← Archive
lm-005036 · 2026-11

生活世界能力轉化論 07：從考試到能力證據

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

生活世界能力轉化論 07：從考試到能力證據

AI-Off、AI-On 與真實世界生產

Life-World Capability Transformation 07: From Exams to Capability Evidence — AI-Off, AI-On, and Real-World Production

系列： 生活世界能力轉化論（Life-World Capability Transformation Series, LWCT）
Paper： 07 / 08
作者： Neo.K
AI 協作整理： Aletheia / GPT-5.6 Sol
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-10-08
文件性質： 理論論文／AI 時代評量制度／能力證據與真實世界生產框架
Evidence status： THEORETICAL FRAMEWORK / INSTITUTIONAL DESIGN PROPOSAL / EMPIRICAL VALIDATION REQUIRED
Canonical source： UTF-8 Markdown

摘要

LWCT-06 已建立 AI 時代的漸進自治教育架構：

SharedCoreInstruction+HumanMentorship+AIPersonalScaffolding+GoalDirectedLearning+ProgressiveAutonomy.\text{SharedCoreInstruction} + \text{HumanMentorship} + \text{AIPersonalScaffolding} + \text{GoalDirectedLearning} + \text{ProgressiveAutonomy}.

一旦 AI 成為常態學習與工作環境的一部分，傳統「考試時一律禁止 AI」與「所有任務都允許 AI」都會同時失真。前者可能低估人在真實工作環境中的增強能力，後者則無法判斷學生究竟內化了多少知識、是否具有獨立判斷與驗證能力。

本文提出 AI 時代的四層能力評量架構：

A0=HumanOnly\boxed{ A_0 = \text{HumanOnly} } A1=Human+BoundedAI\boxed{ A_1 = \text{Human} + \text{BoundedAI} } A2=Human+OpenAI\boxed{ A_2 = \text{Human} + \text{OpenAI} } A3=Artifact+Defense\boxed{ A_3 = \text{Artifact} + \text{Defense} }

其中：

  • A0A_0 測量內化能力；
  • A1A_1 測量受約束的人機協作；
  • A2A_2 測量真實工作環境中的增強生產能力；
  • A3A_3 透過作品、過程記錄、口試、反事實修改與現場辯護，判斷學生是否真正理解並能承擔其成果。

本文進一步提出：

InternalCapability≠AugmentedCapability\boxed{ \text{InternalCapability} \neq \text{AugmentedCapability} }

以及：

OutputQuality≠HumanUnderstanding.\boxed{ \text{OutputQuality} \neq \text{HumanUnderstanding}. }

因此，AI 時代的評量不應尋找一個單一分數，而應建立「能力證據向量」。

本文也將評量與真實世界生產連接。當 AI 顯著降低執行成本後，學生不必等到畢業才第一次產生對外部世界有用的作品。教育可以形成：

StudentIntent+AIExecution+TeamCoordination+TeacherMentorship→UsablePrototype.\text{StudentIntent} + \text{AIExecution} + \text{TeamCoordination} + \text{TeacherMentorship} \rightarrow \text{UsablePrototype}.

但學生不必承擔完整企業級產品生命週期。更完整的產品可以沿著：

StudentPrototype→MarketOrSocialValidation→ProfessionalHandoff→ProductionGradeProduct\text{StudentPrototype} \rightarrow \text{MarketOrSocialValidation} \rightarrow \text{ProfessionalHandoff} \rightarrow \text{ProductionGradeProduct}

持續發展。

本文因此提出「學生產品」作為一種可明確標示的市場與社會作品類型。其價值不必等於成熟商業產品，而在於學生可以提前形成：

Problem→Intent→Prototype→Evidence.\text{Problem} \rightarrow \text{Intent} \rightarrow \text{Prototype} \rightarrow \text{Evidence}.

最後，本文指出評量與生產不應把教育全面市場化。真實世界成果可以是商業產品，也可以是研究、藝術、公共知識、開源工具、社區服務、文化保存與其他非市場成果。教育真正需要的是：

ConsequenceOutsideClassroom>0\boxed{ ConsequenceOutsideClassroom>0 }

而不是：

Revenue>0.Revenue>0.

下一篇將完成 LWCT 系列，處理「學校為什麼仍然需要存在」以及社交、共同工作、合作、互依、責任與受保護真實社會的制度功能。

關鍵詞： AI 評量、能力證據、AI-Off、AI-On、人機協作、內化能力、增強能力、學生產品、真實世界生產、口試、作品辯護、LWCT

1. 問題的提出：AI 時代還能不能用同一種考試測所有能力？

傳統評量通常假設：

Assessment≈HumanPerformanceWithoutExternalHelp.\text{Assessment} \approx \text{HumanPerformanceWithoutExternalHelp}.

這種模型在某些能力上仍然有效。

例如：

  • 基礎語言；
  • 基礎數學；
  • 核心概念；
  • 基本推理；
  • 基本事實理解。

但未來真實工作環境更接近：

Human+AI+Software+Database+Network+Team.\boxed{ \text{Human} + AI + \text{Software} + \text{Database} + \text{Network} + \text{Team}. }

因此，如果教育只測：

HumanOnly,\text{HumanOnly},

就可能低估：

RealWorldCapability.\text{RealWorldCapability}.

