生成式人工智慧在高等教育品质保证与评监实务应用之国际观察 2025-05-05 13:06 《评监》双月刊／文．吴政宜／高教评监中心专员 人工智慧的发展实已行之有年，从2014年生成对抗网路（Generative adversarial networks, GANs）的发明，到2016年AlphaGo击败人类围棋冠军，这些零星的事件因尚未 对人类生活造成实质影响，多被视为新奇的新闻或是单纯的科技发展。然而，当2022年以 ChatGPT为代表的生成式人工智慧（Generative artificial intelligence，简称生成式 AI）正式问世，多数人开始真正感受到这个新兴的科技工具已从科幻小说走入日常生活， 对人类社会带来各种新的机会与全方面的冲击。 高等教育作为人类知识生产与培育人才的关键场域，同样也难於这股AI浪潮中置身事外。 生成式AI固然为行政、教学与学术研究带来超乎以往的产能规模与效率，但也引发了准确 性、透明度与伦理等重要议题，必须审慎因应才能充分发挥其效益。如联合国教科文组织 （UNESCO, 2022）发布的《人工智慧伦理建议书》强调AI应遵循公平与透明原则，而经济 合作暨发展组织（OECD, 2023）亦指出，确保教师具备足够AI素养与自主权，是教育领域 有效运用AI的关键前提。换言之，以人为本（human-centered）、合伦理且负责任的使用 生成式AI工具，已逐渐成为国际上的普遍共识。 从高教品保的立场来看，如确保高教机构的绩效责任（accountability）、合目的性（ fitness for purpose）及建立持续改善的品质文化（quality culture）是品保的核心任 务，则实有必要正视制定生成式AI相关使用指引及规范的重要性。部分主要国家，如美国 、欧洲、澳洲、英国、印度等，其品保机构已开始探索相关应用并制定指导原则。本文参 考近5年之相关文献与官方资讯，分析生成式AI在高教品保中的应用现况与案例，并分别 从受评单位与品质保证机构二种视角进行探讨，期能抛砖引玉，为未来有意将生成式AI导 入品保实务的机构提供参考。 受评单位观点：运用生成式AI强化自我评估与持续改进 随着生成式AI的快速演进，各国的高教机构与品保机构开始积极探寻将AI技术融入与应用 於品保与评监流程的各种可能，以加强评监的严谨性与效率。在校务评监层级，AI可持续 监测关键绩效指标（例如学生续读率、毕业率、学习成效），确保其符合认证的品保标准 ，并在低於基准时提供早期预警。藉由这类数据驱动的持续监测，评监不再仅是周期性的 评估，而是走向滚动式的持续品质改进。 在系所层级，AI亦能辅助进行差距分析（gap analysis），例如将课纲与品保标准逐一比 对。AI演算法可剖析大量课程内容，评估其与认证机构所要求的各项标准之契合度，甚至 产出详细报告，指出与品保标准的差距与改进空间。例如，某些商学院已利用类似 ChatGPT的工具快速审查课程内容与国际商管学院促进协会（Association to Advance Collegiate Schools of Business, AACSB）的商管品保标准是否对齐，并据此调整课程 设计，以确保符合要求（Bisoux, 2024）。在课程层面，AI还能协助汇整学生学习成效证 据（如汇总各课程的评量资料），以向评监委员证明该学程的毕业生确实达成预期的核心 能力。无论在校务或系所层级，AI可读取大量的校务数据与比对品保标准，协助管理团队 聚焦於结果诠释与改进策略。 整体而言，高教机构多将AI运用於以下范畴： 一、数据导向的决策过程及持续改进 生成式AI在数据分析方面展现高度潜力，可协助校务研究专家快速从大量资料中撷取重要 的资讯洞见，如学生表现、课程评量结果、师资学术产出等。