，更能负责任地使用工具。若我们真的关心下一代如何在科技环境中成长，焦点便不应只放在他们能否用AI做得更快，而是他们在使用AI之后，是否仍然愿意思考，并且知道哪些判断必须由自己承担。

作者冯志豪是香港能仁专上学院协理副校长。

文章仅属作者意见，不代表香港01立场。

01专栏精选不同范畴专家，丰富公共舆论场域，鼓励更多维度思考。