但如果所有評量都允許：

OpenAI,\text{OpenAI},

又會失去對：

InternalCapability\text{InternalCapability}

的觀察。

所以：

OneAssessmentMode≠AllCapabilityTypes.\boxed{ \text{OneAssessmentMode} \neq \text{AllCapabilityTypes}. }

2. 兩種能力必須分離

本文首先區分：

InternalCapability\boxed{ \text{InternalCapability} }

與：

AugmentedCapability.\boxed{ \text{AugmentedCapability}. }

其中：

InternalCapability\text{InternalCapability}

表示：

個體在不依賴外部智能代理時，能否自行理解、重建、推理與執行。

而：

AugmentedCapability\text{AugmentedCapability}

表示：

個體在 AI、工具、資料與協作環境中，實際能完成什麼。

所以：

InternalCapability≠AugmentedCapability.\boxed{ \text{InternalCapability} \neq \text{AugmentedCapability}. }

3. 為什麼兩者都重要？

如果只重視：

InternalCapability,\text{InternalCapability},

則會忽略真實世界中：

ToolUse\text{ToolUse}

本身就是能力。

如果只重視：

AugmentedCapability,\text{AugmentedCapability},

則學生可能變成：

AIOutput→Submission\text{AIOutput} \rightarrow \text{Submission}

而沒有：

Understanding.\text{Understanding}.

因此：

EducationAssessment=InternalEvidence+AugmentedEvidence.\boxed{ \text{EducationAssessment} = \text{InternalEvidence} + \text{AugmentedEvidence}. }

4. 第一層：AI-Off Assessment

定義：

A0=HumanOnly.\boxed{ A_0 = \text{HumanOnly}. }

此模式禁止：

  • AI；
  • 搜尋；
  • 外部資料庫；
  • 未授權工具。

目的不是模擬真實工作。

而是測：

InternalizedCapability.\text{InternalizedCapability}.

5. AI-Off 應該測什麼？

適合測：

  • 基本概念；
  • 基本計算；
  • 核心語言；
  • 基本推理；
  • 必須即時掌握的安全知識；
  • 後續驗證所需最低內在模型。

因此：

A0\boxed{ A_0 }

的問題不是：

你能不能不用 AI 做所有工作？

而是：

你是否具有足夠內化能力，不至於完全失去判斷？

6. 內化能力是 AI 驗證的前提之一

如果：

InternalModeli→0,InternalModel_i\rightarrow0,

則：

VerificationAbilityi↓.VerificationAbility_i\downarrow.

因此：

ZeroInternalization\boxed{ \text{ZeroInternalization} }

可能導致：

BlindAIDependence.\text{BlindAIDependence}.

所以 AI 時代不等於：

Memorization=0.Memorization=0.

而是重新區分：

哪些知識必須內化？

與：

哪些資訊可以安全外部化？

7. 第二層：Bounded AI Assessment

定義：

A1=Human+BoundedAI.\boxed{ A_1 = \text{Human} + \text{BoundedAI}. }

學生可以使用 AI。

但有：

  • 指定模型；
  • 指定資料；
  • 指定時間；
  • 指定工具；
  • 操作記錄；
  • 提示詞紀錄；
  • 禁止部分外部來源。

8. Bounded AI 測的是協作能力

此模式主要測：

HumanAICollaboration.\boxed{ \text{HumanAICollaboration}. }

例如：

  • 問題拆解；
  • 指令設計；
  • AI 錯誤辨識；
  • 多步驟協作；
  • 來源檢查；
  • 結果修正；
  • 工具選擇。

因此：

A1A_1

不是：

看誰最會叫 AI 幫忙。

而是：

CanTheStudentUseAIWithoutLosingControl?\boxed{ CanTheStudentUseAIWithoutLosingControl? }

9. 第三層：Open AI Assessment

定義：

A2=Human+OpenAI.\boxed{ A_2 = \text{Human} + \text{OpenAI}. }

允許：

  • 多模型；
  • 搜尋；
  • Agent；
  • 程式；
  • 資料庫；
  • 自動化；
  • 協作工具。

只要遵守：

  • 安全；
  • 法律；
  • 授權；
  • 揭露；
  • 任務限制。

10. Open AI 評量的問題不同

此時問題不再是：

你自己會不會做？

而是：

CanYouProduceTheRequiredOutcome?\boxed{ CanYouProduceTheRequiredOutcome? }

這更接近：

RealWorldProduction.\text{RealWorldProduction}.