美国费尔菲尔德大学（ Fairfield University）商学院分享使用生成式AI辅助AACSB国际商管认证的经验；团队 将课程安排、师资资格等资料汇入ChatGPT，请其计算某教授授课占比这类指标，以检视 资源配置是否符合品保标准。AI最初虽回答有误，但团队透过反馈纠正模型，最终获得正 确的分析结果（Bisoux, 2024）。这显示AI可以加速完成许多繁琐的数据统计工作，但仍 需要人员具备整体知识以察觉并更正其中的错漏。 除了加速现有数据处理，AI还能用於更高阶的预测分析和决策辅助。在高教品保与评监中 ，预测性分析正逐渐受到重视（Alcock, 2024），被视为预先掌握并改善教育结果、从而 证明品质提升的新方法。例如，院校可运用预测模型及早辨识出具辍学风险的学生并即时 介入（如提供辅导、导师等），以提升学生续读率；学生续读率往往是品保关注的重要指 标之一。如果能及早透过AI找出可能退学的学生并提供支持，就能在後续评监中提出有力 的品质提升证明。同样地，预测分析可预估课程的高风险不及格率或各学程的招生趋势， 使学术主管能提前调整（例如修订课程内容或重新配置资源），以确保关键品质指标保持 在标准之上。这些作法让品质保证从传统被动的事後评估转向主动的风险预测，在问题影 响评监之前即先行防范。 二、辅助撰写自我评监报告 在多数认证中，自评报告都是不可或缺的关键文件，受评单位需据此反思自身表现与品保 标准的对齐度。如今，一些高教机构尝试利用AI汇整并摘要资讯，甚至根据资料输入起草 自评报告的部分内容。例如，将校内资料（如毕业率、师资概况、策略计画进度等）提供 给生成式AI，要求其产出自评报告某些章节的初稿，此举能节省大量时间，提供一个起点 再由人工润饰。有些品保团队已使用ChatGPT等工具来拟定自评报告的大纲，或检查报告 内容是否涵盖所有品保标准，扮演类似校对与缺漏检查助手的角色（Bisoux, 2024）。例 如前文提及的美国费尔菲尔德大学商学院在AACSB认证过程中尝试让ChatGPT分析课程表、 师资资格与活动报告等文件，要求AI检查师资配置是否符合AACSB对学术与业界资格教师 比例的标准。AI迅速给出各项比例与摘要表，协助该校在提交自评报告前发现差距并采取 改善措施（Bisoux, 2024）。 值得注意的是，也有部分品保机构对使用AI撰写报告持审慎态度。美国南部学院与学校协 会（The Southern Association of Colleges and Schools Commission on Colleges, SACSCOC）在2024年发布《认证中的人工智慧》指南中，提醒学校切勿过度依赖生成式AI 编写认证自评报告，以免削弱校内广泛对话与反思的价值（SACSCOC, 2024）。过度让AI 代笔可能限制校务团队深入探讨办学成果的机会，减损评监过程作为促进持续改进的作用 。此外，自评报告往往包含学校的机敏资讯（如财务细节、策略计画），将这些内容上传 至开放AI平台可能引发机密外泄的风险。一旦资料被不当用於AI模型训练，日後产生的文 本可能无意中泄漏学校的个资或敏感资讯。因此，若要利用AI协助撰写报告，高教机构应 采取谨慎措施，选用安全受控的AI工具、了解大型语言模型的局限，并确保最後报告内容 的真实准确与原创性（SACSCOC, 2024）。总言之，生成式AI可为撰写自评报告提供强大 助力，但必须严守诚信与品质原则，将其定位为辅助而非取代人类专业判断的工具。即便 运用AI快速汇整各单位报告形成初稿，最後仍须由熟悉校务运作的专业人员把关，确保报 告内容真实反映校况且富有洞见。 三、模拟与准备实地访评 认证过程中常包含实地访视与座谈环节，透过与受评单位相关人员的问答交流，更深入了 解该校的文化脉络并核实自评报告内容。许多高教机构为确保评监准备万无一失，往往会 邀请有经验的同侪专家或无利益冲突的资深评监委员，协助辅导受评单位预先准备座谈期 间常见的问题与回答策略。