文︱鄧飛

面對全球科技革命的迅猛發(fā)展，尤其是人工智能（AI）技術(shù)的顛覆突破，香港教育界承載著前所未有的歷史使命。加強“數(shù)字教育”，不僅是貫徹落實科教興國、人才強國的重要策略，也是促進學(xué)生全面發(fā)展、培育創(chuàng)科人才的堅實基礎(chǔ)。國家正站在建設(shè)“教育強國”的關(guān)鍵節(jié)點，加強“數(shù)字教育”，是香港教育未來發(fā)展的必由之路。

優(yōu)先推動校本化AI教學(xué)，還是建立全港教育LLM？

教育局于過去兩年積極推動“數(shù)字教育”，尤其是2024年推出“智為學(xué)理”計劃和2025年的“智啟學(xué)教”計劃，分別向成功申請的學(xué)校發(fā)放10萬元和50萬元資助，以開展校本“數(shù)字教育”，這是值得肯定的。這兩個計劃是彼此關(guān)連的政策組合拳，漸進但急行，向?qū)W校提供額外資助和清晰指引，聚焦于教學(xué)實踐，讓師生在教與學(xué)過程里深度應(yīng)用AI科技。

然而隨之而來的政策問題是：香港應(yīng)優(yōu)先推動校本化的AI教學(xué)模式，還是集中資源建立一個“適用全港的教育大語言模型（LLM）”？這并非單純的技術(shù)選擇，而是直接影響教師的工作負擔和實際教學(xué)效能。

校本AI教學(xué)模式，優(yōu)點在于“貼地”。每所學(xué)校的學(xué)生組成、學(xué)習(xí)差異、課程節(jié)奏與教學(xué)文化，均不相同；若能夠以校本方式推行，甚至建立校本的AI模型，理論上可更精準回應(yīng)校情需要，例如因應(yīng)校本評估、校本課程或特定學(xué)生群體（如SEN (特殊教育需要) 或非華語學(xué)生）做調(diào)整。

校本方式的結(jié)構(gòu)限制

不過，從實際操作層面看，校本方式存在結(jié)構(gòu)性的限制。

首先，如果是使用坊間輔助不同學(xué)科教學(xué)的AI平臺，目前市面上可采購的AI輔助教學(xué)工具，大概有語言學(xué)習(xí)類和STEM（科學(xué)、技術(shù)、工程和數(shù)學(xué)）教育類，前者包括中英文寫作批改、AI生成練習(xí)等，后者多關(guān)于STEM教育方案。由于相關(guān)服務(wù)由個別公司提供，無可避免存在碎片化、“喂入”資料太少等局限，長遠不利于提升整體教育質(zhì)量。這些雖然都有一定的教學(xué)效能，惟如果平臺本身不是LLM，用家（即學(xué)校老師）與平臺之間只是單純的互動，平臺并不具備深度學(xué)習(xí)而模型不斷自我提升的功能，其實跟未有AI技術(shù)之前的電子學(xué)習(xí)（e-learning）類似，AI對于教學(xué)的精準化、高效化的威力，則尚未完全發(fā)揮出來。

其次，倘若推動學(xué)校建立校本的AI輔助教學(xué)模型，那么又是成本很高但效用不見得高的做法。打造一個LLM的成本，固然不是一間學(xué)校甚至一個辦學(xué)團體可以負擔得了。同時，要這個校本模型能夠在深度學(xué)習(xí)“學(xué)得好”，往往依賴教師持續(xù)輸入、標注、修正與回饋。如果缺乏制度支援，教師不但未能減負，反而多了一重“喂養(yǎng)系統(tǒng)”的隱性工作。另外，這種校本模型會過度依賴單一學(xué)校的數(shù)據(jù)和教學(xué)實踐。本港學(xué)校大多只有幾百名師生，可作“喂養(yǎng)”的數(shù)據(jù)量是有限的，容易把局部經(jīng)驗誤當成最佳做法。

相比之下，無論在備課、出題、批改、差異化教學(xué)建議等方面，LLM均具顯著潛力；于減輕教師工作負擔方面，其具備更明顯的結(jié)構(gòu)優(yōu)勢。首先是規(guī)模效應(yīng)——集中開發(fā)和維護一個高質(zhì)量模型，可避免學(xué)校各自為政，讓教師在備課、出題、教材改寫等高頻工作上即時受惠，而毋須參與技術(shù)層面的建設(shè)。其次是專業(yè)一致性：全港模型可系統(tǒng)性對齊課程指引、評估框架與本地語境，減少教師在不同平臺之間轉(zhuǎn)換與校對的時間，真正做到“一次學(xué)會，廣泛應(yīng)用”。

建立LLM比校本模型更具效益

更重要的是，若設(shè)計得宜，教師只需“使用”，而非“訓(xùn)練”模型，AI才能夠真正成為減負工具，而非另一個需要被管理的新系統(tǒng)。當然，全港模型亦非沒有風(fēng)險：倘缺乏清晰治理，可能出現(xiàn)私隱疑慮、教學(xué)過度標準化等問題。不過，這些風(fēng)險屬于制度設(shè)計問題，而非模式本身的原罪。

若政策目標是提升整體教學(xué)效能，并實質(zhì)減輕教師工作負擔，則建立LLM明顯比校本模型更具效益。惟前提是，這樣的模型必須遵守3個原則：一是教師使用不等于資料自動回收訓(xùn)練；二是學(xué)生數(shù)據(jù)必須“去識別化”，并受嚴格規(guī)管；三是AI的建議永遠屬輔助性質(zhì)，不能取代專業(yè)判斷。如果香港希望更高效、更少負擔地以科技支援教育專業(yè)，與其分散資源，不如集中力量，建立一個為教師教學(xué)減負增效的LLM，推動建設(shè)智慧教育大平臺。