例如：

  • 做出可運行軟體；
  • 完成資料分析；
  • 解決工程問題；
  • 做出設計；
  • 建立研究報告；
  • 完成社區方案。

11. 第四層：Artifact + Defense

定義：

A3=Artifact+Defense.\boxed{ A_3 = \text{Artifact} + \text{Defense}. }

這一層尤其重要。

因為 AI 時代：

ArtifactQuality\text{ArtifactQuality}

可能很高。

但：

HumanUnderstanding\text{HumanUnderstanding}

未必同步提高。

所以：

OutputQuality≠HumanUnderstanding.\boxed{ \text{OutputQuality} \neq \text{HumanUnderstanding}. }

12. Defense 的目的

Defense 可以包含：

  • 口試；
  • 現場解釋；
  • 反事實修改；
  • 找出錯誤；
  • 更換條件；
  • 即時修正；
  • 原理辯護。

例如：

如果這個 API 被移除怎麼辦？

如果資料分布改變呢？

為什麼選這個方法？

哪一段是 AI 做的？

哪一段你不同意 AI？

13. 反事實修改比背答案更有鑑別力

如果學生真正理解：

System,\text{System},

則在：

Condition→Condition′\text{Condition} \rightarrow Condition'

後，仍能調整：

Solution→Solution′.\text{Solution} \rightarrow Solution'.

因此：

CounterfactualModification\boxed{ \text{CounterfactualModification} }

是 AI 時代重要評量方法。

14. 四層評量不是難度階梯

不能理解成：

A0<A1<A2<A3.A_0<A_1<A_2<A_3.

它們測的是不同東西。

更準確：

A0,A1,A2,A3\boxed{ A_0,A_1,A_2,A_3 }

是不同能力座標。

15. 能力證據向量

因此學生不應只得到：

Score=87.Score=87.

可以改成：

Ci=(Cinternal,CAIcollab,Copenproduction,Cdefense).\mathbf C_i = ( C_{internal}, C_{AIcollab}, C_{openproduction}, C_{defense} ).

甚至再加入：

Cteam,C_{team}, Cverification,C_{verification}, Ctransfer.C_{transfer}.

因此：

CapabilityEvidenceVector.\boxed{ \text{CapabilityEvidenceVector}. }

16. 評量模式應由目標決定

如果課程目標是：

MentalArithmetic,\text{MentalArithmetic},

那麼：

AI=Off.AI=Off.

如果目標是：

AIResearchWorkflow,\text{AIResearchWorkflow},

那麼禁止 AI 就毫無意義。

因此：

AssessmentMode=f(LearningObjective).\boxed{ \text{AssessmentMode} = f( \text{LearningObjective} ). }

17. 「作弊」必須重新定義

傳統：

ExternalHelp→Cheating.\text{ExternalHelp} \rightarrow \text{Cheating}.

未來不能再如此簡單。

如果任務明確允許 AI，

則：

AIUse≠Cheating.\text{AIUse} \neq \text{Cheating}.

真正作弊是：

ViolationOfDeclaredAssessmentBoundary.\boxed{ \text{ViolationOfDeclaredAssessmentBoundary}. }

18. 揭露取代全面禁止

在 AI-On 模式中，可以要求：

  • 使用什麼模型；
  • 用在哪裡；
  • 哪些輸出被採用；
  • 哪些被修改；
  • 成本；
  • 失敗案例。

因此：

Disclosure\boxed{ \text{Disclosure} }

成為評量的一部分。

19. 過程證據

未來評量可以增加：

ProcessEvidence.\text{ProcessEvidence}.

例如：

  • git history；
  • prompt log；
  • design decisions；
  • test records；
  • revision history；
  • experiment notes。

因此：

FinalArtifact+ProcessEvidence.\boxed{ \text{FinalArtifact} + \text{ProcessEvidence}. }

比單純：

FinalArtifact\text{FinalArtifact}

更可靠。

20. AI 時代的能力不是「裸人能力」

真實世界中的有效能力可以表示：

EffectiveCapabilityi=F(InternalCapabilityi,AIi,Toolsi,Networki,Coordinationi,Verificationi).EffectiveCapability_i = F( InternalCapability_i, AI_i, Tools_i, Network_i, Coordination_i, Verification_i ).

因此：

Capability\boxed{ \text{Capability} }

變成關係性結構。

21. 個人能力與資源能力必須分離

兩個人：

i,ji,j

可能具有相同：

InternalCapability.\text{InternalCapability}.

但如果：

ToolAccessi≠ToolAccessj,ToolAccess_i \neq ToolAccess_j,

則：

EffectiveCapabilityi≠EffectiveCapabilityj.EffectiveCapability_i \neq EffectiveCapability_j.

因此評量需要知道：

WhichResourcesWereAvailable?\boxed{ WhichResourcesWereAvailable? }

22. 公平性問題

如果：

StudentAStudent_A

可以使用昂貴：

PremiumAI\text{PremiumAI}

而：

StudentBStudent_B

只能使用免費模型，

則：

A2A_2

可能測到：

ResourceDifference\text{ResourceDifference}

而不是：

CapabilityDifference.\text{CapabilityDifference}.

所以正式評量應提供：

BaselineEqualToolAccess.\boxed{ \text{BaselineEqualToolAccess}. }

23. 真實世界生產成為評量的一部分

如果學生可以：

BuildRealArtifact,\text{BuildRealArtifact},

那麼能力證據不一定只能來自考卷。

可以來自：

RealWorldArtifact.\boxed{ \text{RealWorldArtifact}. }

例如：

  • 軟體；
  • 裝置；
  • 研究；
  • 藝術；
  • 服務；
  • 社區方案；
  • 開源專案。

24. 從考題到任務

傳統：

Question→Answer.\text{Question} \rightarrow \text{Answer}.

