---
title: "守住線上課程考試公平性的 AI 評量設計"
description: "一起尋找在無人監考的遠距考試中減少作弊、又不讓學習者退縮的平衡點。"
lang: "zh-Hant"
date: "2026-03-13T15:00:00.000Z"
updated: "2026-06-28T02:37:00.000Z"
tags: ["線上課程","評量","考試公平性","遠距教育"]
canonical: "https://flipsson.com/tw/blog/VQZ3kZYVq7Zx"
---

# 守住線上課程考試公平性的 AI 評量設計

隨著遠距課程站穩腳步，最棘手的問題就是考試。也就是在沒有監考人員的環境下，要如何守住公平性。光譜的一端是開啟鏡頭、連視線都要追蹤的強力監控，另一端則是實質上等於開書考的放任。==過度監控會把誠實的學習者也當成罪犯，放任則讓認真的人心灰意冷。== 在兩者之間找到平衡點，正是線上評量設計的核心，而 AI 開啟的是一條不同於強化監控的路。

## 強化監控的陷阱

為了防作弊而強化監控，會伴隨副作用。先明白這一點，才能做出不同的選擇。

- **心理退縮**：被持續監視的感覺，連誠實學習者的表現能力都會拉低。
- **侵犯隱私**：拍攝家中並追蹤行為，是過度的侵入。
- **誤判爭議**：只因為視線移開了一下就被扣上作弊的帽子，信任就會崩塌。

> 就算監控能減少作弊，若代價是學習共同體的信任消失，那也什麼都不剩。

## 重新設計評量

更好的做法不是監控，而是==做出難以抄襲的評量==。AI 在這裡才真正發揮力量。

1. **個人化試題**：由 AI 為每位學習者生成含有稍微不同的資料或情境的試題。讓分享答案也派不上用場。
2. **應用型作業**：不出背誦答案固定的題目，而讓學生把學到的東西套用到自身情境中書寫。==搜尋不到答案的題目最公平。==
3. **並行過程評量**：不把所有比重壓在一次考試上，而是一併評量學習過程中的活動，分散比重。
4. **口頭確認抽樣**：隨機挑出部分學習者做簡短的口頭檢核，是否親自學習就會顯露出來。

這類評量不把力氣花在抓作弊上，而是讓作弊從一開始就對分數沒有幫助。就算抄了答案，也無法寫出貼合自身情境的敘述，於是形成一種「還不如自己學比較快」的結構。

## 以信任為前提的設計

比技術更重要的是態度。==把所有人都視為潛在作弊者的設計，與建立在「多數人是誠實的」前提上、只篩出例外的設計，會造就完全相反的學習文化。== 事先就明確的行為準則達成共識，把作弊的後果講清楚，但平時展現信任，長期而言更健康。AI 的異常徵兆偵測也不該直接導向懲處，而應當成必須經過人工確認的輔助訊號使用。自動判定即等同有罪的系統，光是一次誤判就足以摧毀學習者與教育機構之間的信任。技術只提供線索，判斷由人負責，這樣的結構才安全。

## 重點整理

線上考試的公平性不是靠強化監控得來的。過度監控會讓誠實的學習者退縮，並摧毀信任。請改用**個人化試題、應用型作業、過程評量、口頭確認**來設計難以抄襲的評量。==公平性不是靠監視所有人守住的，而是在作弊變得毫無意義的評量出現時才被守住。==