S
Simplify the clutter
簡化瑣碎工作
AI 放在「減少空白頁壓力」的位置
AI 適合幫老師把空白頁變成可修改的草稿，但不適合直接交出定稿。
- 產生題目草稿
- 改寫題幹與情境
- 初步撰寫解析
- 整理題型與表格
自然科評量 × AI × SAIL 方法論
以 SAIL 方法論探討
AI 如何協助自然科試卷出題
這不是一場單純介紹 AI 工具的分享，而是從教師評量設計的角度， 思考 AI 應該如何被放進自然科出題流程，成為支持教師專業判斷的工具。
AI 的價值不在於替老師完成思考，而在於改善老師思考評量的條件。
SAIL 方法論是什麼？
SAIL 是彭智標（Chih-Piao Peng）於 2026 年提出的一套有意識使用 AI 的方法論。
其目的在於協助使用者在生成式 AI 快速普及的時代，不只是把 AI 視為自動產出工具， 而是能更清楚地判斷 AI 在不同工作與學習流程中的適當位置。 SAIL 分別代表 Simplify the clutter、Amplify perspectives、 Integrate ideas、Learn deeply， 也就是透過 AI 簡化瑣碎工作、擴展思考視角、整合片段想法，並深化理解與學習。
此方法論的核心主張是： AI 的價值不在於替人完成思考，而在於改善人思考的條件；人在使用 AI 的過程中， 仍應保有判斷、理解、選擇與負責的主體位置。
現場真正的卡點
老師們其實已經知道很多 AI 工具，真正困難的是：面對出題時，不知道 AI 應該放在哪裡。
很多老師一開始會想：「那我就直接請 AI 幫我出一份考卷。」 但真正拿到題目後，卻發現問題更多：概念要檢查、難度要調整、選項沒有鑑別度、 情境太假、解析還要重寫。最後 AI 沒有幫老師省力，反而讓老師多了一件工作： 檢查 AI 到底有沒有亂出。
因此，AI 協助自然科出題的關鍵，不是再多認識一個工具，而是建立一套判斷： 哪些工作可以交給 AI？哪些地方必須保留教師專業？什麼時候該請 AI 發想， 什麼時候該回到老師的課程脈絡與學生理解？
●工具越試越多，但流程沒有變清楚
●提示詞越寫越長，題目仍然不一定能用
●AI 直接產生整份考卷，老師反而改到累
●題目看似完整，卻偏離課程重點與班級需求
核心觀念：用 SAIL 先定位，再使用 AI
不要先問「哪個 AI 工具最好用」
更重要的是先判斷：我現在卡在自然科出題流程的哪一段？ 是發想、改寫、設計選項、審題、組卷，還是考後分析？ SAIL 提供的正是這種流程定位的思考架構。
AI 不是主角，而是被放進流程中的協作工具
老師要先決定評量目標與教學脈絡，再讓 AI 協助產生材料、擴展角度、 整理結構與分析回饋。AI 可以提高效率，但評量設計的方向仍由教師決定。
SAIL 在自然科出題中的四個位置
Simplify the clutter
A
Amplify perspectives
擴展視角
AI 放在「打開題目可能性」的位置
AI 最好用的地方，不是直接給答案，而是幫老師多看幾個角度。
- 提出生活情境
- 整理學生迷思概念
- 改成圖表判讀題
- 改成實驗設計題
I
Integrate ideas
整合想法
AI 協助整理，教師負責組卷
一份好的自然科試卷不是題目的堆疊，而是有目標、有層次的評量設計。
- 分類題目
- 建立雙向細目表
- 檢查題型比例
- 標示難度與考點
L
Learn deeply
深化學習
AI 放在「考後診斷」的位置
AI 不只用在考前出題，也能協助老師從學生錯誤中看見學習問題。