未來可以增加：

Problem→Artifact.\text{Problem} \rightarrow \text{Artifact}.

因此：

Assessment:AnswerProduction→WorldProduction.\boxed{ \text{Assessment} : \text{AnswerProduction} \rightarrow \text{WorldProduction}. }

25. 學生產品

本文提出：

StudentProduct.\boxed{ \text{StudentProduct}. }

學生產品不必假裝：

EnterpriseGradeProduct.\text{EnterpriseGradeProduct}.

它可以明確標示：

由學生／學生團隊在教育環境中完成。

因此市場與使用者可以調整：

Expectation.\text{Expectation}.

26. 為什麼學生產品可以存在？

市場本來就存在：

  • indie；
  • beta；
  • prototype；
  • open source；
  • research preview；
  • early access。

因此：

ProductMarket\boxed{ \text{ProductMarket} }

本來就不是只有一個品質層。

所以：

StudentProduct\text{StudentProduct}

也可以成為一種明確層級。

27. 學生產品的核心價值

學生不一定能完成：

  • 法務；
  • 資安；
  • 規模化；
  • 長期維護；
  • 客服；
  • 供應鏈。

但可以完成：

Problem→Intent→Prototype→Evidence.\boxed{ \text{Problem} \rightarrow \text{Intent} \rightarrow \text{Prototype} \rightarrow \text{Evidence}. }

這已經具有真實價值。

28. AI 使意圖到原型距離下降

定義：

DI→AD_{I\rightarrow A}

為：

Intent\text{Intent}

到：

Artifact\text{Artifact}

之間的執行距離。

AI 使：

DI→A↓.D_{I\rightarrow A}\downarrow.

因此：

MorePeopleCanPrototype.\boxed{ \text{MorePeopleCanPrototype}. }

學生自然包含其中。

29. 學生不必成為完整公司

教育不應強迫：

Student→Founder.\text{Student} \rightarrow \text{Founder}.

學生可以只做到：

Prototype.\text{Prototype}.

後續由：

ProfessionalSector\text{ProfessionalSector}

接手。

因此：

StudentPrototype→ProfessionalHandoff.\boxed{ \text{StudentPrototype} \rightarrow \text{ProfessionalHandoff}. }

30. 專業接手鏈

完整鏈可以表示：

StudentIntent→StudentAIPrototype→Validation→ProfessionalHandoff→ProductionGrade.\text{StudentIntent} \rightarrow \text{StudentAIPrototype} \rightarrow \text{Validation} \rightarrow \text{ProfessionalHandoff} \rightarrow \text{ProductionGrade}.

其中：

ProfessionalHandoff\text{ProfessionalHandoff}

可以由：

  • 企業；
  • 新創；
  • 公共機構；
  • 大學實驗室；
  • 開源社群；

承接。

31. 市場驗證不等於一定商業化

Validation\text{Validation}

可以是：

  • 有人願意用；
  • 社區願意採用；
  • 研究可重現；
  • 使用者問題被改善；
  • 公共資料被使用。

所以：

Validation≠RevenueOnly.\boxed{ \text{Validation} \neq \text{RevenueOnly}. }

32. 非市場作品同樣可以是真實成果

學生也可以生產：

  • 公共知識；
  • 科學資料；
  • 藝術；
  • 音樂；
  • 文學；
  • 地方史；
  • 無障礙工具；
  • 生態紀錄；
  • 社區服務。

因此：

RealWorldProduction≠CommercialProduction.\boxed{ \text{RealWorldProduction} \neq \text{CommercialProduction}. }

33. 教育不應全面功利化

本文不主張：

Education=MarketTraining.\text{Education} = \text{MarketTraining}.

更完整是：

Education=HumanFormation+Knowledge+Exploration+Socialization+Creation+RealWorldParticipation.\boxed{ \text{Education} = \text{HumanFormation} + \text{Knowledge} + \text{Exploration} + \text{Socialization} + \text{Creation} + \text{RealWorldParticipation}. }

市場只是其中一種回饋來源。

34. 真實世界的最低判準

本文提出一個非常弱但重要的判準：

ConsequenceOutsideClassroom>0.\boxed{ ConsequenceOutsideClassroom>0. }

也就是：

學生的作品至少有機會被教室外的人看見、使用、回應或受到影響。

35. 為什麼「只做給老師看」資訊量不足？

若：

Audience=TeacherOnly,\text{Audience} = \text{TeacherOnly},

學生學到的是：

OptimizeForTeacher.\text{OptimizeForTeacher}.

但真實世界具有：

MultipleStakeholders.\text{MultipleStakeholders}.

因此：

ExternalAudience\boxed{ \text{ExternalAudience} }

可以增加：

FeedbackDiversity.\text{FeedbackDiversity}.

