人工智慧時代下計算機科學(Computer Science)教育未來指引 心得

 這幾天看了由TeachAI所出的”人工智慧時代下計算機科學(Computer Science)教育未來指引”

這個指引借鏡於數學教育中的”數感”（簡單來說就是從生活化或探索式的活動中培養對數字的感覺而不是直接教計算。）提出了程式感（Code Sense），程式感為對電腦程式底層設計、流程及系統相關性的概念性理解，以及分析、模擬跟預測程式行為的心智能力。有助於有效除錯、最佳化跟理解程式在系統中的脈絡（其實我看不太懂他的定義）。

生成式AI出現之後，對於國中小的資訊課程到底要教什麼，我跟幾位同業就有許多的掙扎跟討論。

就像我們教Scratch的時候其實就不會教學生如Python語法等基礎知識，直接教學生認識順序、迴圈及條件等更高階的知識製作遊戲或動畫。

而Vibe Coding工具(以自然語言與LLM互動生成程式碼)如本機端的Github Copilot、Cursor、Windsurf或雲端的Replit、V0、Lovable等的出現，大幅了降低製作軟體的門檻，連Scratch都不用學，所有人都可以透過母與表達需求，讓AI生成程式。

我自己在嘗試vibe coding教學感想是學生可以快速嘗試錯誤，反正錯了再把錯誤訊息丟給AI解釋而已。學生不再受限於格式上的錯誤（可能少打一個分號或括號就可以卡好幾個小時）而可以不斷快速迭代。

但我們的掙扎正也是如此，許多人說有了AI之後，我們就不需要教孩子更基礎的東西我們應該直接教孩子問題解決的能力就好。但另一方面我們也知道就是過去我們在手打程式、處理繁雜的格式問題的過程中，真的搞懂這些程式碼是怎麼運作的，這些努力都不是白費無用的。這中間到底該如何拿捏？

我的想法是不用從變數、迴圈或函式開始連Scratch也不用教，直接從真實問題跟場請開始，用Vibe Coding工具解決問題，但在解決問題的過程中學生要學會為什麼這樣可以/這樣不行？從解決問題的過程中學會程式的基本概念。但我同時也擔心如何避免學生過渡仰賴AI變的只會提問不懂程式碼也不會除錯跟修改。

而相對應的評量方法該如何兼顧問題解決、運算思維或者所謂的Code Sense是我們該好好一起想想的問題。

這些問題都不是非A即Ｂ，而是有個中間過渡，例如我們現在還要不要從Scratch開始教學生建立程式概念？還是從Vibe Coding開始？或是中年級教Scratch高年級教vibe coding都需要更多的嘗試才知道何者才是適合臺灣的方式。

在進一步說

根據OECD的報告，55%的年輕人正從社群媒體學習怎麼使用ＡI，如果我們不在課程中教孩子怎麼使用AI的話，除了他們很可能會誤用AI之外更可能會有新的AI落差。

因此我覺得更要未來更要將資訊課程作為AI教學的起點，除了透過運用Vibe Coding解決問題的過程中學習如何運用AI快速驗證想法解決問題之外，我們還需要在過程中教導孩子如何正確使用AI、認識AI的益處跟風險甚至避免孩子的情感依附或大腦外包等。

圖片改自Guidance on the Future of　Computer Science　Education　in an Age of AI