高教數位賦能計畫
更新日期：2026-05-22
目的：協助學校將本系統作為「高教數位賦能計畫」的基礎設施，用於預算補貼、使用治理、教學成效追蹤與年度審議。
為什麼學校現在需要數位賦能基礎設施
1. AI 已經成為學生實際使用的學習工具
HEPI / Kortext 的 Student Generative AI Survey 2025 顯示，英國全職大學生中，使用 AI 的比例已從 2024 年的 66% 上升到 92%，且 88% 曾將生成式 AI 用於評量相關工作。HEPI 2026 後續報告也持續指出，學生的 AI 使用已經不是早期試用，而是進入日常學習流程。
Digital Education Council 的 AI in Higher Education Latin America Survey 2026 也顯示，學生 AI 使用率達 92%，高於其 2024 全球學生調查中的 86%。這代表學校若沒有提供正式、可治理的 AI 使用環境，學生仍會使用外部工具，但學校將失去指引、稽核、公平補貼與成效評估的能力。
2. 缺乏校級支持會擴大數位落差
HEPI 2025 報告指出，學生普遍認為 AI 能力重要，但學校支持、工具可近性與使用規範仍存在落差。若 AI 使用完全仰賴學生自行付費或自行尋找工具，最容易受影響的不是已熟悉 AI 的學生，而是缺乏經驗、缺乏資源、或不確定何種使用方式被允許的學生。
因此，數位賦能預算的意義不是「替所有 AI 使用買單」，而是讓學校能把有限資源優先投入具教學目的的場景，例如課程內引導、形成性回饋、語言練習、教師備課與學習輔助。
3. 教師需要制度支持，而不是只被要求自行摸索
Digital Education Council Global AI Faculty Survey 2025 顯示，教師端一方面看見 AI 在課程設計、教材生成、課堂互動與學生支援上的潛力；另一方面也擔心學生無法批判性評估 AI 產出，且校內常缺乏清楚政策、訓練與資源。
這表示學校不能只採購工具，還需要一套能支援教師導入、追蹤成本、調整補貼、建立規範的基礎設施。本系統提供的課程級預算、AI billing 紀錄、課程分析與管理後台，正是把教師試用推進到制度化營運的關鍵。
4. 國際政策方向已從「能不能用 AI」轉向「如何治理 AI」
UNESCO 的生成式 AI 教育與研究指引強調，教育機構需要建立人本導向、資料保護、能力建設與長期政策。OECD Digital Education Outlook 2026 也指出，生成式 AI 只有在教學原則、政策與人本學習目標的引導下，才更可能有效支持教育。
NIST 的 AI Risk Management Framework: Generative AI Profile 則提醒組織必須把生成式 AI 納入治理、風險辨識、測量與管理流程。對學校而言，這意味著 AI 不能只放在個別教師或學生端自由使用，而需要校級的預算、權限、紀錄、指標與稽核機制。
本系統可以提供什麼
1. 校級 AI 補貼池
系統支援平台級 ai_budget，學校可設定年度或學期級數位賦能總預算。所有課程 AI 補貼都會受到平台剩餘額度限制，避免 AI 支出無上限擴張。
2. 課程級詞元配額
每門課可配置 budget_usd 作為課程詞元配額。當學生或教師在課程脈絡中使用 AI 功能時，系統會優先使用課程配額補貼；不足時再由使用者錢包支付。
實際可補貼額度為：
min(課程剩餘額度, 平台剩餘額度)
3. 增益與補貼率追蹤
系統會記錄每次 AI 使用的：
| 指標 | 說明 |
|---|---|
amount_usd | AI 服務總價值 |
charged_course_usd | 由課程 / 平台補貼的金額 |
charged_user_usd | 使用者自付金額 |
gain_total_usd | 累計 AI 服務總價值 |
gain_subsidized_usd | 累計受補貼金額 |
gain_subsidy_rate | 補貼率，即受補貼金額 / 總服務價值 |
這讓學校可以清楚回答：
- 哪些課程使用最多？
- 哪些課程需要追加配額？
- 補貼是否集中於少數課程或少數使用者？
- 學生自付比例是否過高？
