【教學新知】經濟系田弘華老師：不知道沒關係：如何和 AI ⼀起，把不會的事情慢慢學會

Posted on by 教學發展中心

生成式 AI 普及的教學現場，引導學生建立清晰的思考架構與人機協作判斷力，是深化專業學習與提升成效的核心關鍵。透過釐清問題邊界、設定成果檢核規準並循序迭代，使學生能在對話與修正中逐步將未知轉化為實質能力。

教學發展中心與您分享【教學新知】經濟系田弘華老師：不知道沒關係：如何和 AI ⼀起，把不會的事情慢慢學會。本文解析運用 IPOE 架構輔助思考，並界定人機分工與授權邊界，累積可持續帶走的自主學習方法。

歡迎各位教師參閱！


示意圖：本圖由巧玲與｜Gemini _Andy 協作生成

撰文：經濟系田弘華老師

⼀生要學的東西很多，要做的事情也很多。不可能每遇到⼀件新事情，⼀開始就會；也不可能每進⼊⼀個陌⽣領域，就已經是專家。過去遇到不會的事情，我們可能找書、上課、請教別⼈，或者⾃⼰摸索很久。AI 出現之後，多了⼀種新的可能：即使現在不會，我們也可以先開始，然後在⼀次次對話、嘗試與修正中，把原本不知道的事情慢慢弄懂，把原本不會做的事情⼀步⼀步做好。

這或許也是 AI 時代教育真正值得思考的問題。當每個⼈都可以使⽤ AI，⼤學真正應該教會學⽣什麼？也許答案不只是教學⽣怎麼下提⽰語、怎麼操作某⼀套軟體，⽽是讓學⽣逐漸形成⼀種能⼒：

即使現在不會，我也知道怎麼開始；即使現在不懂，我也知道怎麼⼀步⼀步把它弄懂。

從⼀句「幫我寫⼀封請假信」開始

⼀封看似簡單的請假信，就可以讓我們看⾒這件事。

假設我們只對 AI 說⼀句：「幫我寫⼀封請假信。」AI 幾秒鐘之內就能交出⼀封格式完整、語句通順的⽂字。但是仔細想想，它其實不知道我是學⽣還是職員，不知道我要寫給⽼師、主管還是店⻑，也不知道我要請哪⼀天，更不知道這封訊息最後是要寄 Email、傳 LINE，還是填在紙本假單上。

這些事情，⾃⼰也許全部知道，只是沒有告訴  AI。

這個⼩例⼦很重要，因為它提醒我們：AI  產⽣的結果不好，不⼀定是因為「AI  不夠聰明」，也不⼀定只是「Prompt 寫得不好」。更根本的問題可能是，我還沒有把⾃⼰腦中的事情整理清楚，更沒有把完成任務所需要的重要資訊說出來。

