# 教師延伸路線（For Teachers / Educators）
> **繁體中文** | [简体中文](./for-teacher.zh-Hans.md) | [English](./for-teacher.en.md)
> 🚀 **大多數教師可直接從 Claude.ai（網頁版）+ NotebookLM 開始、不需要任何 setup**。只有當你要自動化重複流程（Tier 2+、例如每週生成 50 份家長信）時、才需要看 [`resources/setup-guide.md` A-C](../resources/setup-guide.md)（30 分鐘從零裝好需要的東西）。
> [← 回主路線 README](../README.md) · 走完 **Track A 的 A3** 或 **Track B 的 Stage 7** 後從這裡接續。把 agentic AI 應用到教學流程上。
## 使用情境
教師使用 AI 的情境可以先看成三個分支：**備課與上課素材製作**、**教學現場與學習輔助**、以及**其他應用場景**。
這樣的分類參考 AI in Education 文獻中常見的行政、教學與學習應用脈絡、也加入生成式 AI 在教材生成、回饋與互動支援上的近期討論（Chen et al., 2020；Mittal et al., 2024）。閱讀時建議先理解教師把關原則與使用邊界、再依自己的教學需求挑一個分支深入。
### 教師使用 AI 輔助時要注意什麼
AI 可以幫忙準備和輔助，但不應該直接取代教師判斷。近期 AI in Education 與生成式 AI 教育研究也提醒，教師設計 AI agent 時要保留清楚的教學目標、安全邊界與人工把關（Chen et al., 2020；Mittal et al., 2024）。
- **保留教師最後判斷**：牽涉學生資料、成績、教學決策等重大判斷時，教師仍要負責最後確認。
- **避免直接給答案**：如果要讓學生與 AI agent 互動，可以設計成蘇格拉底式對話，在多輪互動中引導學生說出理由。
- **貼合教學目標**：用固定提示詞、檢查清單、或學校核准的工具設定、限制 AI 的角色與任務、避免學生互動脫離課程目標。
- **調整學生提問**：如果學生年齡較低，例如國小或國中，可以把學生問題先改寫成更清楚的提問，再交給 agent 回答。
### 備課與上課素材製作
這類情境偏向「幫老師準備材料」，輸出通常會被老師再改寫、挑選、檢查。
- **教案生成**：依課綱、單元目標與學生程度，整理課程大綱、時間分配、活動設計、討論提示與補充學習指南。
- **Quiz / 評分量表（rubric）建立**：依文本、課文或學術文章，產生選擇題、簡答題、申論題、參考答案與評分規準。
- **投影片準備、課程地圖、多媒體與視覺化素材**：把課本章節或教師筆記轉成投影片大綱、講義架構、週次安排、先備知識、評量節點、圖像、3D 物件、影片腳本、GIF 或課堂展示素材。
- **學生回饋整理分析**：彙整學生作答、作業或課堂反應，找出常見迷思、需要補救的概念與下一步練習。
- **多語系教材翻譯與轉化**：把教材改寫或翻譯成不同語言版本，也可以產生語音合成素材。
- **互動式遊戲與活動、虛擬模擬場景的素材**：準備教學遊戲、押韻兒歌、任務卡、角色卡、情境文本或模擬場景背景；若要設計實際互動流程或課堂活動，請參考下一節「教學現場與學習輔助」。
### 教學現場與學習輔助
這類情境偏向「幫學生理解、練習、互動」，AI 比較像教學助教或活動輔助工具。特別注意：不需要在單一教學活動中加入所有要素，而是挑選適合的環節加入 AI agent 設計。
- **沉浸式學習體驗與真實情境演練**：用真實情境模擬、角色扮演或外語口說模擬，讓學生在接近實作的情境中練習，降低認知負荷與退縮感。
- **激發好奇心與提問能力**：透過蘇格拉底式追問與多輪互動，引導學生提出更清楚的問題、說明理由，進一步訓練批判性思考與後設認知。
- **即時批改與深度回饋**：讓學生從錯誤中學習，AI 可以指出錯誤、說明原因、建議修正方向，而不是只給分數或答案。
- **智慧家教與虛擬助教**：協助回答提問、解釋術語、給提示，讓學生在課堂內外都能獲得適度支援。
- **適性教學與動態路徑**：依學生程度提供對應難度內容，並透過學習表現推測近側發展區，提供合適的鷹架與補救素材。
### 其他應用場景
這類情境不一定直接發生在課堂中，但會影響教師工作、學生支援與教育系統運作。
- **特殊教育支援**：透過語音轉文字、文字轉語音等方式，協助不同需求的學生參與課程。
- **親師溝通與家庭教育**：整理學生進度報告，並提供家庭可延伸的輔助學習活動建議。
- **行政管理與學術誠信**：整理學習軌跡、產生報告，或協助進行抄襲與作弊風險檢查。
- **職涯與技能發展輔導**：協助職涯探索、培訓清單規劃，並依弱點推薦練習題。
- **教師專業發展**：摘要教學方法、教育科技趨勢與研究重點，協助教師持續更新。
- **高階研究分析**：輔助文獻分析、快速理解論文研究中提出的教學法或教育心理學。
- **隱私保護與合成資料**：在不直接使用真實個資的前提下，產生匿名合成資料。
### 參考文獻
- Chen, L., Chen, P., & Lin, Z. (2020). [Artificial Intelligence in Education: A Review](https://doi.org/10.1109/ACCESS.2020.2988510). *IEEE Access*, 8, 75264-75278.