36. 真實使用者回饋

若學生做：

Artifacti,Artifact_i,

真正使用者可以提供：

Feedbacki.Feedback_i.

例如：

看不懂。

速度太慢。

其實不需要。

很有用。

這些訊號不是教師能完全模擬。

37. 真實失敗的教育價值

如果作品：

Failure,\text{Failure},

但學生能分析：

WhyFailure,\text{WhyFailure},

則：

LearningValue>0.LearningValue>0.

因此：

ProjectFailure≠EducationalFailure.\boxed{ \text{ProjectFailure} \neq \text{EducationalFailure}. }

38. 商業失敗也不等於能力失敗

一個產品可能因：

  • 市場太小；
  • 時機；
  • 行銷；
  • 法規；
  • 資金；

失敗。

但技術本身可能很好。

所以：

MarketOutcome≠CapabilityScore.\boxed{ \text{MarketOutcome} \neq \text{CapabilityScore}. }

評量仍需多維。

39. 團隊產出如何評量？

如果：

TeamArtifact\text{TeamArtifact}

由多人完成，

不能直接：

TeamScore=IndividualScore.\text{TeamScore} = \text{IndividualScore}.

應拆為：

Assessment=TeamOutcome+IndividualContribution+IndividualGrowth.\boxed{ \text{Assessment} = \text{TeamOutcome} + \text{IndividualContribution} + \text{IndividualGrowth}. }

40. 團隊貢獻不必平均

真實團隊不要求：

Contribution1=Contribution2=⋯ .Contribution_1 = Contribution_2 = \cdots.

重點是：

  • 分工合理；
  • 角色清楚；
  • 貢獻可說明；
  • 有互相依賴。

因此：

UnequalContribution≠UnfairContribution.\boxed{ \text{UnequalContribution} \neq \text{UnfairContribution}. }

41. 角色輪換與角色專精

教育團隊可以同時允許：

RoleRotation\text{RoleRotation}

與：

RoleSpecialization.\text{RoleSpecialization}.

初期：

RoleRotation↑RoleRotation\uparrow

幫助探索能力。

後期：

Specialization↑Specialization\uparrow

提高真實產出。

42. 個人專案仍然重要

不是所有人都適合：

TeamProject.\text{TeamProject}.

所以：

Individual⊕Team⊕Hybrid.\boxed{ \text{Individual} \oplus \text{Team} \oplus \text{Hybrid}. }

三者都應存在。

43. 個人專案也可以有外部依賴

即使個人完成主要作品，

仍可能使用：

  • mentor；
  • AI；
  • 開源套件；
  • 測試者；
  • 專業服務。

因此：

IndividualAuthorship≠ZeroInterdependence.\boxed{ \text{IndividualAuthorship} \neq \text{ZeroInterdependence}. }

44. 高能力學生與弱勢學生

真實專案制度若設計不好，可能放大：

CapabilityGap.\text{CapabilityGap}.

強者容易：

GetSelected.\text{GetSelected}.

弱者容易：

Excluded.\text{Excluded}.

因此學校需要：

ProtectedParticipation.\boxed{ \text{ProtectedParticipation}. }

45. Protected Participation

若學生目前：

Performance↓,Performance\downarrow,

仍可透過：

  • 教師組隊；
  • 混合能力小組；
  • 公共任務池；
  • 輔助角色；
  • AI 支架；
  • 低難度真實任務；

進入：

RealParticipation.\text{RealParticipation}.

因此：

LowCurrentPerformance≠ExclusionFromReality.\boxed{ \text{LowCurrentPerformance} \neq \text{ExclusionFromReality}. }

46. 評量應區分結果與進步

令：

OutcomeiOutcome_i

為成果品質。

令：

GrowthiGrowth_i

為學習成長。

則：

AssessmentiAssessment_i

可以同時包含：

Outcomei+Growthi.Outcome_i + Growth_i.

因此新手不必與高手只比：

AbsoluteOutput.\text{AbsoluteOutput}.

47. AI 使用紀錄的作用

AI 使用紀錄不應只是監控。

可以分析：

  • 學生何時求助；
  • 是否接受錯誤答案；
  • 是否驗證；
  • 是否反駁 AI；
  • 是否重新設計 prompt；
  • 是否自己補完。

所以：

AITrace\boxed{ \text{AITrace} }

可以成為：

LearningEvidence.\text{LearningEvidence}.

48. 但不應永久保存全部私人思考

如果把所有 AI 對話：

PermanentRecord,\text{PermanentRecord},

可能侵犯：

CognitivePrivacy.\text{CognitivePrivacy}.

因此：

AssessmentEvidence≠TotalSurveillance.\boxed{ \text{AssessmentEvidence} \neq \text{TotalSurveillance}. }

只保留與評量必要的：

MinimalEvidence.\text{MinimalEvidence}.

49. 學生應有重審權

如果 AI 或教師判斷：

Capabilityi=Low,Capability_i=Low,

學生應可：

Appeal.\text{Appeal}.