所以，學習和 AI  協作的第⼀步，不是急著尋找⼀套神奇的提⽰語，⽽是先學會把事情想清楚。

真正要學的，不是神奇提⽰語

在課堂上，我⽤ IPOE（Input–Process–Output–Enhance）來幫學⽣整理這個過程。IPOE 可以很簡單地理解成四件事：

弄清楚 → 想辦法 → 出成果 → 變更好。

它不是要學⽣背⼀套術語，⽽是提醒⾃⼰，在把事情交給 AI 之前，先把背景、限制、分⼯、成果形式與完成標準想過⼀遍。


示意圖：本圖由巧玲與｜Gemini _Andy 協作生成

真正值得學的，不是怎麼「命令   AI」，⽽是怎麼把⾃⼰腦中的事情整理到別⼈可以接⼿的程度。

有趣的是，不⼀定要⼀開始就把所有事情都想完整。尤其進⼊⼀個陌⽣領域時，我們往往連「⾃⼰不知道什麼」都不知道。這正是 AI 很有價值的地⽅。

我們可以先告訴 AI：

「這是我⽬前知道的事情。請先幫我看看，完成這個任務還缺哪些必要資訊、哪些成果規格還不清楚，以及哪些地⽅不能⾃⾏假設。先不要急著幫我完成。」

這時候，AI   的⾓⾊不是替我們決定，⽽⽐較像拿著⼀⽀⼿電筒，照出我們原本沒有看⾒的地⽅。

但是 AI 指出缺⼝之後，真正的判斷仍然在⼈。

它可能告訴我還需要  A、B、C，但我要⾃⼰決定哪些真的重要、哪些不適⽤、哪些資訊只有我本⼈知道。AI 可以幫我想到問題，卻不能替我決定什麼是真的。

這個過程看似只是在處理⼀封請假信，其實已經開始練習⼀種很重要的能⼒：⾯對不確定時，不是假裝⾃⼰什麼都知道，⽽是知道下⼀步要怎麼讓「不知道」變少。

AI 可以幫忙，但決定權仍然在⼈      

事情弄清楚之後，下⼀個問題也不是單純「我要  AI  做什麼」，⽽是「這件事情裡，誰做什麼」。

例如，請假訊息可以交給 AI 起草，但事實由我確認，要不要採⽤由我決定，最後要不要傳出去，也由我決定。

當 AI 只是產⽣⽂字時，⾵險相對有限；可是如果要求 AI 寫完之後直接寄出，事情的性質就變了。因為它不再只是⽣成內容，⽽是在外部世界採取⾏動，這時候就會牽涉⼯具、權限、授權邊界與最後的監管。

所以有⼀個很重要的區分：

⽣成內容，不等於有權執⾏⾏動。

同樣重要的是，在要求  AI ⽣成之前，先想清楚⾃⼰到底要什麼成果。

「幫我寫好⼀點」很難檢查，但「請寫成三到五⾏的  LINE  訊息，語氣輕鬆有禮貌，讓店⻑看完⽴刻知道哪⼀天請假、誰已經代班」就清楚得多。

這不是因為 Prompt  變⻑了，⽽是因為成果的樣⼦和完成標準變清楚了。

當成果標準清楚之後，才有可能真正檢查結果。如果只覺得「怪怪的」，其實很難改；如果能指出「事實不正確」「格式不像 LINE」「語氣不像我」「AI 把不知道的事情說成確定」，下⼀步就知道要改什麼。

這也就是 Rubric 的價值。

Rubric  不只是拿來打分數，⽽是把模糊的好壞感覺，變成可以說明、可以檢查、可以修改的判準。

真正的複利，是累積判斷

⽽真正開始累積經驗，是從第⼀版產⽣之後才開始。第⼀版不是答案，⽽是⼀份新的資訊。

它可能讓我發現，原來我沒有說清楚受眾；原來我以為「簡短」⼤家都懂，其實我和 AI 的理解完全不同；原來我最在意的不是⽂字漂亮，⽽是 AI 不能替我承諾沒有答應的事情。

換句話說，⽣成的結果本⾝會反過來幫助我理解⾃⼰真正要的是什麼。這時候有⼀個很簡單、卻⾮常重要的做法：


示意圖：本圖由巧玲與｜Gemini _Andy 協作生成

⼀次只改⼀個地⽅。

如果第⼆版不滿意，就只補⼀項背景；下⼀次只增加⼀條限制；再下⼀次只調整成果⻑度。每次修改前後都⽤同樣的標準⽐較，就⽐較能知道是哪⼀個改動造成差異。

如果每⼀次都把整個 Prompt 全部重寫，即使結果變好了，我們也不知道究竟是哪個地⽅發⽣作⽤。⼀次只改⼀個地⽅，修改本⾝才會留下資訊。

做久了之後，我們慢慢累積的就不只是⼀些好⽤的提⽰語，⽽是⼀種更重要的判斷：我開始知道，什麼資訊會改變結果。

這種經驗是會複利的。

今天從請假信學到「對象、⽇期、媒介」很重要，下⼀次寫活動通知時就會⾃然想到；再下⼀次寫報告、做簡報、分析資料，也會開始主動問⾃⼰：背景交代清楚了嗎？哪些東西不能讓 AI猜？我要的是什麼成果？誰負責哪⼀步？怎樣才算完成？我要怎麼確認？

久⽽久之，IPOE 就不再只是⼀張表，⽽會逐漸變成做事情的習慣。更有意思的是，這套⽅法並不只適⽤於我們原本就懂的事情。

即使遇到完全陌⽣的領域，也可以先從「我⽬前只知道這些」開始，再請 AI 告訴我還需要理解哪些事情。遇到不懂的名詞就問，看到兩種⽅法就⽐較，做出第⼀版之後再檢查哪裡還看不懂。