- Mittal, U., Sai, S., Chamola, V., & Sangwan, D. (2024). [A Comprehensive Review on Generative AI for Education](https://doi.org/10.1109/ACCESS.2024.3468368). *IEEE Access*, 12, 142733-142759.
## 精選 Projects
### 教學流程 Skills
（大多數還沒有做成 skill marketplace。這個分支最有社群貢獻空間——見 CONTRIBUTING.md。）
### 可用的基礎元件
#### [obra/superpowers](https://github.com/obra/superpowers) ⭐⭐⭐⭐
通用的寫作 / 腦力激盪 skill。可改用在備課上。
#### 進階自動化：[Claude Code](https://github.com/anthropics/claude-code)（搭配自訂 CLAUDE.md）⭐⭐⭐⭐⭐
★ 120k+ — **教師的基礎工具是 Claude.ai（網頁版）+ NotebookLM + Google Classroom / LMS 整合**、先從這裡開始。**只有當你已有會重複跑的批次流程**（如每週生成 50 份家長信、每學期跑學生反饋分析）才升級到 Claude Code、需要學一點 CLI。
### 教學課程素材（給教師備課用）
#### [huggingface/agents-course](https://github.com/huggingface/agents-course) ⭐⭐⭐⭐
| 欄位 | 內容 |
|---|---|
| Stars | ★ 28k+ |
| License | Apache-2.0 |
**教什麼**：Hugging Face 官方的 agent 課程——notebook、練習、結業認證。是一份**現成的「AI agent 教學」素材**。
**適合誰**：要在學校 / 工作坊開「AI agent 入門」課程的老師，可以直接拿來當教材或改編。
**備註**：注意這是「教 AI agent 怎麼建」的教材，不是「老師用 AI 教書」的工具。
---
#### [datawhalechina/llm-universe](https://github.com/datawhalechina/llm-universe) ⭐⭐⭐⭐（中文）
| 欄位 | 內容 |
|---|---|
| 語言 | 中文（zh-Hans） |
| Stars | ★ 13k+ |
| License | NOASSERTION |
**教什麼**：Datawhale 出品的中文 LLM 應用開發課程——含 RAG、agent、章節練習。中文教師備課的現成模板。
**適合誰**：中文教師要找現成可改的 LLM 教材底稿、再針對自己學生程度調整。
**備註**：跟 hf agents-course 一樣，是「教學生建 LLM 應用」的教材，不是「教師端的 AI 助教」。
---
### Prompt 素材庫
#### [f/awesome-chatgpt-prompts](https://github.com/f/awesome-chatgpt-prompts) ⭐⭐⭐⭐
| 欄位 | 內容 |
|---|---|
| Stars | ★ 161k+ |
| License | NOASSERTION（CC0 / public domain 風格，但未提供 SPDX） |
**教什麼**：社群維護的 prompt 大全——「act as X」型樣板涵蓋幾百種角色（老師、面試官、stand-up comedian、辯論者⋯）。教師可以拿來當「prompt 寫法範例」教給學生，或直接借用其中合適的當作課堂示範。
**適合誰**：要教學生「prompt engineering」的老師，找現成例子比較不同寫法的差異。
**備註**：品質不一致——當作素材庫挑選用，不是「全部直接拿去教」。
---
### 閱讀材料
#### [The Effortless Academic — Beginner Guides](https://effortlessacademic.com/claude-code-and-cowork-for-academics-beginner-guide-part-1/)
寫給學術工作者導入 Claude Code 的多篇指南，教師也適用。
## 可以建的流程（按教學階段）
下表 5 條是模板——配合你的學科自行調整：
| 階段 | 流程 | 怎麼做（≤ 3 步） | 推薦工具 | 注意 |
|---|---|---|---|---|
| **備課前** | 教案生成器 | (1) 課綱 + 主題提示 → 大綱
(2) 大綱 → 投影片
(3) 投影片 → 評量題目 | Claude.ai / NotebookLM | 教師最後審 |
| **備課中** | Rubric 建立 | (1) 給學生作業樣本 + 學習目標
(2) 請 AI 草擬 4 級 rubric
(3) 教師調整級距 | Claude.ai | 避免「品質好」這種模糊詞 |
| **改作業** | 個別化回饋 | (1) 學生作業 + rubric → AI 寫回饋初稿
(2) 教師逐份審 + 改
(3) 寄回 | Claude.ai | **AI 輔助 ≠ AI 評分**，最終分數一定人工 |
| **課堂活動** | 情境模擬 | (1) 教學目標 + 角色設定 → 對話腳本
(2) 課堂演練