透過：

  • 新作品；
  • 現場測試；
  • 口試；
  • 重做。

因此：

Assessment\boxed{ \text{Assessment} }

不應是不可逆標籤。

50. 能力證據可以累積

未來學生的能力紀錄可以是：

EvidencePortfolio={Exam,Project,Defense,Teamwork,RealUse,Research}.\text{EvidencePortfolio} = \{ \text{Exam}, \text{Project}, \text{Defense}, \text{Teamwork}, \text{RealUse}, \text{Research} \}.

因此：

Credential→EvidencePortfolio.\boxed{ \text{Credential} \rightarrow \text{EvidencePortfolio}. }

不是取消學位。

而是增加更高解析度證據。

51. 學歷與作品可以並存

Degree\text{Degree}

仍然可以代表：

  • 完成長期學習；
  • 基礎知識；
  • 專業倫理；
  • 制度認證。

而：

Portfolio\text{Portfolio}

表示：

  • 實際產出；
  • 個人風格；
  • 真實能力。

所以：

Degree+Portfolio.\boxed{ \text{Degree} + \text{Portfolio}. }

52. AI 時代評量的核心不是抓作弊

如果教育只聚焦：

HowToCatchAIUse,\text{HowToCatchAIUse},

就錯過更大的問題：

WhatCapabilityShouldBeMeasured?\boxed{ WhatCapabilityShouldBeMeasured? }

先定義能力，

再決定：

AIAllowed?AIAllowed?

53. 不同學科可以有不同 AI 邊界

例如數學基礎課：

A0A_0

比重高。

軟體工程：

A2A_2

比重高。

研究方法：

A1+A2+A3.A_1+A_2+A_3.

因此：

OneAIPolicyForAllCourses\boxed{ \text{OneAIPolicyForAllCourses} }

通常不合理。

54. 年齡也會影響 AI 使用邊界

低年齡學生：

A0A_0

與：

A1A_1

比重可以較高。

高年齡：

A2,A3A_2, A_3

逐步增加。

因此：

AssessmentAutonomy\boxed{ \text{AssessmentAutonomy} }

也應漸進。

55. 真實生產與責任教育

一旦學生作品進入世界，

就會碰到：

  • 隱私；
  • 安全；
  • 著作權；
  • 誤導；
  • 維護；
  • 使用者傷害。

因此：

Production→Responsibility.\boxed{ \text{Production} \rightarrow \text{Responsibility}. }

這本身就是教育。

56. 「做出來」不是唯一成功

學生還要學：

ShouldWeBuildIt?ShouldWeBuildIt?

因此：

Capability+Judgment.\boxed{ \text{Capability} + \text{Judgment}. }

AI 時代尤其重要。

57. 專業接手也必須有責任界面

如果：

StudentPrototype→ProfessionalHandoff,\text{StudentPrototype} \rightarrow \text{ProfessionalHandoff},

則必須明確區分：

  • 原始作者；
  • 維護者；
  • 法律責任；
  • 安全審查；
  • 授權。

因此：

Handoff\boxed{ \text{Handoff} }

不是簡單把檔案交出去。

而是制度接口。

58. 學生權益

若學生產品具有商業價值，

學校或企業不能預設：

StudentIP→InstitutionOwnership.\text{StudentIP} \rightarrow \text{InstitutionOwnership}.

應事先說明：

  • 智慧財產；
  • 授權；
  • 分潤；
  • 使用權；
  • 公開權。

因此：

EducationalProduction≠FreeLabor.\boxed{ \text{EducationalProduction} \neq \text{FreeLabor}. }

59. 企業不能把學校變成廉價外包

如果企業提供：

RealProblem,\text{RealProblem},

應避免：

Student→UnpaidWorkforce.\text{Student} \rightarrow \text{UnpaidWorkforce}.

合理模式包括：

  • 開放題目；
  • 獎金；
  • 授權；
  • 採購；
  • 實習；
  • 導師；
  • 後續合作。

所以：

IndustryInterface\boxed{ \text{IndustryInterface} }

需要倫理邊界。

60. 學生產品市場可以分級

可以建立：

Prototype,\text{Prototype}, StudentProduct,\text{StudentProduct}, ValidatedStudentProduct,\text{ValidatedStudentProduct}, ProfessionalizedProduct.\text{ProfessionalizedProduct}.

不同層級具有不同：

QualityExpectation.\text{QualityExpectation}.

因此：

MarketSegmentation\boxed{ \text{MarketSegmentation} }

可以降低錯誤期待。

61. 學校可以成為微型創新經濟體

如果班級：

Class\text{Class}

拆成：

{Team1,Team2,…,Teamn},\{Team_1,Team_2,\ldots,Team_n\},

不同團隊可以做：

  • 軟體；
  • 遊戲；
  • 科學；
  • 社區；
  • 文化；
  • 公共問題；
  • 藝術。

因此：

School\boxed{ \text{School} }

可以成為：

MicroInnovationEconomy.\text{MicroInnovationEconomy}.

62. 但學校不是公司

這一點必須明確。

School≠Firm.\text{School} \neq \text{Firm}.

學校首先服務：

Learning+Development+Socialization.\text{Learning} + \text{Development} + \text{Socialization}.