而生成式AI的对话能力使其非常适合模拟这类访谈场景，供受 评单位和品保团队进行预先演练。对受评学校而言，可以利用AI聊天机器人扮演「模拟评 监委员」，让相关人员练习回答各种可能被问及的问题。例如，将品保指标及评监要求输 入大型语言模型，并要求它以评监委员的角度提出挑战性问题，学校团队即可据此反覆练 习应答并调整准备。 这样的AI模拟访谈在其他领域已初见成效。例如，许多求职者广泛使用AI进行模拟面试， 以获得即时反馈和建议（Chamorro-Premuzic, 2024）。由於访谈环节常需要面对评监委 员各式各样的提问，AI生成的多样化提问有助於受评者提前思考对策，提高临场表现的镇 定度。套用在高教评监上，AI可以作为24小时的练习对象，并针对回答内容给出改进提示 （例如回答是否切题、资讯是否充分）。大型语言模型的另一项特点是能提供跨语言的支 援，对於申请国际认证的高教机构而言更有显着的帮助。然而，为了确保模拟的有效性， AI问答脚本仍应有评监专家参与，透过人机协作在练习後进行讨论与回馈，避免AI提出过 於笼统或不恰当的问题。 品保机构观点：生成式AI於认证实务之应用案例 品保机构作为高等教育品质的守门人，不仅需要评估高教机构如何应对生成式AI带来的机 会与挑战，也在探索如何将AI技术应用於自身的认证工作流程，并据此发展新的指引与标 准。主要的应用范畴可归纳如下： 一、提升认证工作流程与效率 评监不仅对受评单位而言是项苦差事，对品保机构而言，同时管理大量受评单位的评监案 件亦是繁重的工作。因此，部分品保机构开始将AI导入认证流程，以简化相关分析工作或 标准化评监文本。例如，印度国家评监与认证委员会（National Assessment and Accreditation Council, NAAC）於2024年9月起导入AI技术，用於数据处理、透过群众外 包（crowd-sourcing）收集次级数据、辅助二元制评监第一阶段的资料审查，以及识别资 料缺漏或细微错误，以期提高效率与准确性 （Vivian, 2024）。此外，AACSB推出「AI应 用案例中心」（AI Use Case Hub），提供具体的AI提示（prompts）对应其品保标准，帮 助商学院更有效准备符合品保标准要求的文件。这意味着评监委员可能会收到更为标准化 、经AI辅助整理的材料，有助於提升审阅效率（AACSB International, n.d.）。 学术文献中也探讨了在认证中使用专家系统（Expert Systems, ES）的概念，特别是针对 AACSB认证，认为这类基於知识的系统有潜力改善评监结果的品质与可靠性，同时减少所 需时间、成本及错误率 （Chedrawi & Howayeck, 2019）。然而，品保机构在提升效率的 同时也高度关注相关风险。美国SACSCOC明确禁止其评审委员使用外部AI工具处理机构提 交的机密文件，主要考量是资料安全与评审过程完整性的风险（SACSCOC, 2024）。美国 高等教育认可委员会（Council for Higher Education Accreditation, CHEA）在其指导 原则中也强调，AI应仅作为辅助工具，最终的评监决策权必须掌握在人类手中，且需避免 偏见（CHEA, 2025）。这显示品保机构在探索AI应用时，仍将人类判断与数据安全置於优 先地位。 二、AI驱动的数据分析以获取更深洞见与风险评估 AI的数据分析能力让品保机构能更深入地理解高教机构的运作，并进行更有效的风险评估 。透过AI驱动的分析技术与预测模型，品保机构可以分析大量校务数据（如学生学习成果 、毕业率、就业情况、财务状况、师资结构等），主动识别潜在的品质风险或需要特别关 注的领域。值得注意的是，AI不仅适合处理量化数据分析，在处理与汇总大量质性文本资 料方面也展现潜力，使评监能获得质量兼具的资讯洞见。