教育局月前公布《中小學數字教育發展藍圖》，AI 如何進入課堂再度成為教育界討論的焦點。隨著學生獲取知識的門檻大幅降低，傳統「教」與「學」的模型、關係、意義，以致辦學方法，均在各大教育高峰會中成為重點議題，呼籲審視、重整與改革等討論日見沸騰。中小學要思考的是 AI 怎樣輔助課堂，而大學面對的則是更根本的追問：當答案不再稀缺，高等教育還應教甚麼、如何評核，又如何證明自身仍有不可取代的價值？
高等教育作為人才與社會需求的接軌點，面對 AI 浪潮，香港多間大學已迅速以行動回應。例如將 AI 應用於教學法，使學習更個人化及以學生為主導；部分大學更為中小學校長開辦培訓課程，共同探討在 AI 時代「教甚麼」與「如何教」。然而，悉尼大學教育科技學教授 Danny Liu 早前在「學與教博覽 2026」座談會中指出，在 AI 世代，全球大學最急切需要作出的改變，是不再將「學術研究產出」視為大學排名的核心基準。這番見解極具啟發性，值得各界深思。
被扭曲的教育價值觀
「著名大學的畢業生，就是最頂尖的人才」——這種將教育簡化為單一、單向攀升的路徑，並視入讀大學為「正式完成教育」基本指標的觀念，是根深蒂固的現代社會價值。在這個集體概念下，在絕大部份情況下，若學生未能或沒有選擇這條學習路徑，就會被貼上某種「才能不夠」的標籤，導致投身社會時，機會大大減少。這種偏見在教育領域引發了結構性的下行連鎖效應，牢牢地主宰了整個中學、小學，近年甚至向下蔓延至更早期的幼兒教育，扭曲了辦學方針與教育目標。
高等教育主要依靠公開試成績收生。該所大學或特定學科的排名越高，對公開試分數的要求就越高。中學為了提升學校的聲譽與排名，必須出盡辦法使學生在公開試中獲得佳績；而相同的壓力繼續向下滲透，令小學階段亦出現了類似的「教學推力」。這個現象將教師、家長與學生一併推入了一場以分數為中心的高壓競賽，進而導致嚴重的連鎖反應——從學童的精神健康危機、青少年的集體迷失、家庭關係的緊繃，乃至整個社會的可持續發展與管治問題。教育本身不是問題的根源，至少不是唯一的根源；然而，教育本應可以擔當最有效的解困途徑，遺憾的是，我們沿用二百多年的辦學方法，如今卻更像在加劇問題，狀況已到了令人極為憂慮的地步。
正因如此，AI 在教育領域的出現，才會引發如此廣泛且激烈的討論。它所帶來的契機之所以具備顛覆性，是因為它徹底翻轉了未來經濟與社會發展中，核心人才特質的優先順序！AI 的威力之大，逼使社會觀念不得不迅速改變——整條人才供應鏈必須重新構建，「人才」的定義必須重寫；更重要的是，培育人才的過程（亦即我們的辦學方法）也必須重新審視。
未來方向：能力本位評核
能力本位評核（competency-based assessment）近年備受討論，正是嘗試將評核重點從一次性考試，轉向學生是否真正掌握某些能力，並能否在不同情境中運用。相關研究逐漸累積，RAND Corporation 曾研究美國多個能力本位教育項目，發現相關模式有助提升學生參與度，亦令學習更貼近實際能力發展。OECD 在《Future of Education and Skills 2030》亦提出，未來教育需由單一知識測試，走向整合知識、技能、態度與價值的能力評核。
實踐層面，美國 New Hampshire 的 PACE（Performance Assessment of Competency Education）較具參考價值。Marion 等人在 2017 年的研究指出，參與 PACE 的學校在學生學習表現上與傳統標準化測試相若甚至更佳，同時能提供更豐富的學習證據。
另一個例子是 Mastery Transcript Consortium，它以能力本位學習紀錄補充傳統成績單，讓大學收生人員看到學生在不同能力上的發展，而非只是一組分數。
這些例子未必可直接套用於香港，但至少提出一個值得追問的方向：若不只靠公開試成績，大學還可以如何理解一個學生的能力？
AI 令這個問題更迫切。學生隨時可透過 AI 取得資訊和答案，教育重點要由知識傳授和考試操練，轉向理解、判斷、探究和個人化學習。真正要問的是：我們想培養甚麼能力，又應如何看見和評核這些能力？
大學最大的慣性：仍然獎勵研究多於教育
為應對 AI，香港高等教育開始出現更多跨學科、個人化學習設計，例如香港浸會大學的自訂主修，以及香港科技大學的個人化跨學科主修，讓學生自行組合學習內容。
然而 AI 為大學帶來的真正挑戰，是學府是否準備好將這種個人化與跨學科思路，納入整體課程結構。換言之，高等教育面對的問題，既包括制度能否追上工具更新，也涉及制度本身是否有足夠彈性回應變化。真正阻力，往往來自制度本身的慣性。全球高等教育其中一個最大、也最不合時宜的慣性，就是高度重視教授的研究產出，而每所 大學在這方面的「成就 」對其學府之排名有著極大比重之影響 。
很多高等教育機構仍然太重視 research output（研究產出），教學創新往往被放在較後位置。
當制度主要獎勵研究表現，教師自然優先投入研究。即使不少教師認同 AI 教育改革重要，也未必有足夠時間、誘因和支援重新設計課程、評核和學習體驗。
因此，AI 時代下大學對 research metrics（研究指標）的執迷需要停止，高等教育及業界，必須合力為社會建立一個新的視點去理解 「好大學」和「好教授」的定義。研究仍然重要，但教學質素、學生能力發展、課程創新，同樣需要納入真正有分量的評核機制。
AI 世代，大學的真正命題
隨著 AI 不斷發展，教育及社會各界均投入了大量資源推動 AI 素養。若將時間快進三年，我想我們已可以大膽假設，屆時將不會再有人談論「要當心 AI 幻覺（AI Hallucination）」或「如何正確運用 AI」等課題，甚至不會有人再刻意覺察自己是否有使用 AI；那時，AI 亦必定會成為學生學習與成長中最貼身的夥伴。
然而，究竟這個夥伴會成為學生的益友還是損友？它會令人類被完美取代，還是能成就獲人工智能加持的卓越人才？這完全取決於我們的教育如何啟發與孕育學生的問題意識、應變能力、抗逆力、邏輯及批判性思考，以至最核心的創造力。
高等教育作為人才與社會需求的接軌點，當前最需要引領社會回答的命題或許正是：當學生都已擁有一個幾乎能回答任何問題的 AI 時，大學是否仍能教會學生，如何提出下一個更重要的問題？
資料來源：Learning & Teaching Expo 2026、 香港浸會大學、 香港科技大學、 OECD、 RAND Corporation、 New Hampshire PACE、 Mastery Transcript Consortium