生產是：

EducationalMedium.\text{EducationalMedium}.

不是唯一目的。

63. 能力證據的第一組核心命題

本文提出以下十四個核心命題。

命題 1：內化—增強能力分離命題

InternalCapability≠AugmentedCapability.\boxed{ \text{InternalCapability} \neq \text{AugmentedCapability}. }

命題 2：單一評量模式不足命題

OneAssessmentMode≠AllCapabilityTypes.\boxed{ \text{OneAssessmentMode} \neq \text{AllCapabilityTypes}. }

命題 3：AI-Off 內化能力命題

A0=HumanOnly.\boxed{ A_0 = \text{HumanOnly}. }

命題 4：Bounded AI 協作能力命題

A1=Human+BoundedAI.\boxed{ A_1 = \text{Human} + \text{BoundedAI}. }

命題 5：Open AI 生產能力命題

A2=Human+OpenAI.\boxed{ A_2 = \text{Human} + \text{OpenAI}. }

命題 6：作品辯護命題

A3=Artifact+Defense.\boxed{ A_3 = \text{Artifact} + \text{Defense}. }

命題 7：成品—理解分離命題

OutputQuality≠HumanUnderstanding.\boxed{ \text{OutputQuality} \neq \text{HumanUnderstanding}. }

命題 8：評量目標決定工具邊界命題

AssessmentMode=f(LearningObjective).\boxed{ \text{AssessmentMode} = f( \text{LearningObjective} ). }

命題 9：學生產品命題

Student=Learner+PartialProducer.\boxed{ \text{Student} = \text{Learner} + \text{PartialProducer}. }

命題 10：意圖—原型距離下降命題

DI→A↓\boxed{ D_{I\rightarrow A}\downarrow }

隨 AI 執行能力提高而下降。

命題 11：專業接手命題

StudentPrototype→ProfessionalHandoff.\boxed{ \text{StudentPrototype} \rightarrow \text{ProfessionalHandoff}. }

命題 12：真實生產—商業化分離命題

RealWorldProduction≠CommercialProduction.\boxed{ \text{RealWorldProduction} \neq \text{CommercialProduction}. }

命題 13：教室外結果命題

ConsequenceOutsideClassroom>0.\boxed{ ConsequenceOutsideClassroom>0. }

命題 14：教育生產—免費勞動分離命題

EducationalProduction≠FreeLabor.\boxed{ \text{EducationalProduction} \neq \text{FreeLabor}. }

64. 可驗證預測

Prediction A：AI-Off 與 AI-On 排名將不完全一致

若：

Rank(A0)Rank(A_0)

與：

Rank(A2)Rank(A_2)

高度不同，

代表：

AugmentedCapability\text{AugmentedCapability}

具有獨立資訊。

Prediction B：Defense 可降低純 AI 外包造成的誤判

若加入：

A3,A_3,

則：

FalsePositiveCapabilityAssessment↓.FalsePositiveCapabilityAssessment\downarrow.

Prediction C：過程證據可改善能力判斷

加入：

ProcessEvidence\text{ProcessEvidence}

後，

評量者對：

Contribution\text{Contribution}

與：

Understanding\text{Understanding}

的估計應更準確。

Prediction D：真實專案可提高能力輪廓解析度

若學生完成：

Nprojects↑,N_{\mathrm{projects}}\uparrow,

則：

RevealedCapabilityProfile\text{RevealedCapabilityProfile}

的穩定性提高。

Prediction E：學生產品會增加早期需求發現

若：

StudentPrototypeVolume↑,StudentPrototypeVolume\uparrow,

則小眾：

UnmetNeed\text{UnmetNeed}

被發現的概率可能增加。

Prediction F：專業接手可提高學生原型存活率

若存在：

HandoffInfrastructure,\text{HandoffInfrastructure},

則：

PrototypeSurvivalRate↑.PrototypeSurvivalRate\uparrow.

65. 制度原型：四層評量矩陣

可建立：

模式 AI 主要測量
A0A_0 禁止 內化能力
A1A_1 有限 人機協作
A2A_2 開放 增強生產能力
A3A_3 可用 理解、責任、辯護

學生不是只得到一個：

Score.\text{Score}.

而是：

CapabilityProfile.\boxed{ \text{CapabilityProfile}. }

66. 制度原型：作品證據鏈

對學生作品建立：

Intent→Plan→Process→Artifact→Validation→Defense.\text{Intent} \rightarrow \text{Plan} \rightarrow \text{Process} \rightarrow \text{Artifact} \rightarrow \text{Validation} \rightarrow \text{Defense}.

每一層都提供：

Evidence.\text{Evidence}.

因此：

CapabilityEvidenceChain.\boxed{ \text{CapabilityEvidenceChain}. }

67. 制度原型：學生產品生命週期

可以建立：

Idea→Prototype→StudentProduct→Validation→Professionalization.\text{Idea} \rightarrow \text{Prototype} \rightarrow \text{StudentProduct} \rightarrow \text{Validation} \rightarrow \text{Professionalization}.