- 分析答錯原因
- 判斷迷思概念
- 提出補救活動
- 回到教學調整
從「直接叫 AI 出考卷」改成「讓 AI 進入正確流程」
老師先定評量目標
先決定年級、單元、考點、題型比例與班級需求。
AI 產生題目材料
請 AI 產生草稿，而不是一次完成整份定稿。
AI 擴展題型視角
加入情境、圖表、實驗、迷思概念與分層題。
教師審題與組卷
確認概念正確、難度合適、題幹清楚、選項合理。
考後分析與回饋
根據學生作答結果，回頭調整教學與補救活動。
錯誤用法與正確位置
| 常見錯誤用法 | 可能造成的結果 | 比較好的位置 |
|---|---|---|
| 直接叫 AI 出整份考卷 | 題目品質不穩，老師需要大量修補。 | 先請 AI 產生不同方向的題目草稿。 |
| 讓 AI 決定考點 | 可能偏離課程重點與老師實際教學內容。 | 老師先定評量目標，再請 AI 協助發想題目。 |
| 讓 AI 自動判斷難度 | 難度可能不符合班級學生程度。 | AI 提供分層建議，老師依班級狀況調整。 |
| AI 解析直接照用 | 可能概念不精準，或說明超出國小程度。 | AI 初寫解析，老師檢查概念與語言難度。 |
| 不斷更換 AI 工具 | 流程混亂，反而增加摸索成本。 | 先固定出題流程，再依需求選擇工具。 |
自然科出題的 Prompt 示例
S：先產生可修改的材料
請根據國小五年級自然科「植物生長」單元，產生 8 題不同方向的題目草稿。
題型需包含概念理解、生活情境、資料判讀與實驗變因。每題附答案與簡短解析，
但請標示這只是草稿，方便教師後續審題。
A：擴展迷思與題型視角
請分析上述題目可能對應的學生迷思概念，並將其中 3 題改寫成更能檢查理解的題目。
錯誤選項請不要太明顯錯誤，而要反映學生可能的常見誤解。
I：整理成評量架構
請把以下題目依照「概念理解、資料判讀、實驗設計、生活應用」分類，
並整理成雙向細目表。欄位包含題號、單元概念、評量目標、認知層次、
題型、答案與學生可能迷思。不要替我刪題，先提供分析給老師判斷。
L：考後診斷與回饋
以下是學生作答統計：第 1 題答對率 85%，第 2 題答對率 42%，第 3 題多數學生選 B。
請根據題目內容，分析可能的學習困難，並提出下一堂課 10 分鐘的補救教學建議。
給老師的四個提醒
老師缺的不是更多 AI 工具，而是一套能把 AI 放進教學流程的判斷方法。
1. 不要先問工具，先問流程。
我現在卡在發想、改寫、審題、組卷，還是考後分析？
我現在卡在發想、改寫、審題、組卷，還是考後分析？
2. 不要叫 AI 直接交考卷，先叫 AI 交材料。
AI 的初稿是素材，不是成品。
AI 的初稿是素材，不是成品。
3. 不要讓 AI 決定評量目標。
評量目標不清楚，AI 生成再多題目都會失焦。
評量目標不清楚，AI 生成再多題目都會失焦。
4. 不要只在考前用 AI。
考後分析更值得用，學生錯在哪裡比題目出得快不快更重要。
考後分析更值得用，學生錯在哪裡比題目出得快不快更重要。
核心結語
以 SAIL 方法論來看，AI 協助自然科試卷出題，並不是追求一鍵完成考卷， 而是協助教師有意識地安排 AI 在評量流程中的位置。AI 可以簡化瑣碎工作、 擴展出題視角、整合題目材料，並在考後協助深化學習診斷；但評量目標、 課程脈絡、學生程度與最終判斷，仍必須由教師負責。
SAIL 的價值，就在於幫助老師知道：什麼可以交給 AI，什麼必須留給教師專業。 AI 不取代教師出題，而是讓教師更有餘裕看見： 這一題究竟在測什麼？學生錯在哪裡？下一步應該怎麼教？