⼀次不⾏，就再跑⼀輪。

所以，「不懂」並不是不能開始。

不需要假裝⾃⼰已經是專家，也不需要等到所有東西都學完才動⼿。可以先從知道的⼀點點開始，請 AI 幫忙看⾒缺⼝，再⼀點⼀點補起來。

這種做法不保證⽴刻成為專家，卻可以幫助我們有⽅向地逐步逼近專家的思考⽅式與成果品質。

做得出來，不等於學會

不過，這裡還有最後⼀個最容易被忽略的步驟。事情做完之後，不要只留下答案。

可以再請 AI 幫忙把整段歷程整理⼀次：⼀開始我知道什麼？缺了什麼？後來補了哪些資訊？做過哪些選擇？哪⼀次修改造成了什麼變化？最後我學會了什麼？如果下次再遇到類似任務，可以⾃⼰先做到哪⼀步？

然後，最好再⽤⾃⼰的話重新講⼀次。因為：

做得出來，不等於學會。

真正學會的標誌，是我能夠說明⾃⼰原本怎麼想、哪裡不⾜、為什麼修改、改了什麼、結果發⽣什麼變化，以及下⼀次我會怎麼做。

當⼀個⼈可以從頭到尾重新講清楚，他得到的就不再只是這⼀次的答案，⽽是⼀套可以帶⾛的⽅法。

這也是我所理解的「與 AI ⼀起詠唱」。

它不是⼈下指令、AI 服從，也不是 AI 給答案、⼈照單全收。⽐較像兩個聲部來回調整。

我先唱出⾃⼰知道的部分，AI 幫我聽⾒缺掉的地⽅；我決定哪些建議接受、哪些拒絕；AI 幫我做出⼀個版本，我再⽤⾃⼰的標準檢查。如果不滿意，就⼀次改⼀個地⽅。最後，我把整⾸歌重新唱⼀次，知道每⼀個地⽅為什麼這樣唱。

所以，整個學習循環其實可以濃縮成⼀句話：

⾃⼰先想，請 AI  補；⾃⼰決定，⼀起做；⼀次改⼀處，最後⾃⼰講得懂。

AI  真正值得期待的地⽅，也許不是讓我們從此什麼都不⽤學，⽽是讓我們⾯對未知時，多了⼀個可以同⾏的夥伴。

它可以幫忙找缺⼝、整理資訊、提出⽅法、產⽣初稿，也可以陪我們反覆⽐較與修正；但最後什麼是真的、什麼值得採⽤、什麼成果願意署上⾃⼰的名字，仍然需要⼈⾃⼰判斷。


示意圖：本圖由巧玲與｜Gemini _Andy 協作生成

因此，當每個⼈都可以使⽤  AI，⼤學真正應該教會學⽣什麼？

也許不是讓每⼀個學⽣都記住⼀套最厲害的提⽰語，也不是讓學⽣熟練某⼀個今天流⾏、明天可能就被取代的 AI ⼯具。

更重要的，是讓他們逐漸相信，⽽且真的做得到：

不知道沒關係，重要的是知道下⼀步怎麼讓「不知道」變少。

最後，我們希望學⽣帶⾛的，不是「我什麼都會」，⽽是另⼀種更能陪伴⼀⽣的能⼒：

即使現在不會，我也知道怎麼開始；即使現在不懂，我也知道怎麼⼀步⼀步把它弄懂。

⽽這，也許才是 AI 時代最值得學會的事情。

📝【教學新知】邀稿說明
教學發展中心誠摯邀請本校教師踴躍投稿「教學新知」專欄，分享教學創新理念、課程實踐成果或教學反思經驗。稿件圖文形式不拘，建議以1,500字以內為原則，亦可搭配附圖或相關超連結作為補充引註資料。來稿請寄至教發中心信箱：ctld@mail.shu.edu.tw。經審核採用之稿件，將刊登於教學發展中心網站（https://reurl.cc/9vKAbY），並轉發全校教師電子郵件分享。
此外，依據本校教師評鑑效標，凡撰寫「教學新知」並經本中心刊登者，每篇可核加1分，每學期至多加5分。歡迎老師踴躍分享教學成果，共同精進教學品質。如有任何疑問，亦歡迎隨時與本中心聯繫。