在任何階段都可以停止。

停止不代表失敗。

68. 與 LWCT-06 的銜接

LWCT-06 建立：

ProgressiveAutonomy.\text{ProgressiveAutonomy}.

本文補上：

ProgressiveAssessmentAutonomy.\text{ProgressiveAssessmentAutonomy}.

也就是：

低年齡：

A0,A1A_0,A_1

較多。

高年齡：

A2,A3A_2,A_3

增加。

69. 為什麼下一篇必須處理人際關係？

當教育變成：

GoalDirectedLearning+Project+RealWorldProduction,\text{GoalDirectedLearning} + \text{Project} + \text{RealWorldProduction},

一個常見反駁是：

那學校還有什麼用？

學生不是在家跟 AI 學就好了嗎？

本文的答案還不完整。

因為：

Education\text{Education}

還包含：

Socialization.\text{Socialization}.

而社會化不只是：

PlayWithPeers.\text{PlayWithPeers}.

還包括：

Cooperate+Depend+Contribute+Negotiate+TakeResponsibility.\boxed{ \text{Cooperate} + \text{Depend} + \text{Contribute} + \text{Negotiate} + \text{TakeResponsibility}. }

因此最後一篇將處理：

SchoolAsProtectedRealSociety.\boxed{ \text{SchoolAsProtectedRealSociety}. }

70. 系列位置

目前：

LWCT-01:Money→LifeWorldLWCT\text{-}01: \text{Money} \rightarrow \text{LifeWorld} LWCT-02:Productivity→DomainBottleneckLWCT\text{-}02: \text{Productivity} \rightarrow \text{DomainBottleneck} LWCT-03:Labor→RewardTopologyLWCT\text{-}03: \text{Labor} \rightarrow \text{RewardTopology} LWCT-04:RewardTopology→EducationRoutingLWCT\text{-}04: \text{RewardTopology} \rightarrow \text{EducationRouting} LWCT-05:AI→DynamicRewardTopologyLWCT\text{-}05: AI \rightarrow \text{DynamicRewardTopology} LWCT-06:DynamicWorld→ProgressiveAutonomyLWCT\text{-}06: \text{DynamicWorld} \rightarrow \text{ProgressiveAutonomy} LWCT-07:ProgressiveAutonomy→CapabilityEvidence+RealWorldProduction.LWCT\text{-}07: \text{ProgressiveAutonomy} \rightarrow \text{CapabilityEvidence} + \text{RealWorldProduction}.

最後：

LWCT-08:School→SocialInterdependence.LWCT\text{-}08: \text{School} \rightarrow \text{SocialInterdependence}.

71. 結論

AI 時代的評量不能只剩下一個問題：

能不能用 AI？

真正應該問的是：

WhatCapabilityAreWeTryingToMeasure?\boxed{ WhatCapabilityAreWeTryingToMeasure? }

如果目標是內化能力，

應使用：

A0.A_0.

如果目標是人機協作，

應使用：

A1.A_1.

如果目標是真實生產能力，

應使用：

A2.A_2.

如果目標是理解、責任與可辯護性，

應加入：

A3.A_3.

因此：

A0⊕A1⊕A2⊕A3.\boxed{ A_0 \oplus A_1 \oplus A_2 \oplus A_3. }

四層不是互相取代。

而是共同形成：

CapabilityEvidence.\text{CapabilityEvidence}.

同時，AI 讓：

IntentToArtifactDistance↓.IntentToArtifactDistance\downarrow.

學生不必再被視為：

NotYetProductive.\text{NotYetProductive}.

他們可以在教育階段就形成：

Problem→Intent→Prototype→Evidence.\text{Problem} \rightarrow \text{Intent} \rightarrow \text{Prototype} \rightarrow \text{Evidence}.

但教育也不應要求學生獨自承擔成熟公司的一切。

因此：

StudentPrototype→ProfessionalHandoff\boxed{ \text{StudentPrototype} \rightarrow \text{ProfessionalHandoff} }

是一個合理制度接口。

真正重要的是：

ConsequenceOutsideClassroom>0.\boxed{ ConsequenceOutsideClassroom>0. }

讓學生知道：

學習不是只為了交給老師打分。

他們學到的東西，可以真的碰到世界。

但這個世界不應只有市場。

研究、藝術、公共知識、社區、文化、友誼、創造與非商業探索，同樣屬於：

RealWorld.\text{RealWorld}.

所以 AI 時代的能力證據最終不是：

誰最會考試？

也不是：

誰最會叫 AI 做事？

而是：

一個人理解什麼、能和哪些系統協作、能產生什麼成果、能不能解釋與承擔它，以及這些成果是否真正與世界發生了關係。

一句話版本

AI 時代不應再用「准不准用 AI」決定所有考試，而應分別測量人的內化能力、人機協作能力、開放工具下的真實生產能力，以及對作品的理解與責任；同時，學生也不必等畢業才第一次產生真實世界成果。

系列下一篇

LWCT-08｜學校作為受保護的真實社會：合作、互依、生產與非功利教育
School as a Protected Real Society: Cooperation, Interdependence, Production, and Non-Utilitarian Education