- 哪些 AI 功能消耗最高？
4. 課程與教學分析
導師端課程分析可以結合：
- 學生瀏覽與學習時間
- 章節 / chunk 使用情形
- 答題與正確率
- token 使用量
- AI 成本與增益值
- 學生與章節層級統計
因此，學校可以把 AI 預算與教學活動放在同一份儀表板中理解，而不是只看雲端帳單或模型費用。
建議學校採用的年度預算架構
建議將數位賦能視為年度專項預算，而不是一般資訊服務雜支。
| 預算池 | 建議占比 | 目的 |
|---|---|---|
| 課程補貼池 | 60% | 支援核心課程中的 AI 學習與教學活動 |
| 平台中央保留池 | 15% | 因應熱門課程、學期中追加與臨時擴增 |
| 高成本模態與創新池 | 10% | 圖像、音訊、語音、多模態或試辦功能 |
| 師培與學生導入池 | 10% | 教師訓練、學生 AI induction、使用規範與工作坊 |
| 治理與評估池 | 5% | 報表、稽核、資料保護、年度成效報告 |
這樣設計的重點是：補貼只是數位賦能的一部分；真正的校級計畫還必須包含教師增能、學生導入、風險治理與成效評估。
建議補貼原則
| 使用情境 | 建議補貼策略 |
|---|---|
| 核心學習支援，例如課程內問答、形成性回饋、練習引導 | 高補貼，優先保障公平近用 |
| 教師備課、教材改寫、題目生成、課程建構 | 中高補貼，鼓勵教師導入但保留課程額度上限 |
| 圖像、音訊、即時語音等高成本模態 | 部分補貼，設定每課程與每人上限 |
| 與課程無直接關聯的自由探索 | 低補貼或自費，避免排擠核心教學預算 |
為什麼本系統適合作為學校基礎設施
可控
學校能設定平台總額度與課程額度，並追蹤消耗達 80% 以上的賦能額度風險。這避免 AI 使用變成不可預期的開銷。
公平
補貼可配置到課程與核心學習任務，降低學生因工具費用而退出 AI 學習支持的風險。
可審議
每次 AI 使用都有交易紀錄，可按課程、使用者、章節、功能與時間回溯，適合用於校務會議、年度預算審查與補助計畫報告。
可治理
系統保留人類教師與學校管理角色，而不是讓外部 AI 工具直接成為黑箱學習入口。這符合 UNESCO、OECD、NIST 等機構對教育 AI 治理的共同方向：AI 應服務教學目的，並被納入制度化治理。
建議學校決議文字
建議學校將本系統列為年度 AI 數位賦能基礎設施，建立平台級數位賦能預算與課程級詞元配額；以教學目的分級補貼 AI 使用，優先支持核心學習與教師教學設計場景；透過系統紀錄追蹤 AI 服務總價值、補貼率、使用者自付、課程消耗與賦能額度風險；並於每學期產出數位賦能報告，作為預算續編、課程增額、教師培訓與風險治理之依據。
參考研究與政策報告
- UNESCO, Guidance for generative AI in education and research, 2023.
- OECD, OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education, 2026.
- HEPI / Kortext, Student Generative AI Survey 2026, 2026.
- HEPI / Kortext, Student Generative AI Survey 2025, 2025.
- Digital Education Council, AI Adoption Is Nearly Universal Among Students, But Confidence Is Not, 2026.
- Digital Education Council, Global AI Faculty Survey 2025, 2025.
- EDUCAUSE Review, QuickPoll Results: Technology Budgets and Staffing, 2025.
- Jisc, AI maturity toolkit for tertiary education.
- NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, 2024.