(3) 反思問題 | Claude.ai | 蘇格拉底式追問、不直接給答案；學生輸入**不含個資** |
| **課後補救** | 個別化補救教材 | (1) 整理學生常見錯誤
(2) 依學生程度 → 小練習 + 提示
(3) 延伸挑戰題 | Claude.ai | 注意學生個資匿名化 |
> 💡 **新手起手式**：先做「備課前的教案生成器」一個學期、習慣後再加 rubric / 回饋流程。⚠️ 所有跟學生個資 / 評分相關的步驟都要回頭看下面的 §隱私 + 倫理（重要）章節。
### 3 個可直接複製的 prompt 範本
**1. 教案大綱生成**（複製到 Claude.ai 即可用）：
```
你是一位 [學科] 老師。我要給 [年級] 學生上一堂 [時長] 分鐘的課，主題是「[主題]」。
學生先備知識：[簡述]。請產出：
1. 學習目標（3-4 條，用 Bloom's taxonomy 動詞）
2. 課程大綱（含時間分配）
3. 1 個課堂活動 / 討論題
4. 1 個課後評量題
不要產生超出我給的主題範圍的內容。
```
**2. Rubric 草稿生成**：
```
我有一份 [作業類型] 作業，學生年級 [年級]，主題 [主題]。
學習目標：[列 2-3 條]。
請產出一份 4 級 rubric（卓越 / 熟練 / 發展中 / 待改進），
每級在「內容深度」「組織結構」「論證 / 計算」「表達清晰度」4 個面向各給一段描述。
描述要具體可觀察，不用「品質好」這種模糊詞。
```
**3. 學生回饋整理**：
```
以下是 [N] 份學生作業片段：
[貼上文本]
請：
1. 摘要這批作業共同的 3 個強項
2. 摘要 3 個共同弱點
3. 針對最常見弱點，建議 1-2 個下次上課該加強的環節
不要做個別化評語——我會自己針對個人寫。
```
## 隱私 + 倫理（重要）
教師端用 LLM 跟一般 user 不同，**牽涉學生資料**——以下是 hard rule：
- **不要把學生個資丟進公開 LLM**（姓名、學號、聯絡方式、成績）。需要的話先匿名化（用「學生 A / B / C」）
- **AI 輔助 ≠ AI 評分**：用 LLM 草擬回饋 / rubric 沒問題，但**最終評分一定要人工把關**——LLM 對複雜思考的評估還不可靠
- **告知學生**：如果課堂材料是 AI 輔助生成，建議向學生揭露（比照論文揭露 AI 工具使用）。教學誠信很重要
- **檢查事實**：LLM 會編造引用、學者名字、研究資料。專業領域內容**必須核對**才能上課
- **學生作品的著作權**：不要把學生作品用 LLM 大量分析後上傳到第三方 service、**可能涉及所在地個資法、學校政策、第三方服務條款**——在**美國**另需留意 FERPA（學生紀錄保護法）、在**歐盟**需留意 GDPR、在**台灣**則需注意《個資法》與校方公告。實際適用範圍請以該地法規與學校 IT 政策為準
如果你的學校 / 機構有 AI 使用政策，**那份比這份優先**。
## 給教師的層級建議
下表是建議的進階路徑——大多數教師應該停在 Tier 0-1：
| Tier | 工具 | 適合誰 | 學習成本 |
|---|---|---|---|
| **Tier 0** | Claude.ai 網頁版聊天 | 偶爾備課、單次任務、出題、寫信。複製上面的 prompt 範本填入主題即可 | 0（會用瀏覽器就行） |
| **Tier 1** | Claude Desktop / [NotebookLM](https://notebooklm.google.com/) | 批改 / 整理一整學期資料、做課程地圖、整批匯入課本 PDF 後問問題 | 半小時裝好 |
| **Tier 2+** | Claude Code / CLI / SDK | 有重複自動化需求（例：每週收 30 份作業 → 自動生成回饋初稿） | 1 週上手；不熟程式可找學校 IT / 學生 RA 幫忙設定 |
> **多數教師停在 Tier 0-1 就夠了**。升級到 Tier 2+ 就建議走 [Track A — CLI Power User](../tracks/cli/A1-cli-intro.md)。
## 也適用其他分支
很多老師同時是研究員 / 知識工作者，這幾個分支重疊：
- **也做研究**（找文獻、寫 paper、整理 references）→ [研究員分支](./for-researcher.md)
- **要寫報告 / 整理會議記錄 / 跨工具整合**（Notion、Excel、Email）→ [知識工作者分支](./for-knowledge-worker.md)
- **要把 AI 接到 Notion / Obsidian / 飛書** 等日常工具 → [`resources/mcp-skills-catalog.md`](../resources/mcp-skills-catalog.md)
## 社群備註
這個分支目前是精選內容最少的一塊。特別歡迎以下貢獻：
- 教案生成 skill
- 學科專屬的 prompt library（國文老師的 prompts、數學老師的 prompts、英文老師的 prompts ⋯）
- 教師專屬的 MCP server（成績冊整合、LMS 串接如 Canvas / Moodle / Google Classroom）
- **某學科 + 某年級的完整 case study**（例如「我用 AI 帶國中數學一個學期，這是我的 workflow」）
請見 [CONTRIBUTING.md](../CONTRIBUTING.md)。