欧盟的Qual-AI-ty Engagement 计画便是利用AI技术（开发名为QUALIA的访谈助理聊天机器人）来收集并处理大量质性数 据（例如学生访谈内容），以增进对学生社会参与等复杂面向的理解，并将这些质性洞见 纳入品质保证实践中 （ACEEU, n.d.; Buitrago-Carvajal, H., & Cadenas, J., 2023; Buitrago-Carvajal, H., 2023）。这显示AI有潜力帮助品保机构克服以往过度依赖量化 指标的局限，取得更全面且细致的教育品质图像。 三、发展针对AI的指引与标准 面对生成式AI对高等教育的冲击，全球主要的品保机构陆续制定或更新指引与标准，以规 范AI在高教及认证过程中的应用。各机构的应对方式与侧重点有所不同： ●美国高等教育认证委员会（CHEA）：发布《人工智慧於评监与认可之指导原则》，强调 五大核心：人类控制且无偏见的决策过程、使用与记录真实数据、遵守透明与问责的伦理 准则、数据保护与安全、以及AI系统的可靠性（CHEA, 2025）。其核心理念是AI应「支持 」而非「取代」人类的独立决策。 ●美国南部学院与学校协会（SACSCOC）：提供了相对详细且谨慎的指引，区分了对於高 教机构使用AI（强调可验证性、安全性、偏见防范）和对评监委员使用AI的要求。其中後 者被严格禁止使用外部AI工具处理机构提交的机密材料，以防范数据外泄及被用於模型训 练的风险（SACSCOC, 2024）。 ●英国高等教育品质保证机构（Quality Assurance Agency for Higher Education, QAA ）：发布多份针对高教机构的建议文件，如《在ChatGPT时代维持品质与标准》和《为 ChatGPT时代重新思考学生学习评量》，重点关注如何调整评量方法以维护学术诚信，并 提供资源培养学生和教职员之批判性使用生成式AI素养、公平取用AI工具减少数位落差等 （QAA, 2023a, 2023b）。QAA的角色更侧重於引导和支持整个高教领域适应生成式AI带来 的变革（QAA, 2024），但较少就品保机制本身提出指引与规范。 ●澳洲高等教育品质与标准局（Tertiary Education Quality and Standards Agency, TEQSA）：积极要求所有注册的高教机构提交因应生成式AI风险的行动方案（TEQSA, 2024a, 2024c），并发布自身的AI透明度声明，表明目前未在其监管和决策流程中使用AI （TEQSA, 2025）。TEQSA根据各校提交的行动方案，开发了分享新兴最佳实践的工具包， 以促进高教领域的学习与能力提升（TEQSA, 2024b）。 ●国际商管学院促进协会（AACSB）：开发「AI应用案例中心」，将具体的AI提示（ prompt）与其品保标准相对应，旨在帮助商学院更有效满足文件准备与合规性要求（ AACSB International, n.d.）。同时，AACSB透过调查了解商学院对生成式AI的采纳情况 与态度（AACSB International, 2025）。 ●印度国家评监与认证委员会（NAAC）：如前所述，其导入AI技术以简化认证流程，主要 用於数据处理与初步审查，目标是提高效率、透明度与准确性（Vivian, 2024）。其重点 在於利用AI优化现有流程。 ●欧洲高等教育品质保证协会（The European Association for Quality Assurance in Higher Education, ENQA）：虽然未见其发布针对生成式AI在品保与评监上的全面性指引 ，但积极筹办关於负责任使用AI的相关研讨会（ENQA, n. d.），凝聚国际专家对生成式 AI应用之共识。值得一提的是，ENQA近期公布的计画补助案中，其中有二项主题，包含「 自动认可之数位工具与品质保证」，及「运用整体手段与资料收集打击学术诈欺」，可能 与AI应用密切相关（ENQA, 2025）。 ●欧盟Qual-AI-ty Engagement计画：此计画的独特之处在於专注利用AI（特别是聊天机 器人）来收集和分析与学生社会参与相关的质性数据，旨在打破传统QA过於依赖量化指标 的局限，开发新的评估模型（Qual-AI-ty Assessment Model） （ACEEU, n.d.; Buitrago-Carvajal, H., & Cadenas, J., 2023）。 综上观察，尽管各机构的具体做法不同，但在其指引与讨论中反覆出现一些共同主题，如 ：强调伦理使用、要求透明度与问责制、关注数据安全与隐私、坚持维护学术标准与诚信 ，以及最终决策需由人类主导的重要性。在应对生成式AI的过程中，品保机构展现出一种 双重角色：既是监管者，又是促进者。一方面，基於其维护品质标准的核心使命，当新兴 风险如生成式AI威胁学术诚信发生时，品保机构必须设定界限并执行监管。这体现在CHEA 的原则性规范、SACSCOC的明确禁令以及TEQSA要求机构提交行动计画行动上。 另一方面，因认识到生成式AI的潜在益处以及高教机构需要有效调适的必要性，品保机构 也扮演着促进者的角色，提供资源、指引和平台来帮助机构应对变革。例如，QAA发布详 细的评量建议，AACSB提供实用的应用案例，TEQSA分享领域内的新兴实践，ENQA组织研讨 会和补助计画，以及参与像Qual-AI-ty这样的合作项目。这种双重角色的平衡对於品保机 构能否成功引导高教领域应对生成式AI至关重要。过於严苛的监管可能扼杀有益的创新， 而过於放任则可能损害教育品质与公信力。 结论 生成式AI正快速融入高教品保与评监领域，带来前所未有的机遇与挑战。从受评单位的角 度，AI可以协助高教机构优化决策过程、提升自评报告撰写效率，并扮演虚拟顾问提高评 监整备度。然而，高教机构必须对AI输出严加核实，把握伦理原则，确保自评过程仍维持 真实、诚信与当责性。从品保机构的角度，AI有助於简化认证工作与流程、提供质量兼顾 的分析洞见及强化风险预警机制、并促使建立高教品保中的AI使用准则。 未来随着AI技术的不断进步，或可预期更多高教机构将AI纳入内部品质管理系统，实现即 时的诊断与品质改进；品保机构也可能开发自主的封闭AI工具，供评审专家使用以提高审 查精度同时确保机密性。同时，新的挑战也会出现，例如如何防止对AI分析的过度依赖导 致校本特色弱化、弭平数位落差造成的不平等（Alcock, 2024）、如何提升教育工作者及 品保专业人员的批判AI素养等。再则，若真如《2027 AI白皮书》（Kokotajlo et. al, 2025）所预言，AI代理人（AI agent）甚至超人AI将在未来十年内实现，届时人类对AI的 掌控度与理解力将再也赶不上AI的成长速度时，如何还能确保以人为本的使用AI甚至为其 负责，可能需要尽早透过多边对话建立共识架构与跨国合作，集思广益积极研议因应之道 。 总而言之，高等教育界正在见证一场品质保证的数位转型，现阶段生成式AI在高教品保与 评监中的应用前景广阔。只要秉持以学生学习为中心的价值理念，审慎地将AI融入品保架 构与流程并保持人为监督，将可引导高等教育朝向善用AI而又维护教育核心价值的方向发 展。 （本文使用生成式AI工具协助资料收集与生成初稿，内容经笔者核实并改写。） https://udn.com/news/story/6885/8717423?from=udn-catebreaknews_ch2 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 180.176.190.76 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AfterPhD/M.1746436669.A.F74.html