跳到主要內容

思辯,疫情停課後,數位教育何去何從?政府思維該如何改變?

回應,疫情停課後,數位教育何去何從?政府思維該如何改變?

疫情停課,首當其衝是老師,是學生,特別是國小以上階段,有些話該說還是

原文網址:

https://www.facebook.com/pcyeh.NTU/posts/6585411554817820




文:前面提到其他國家的教育單位,也沒有自己開發大一統的政府平台給老師用。因為很花錢、而且實務上也很難做,更重要的是與網路時代教學的多元精神是違背的。

其實每個國家,最後會建立自己的系統,教育是人民的權益,教育單位有必要扛起品質的責任,所以建立單一平台,監督品質這件事情在每個國家最終都會發生,也正在發生中!

會有不需要單一平台誤會,主要來自於網路誤區,這其中最大的不同在於,網路內容多樣性,因此才會產生不需要專有平台的誤解。

實際上遠距之後就跟自學體系沒有兩樣,學習內容必須要被檢定且必須要被最小範圍,規範讓學生學習到該年紀應達到之基礎。

最終應該回到檢驗機制,利用檢定,基本能力確認,證照等方式,確保學生的學習有正在走向正軌,並且學習從專業人士身上學習到該有的基本學科內容。

所以,公部門單一平台化,其實有其必要性!

文:但有件事情我認為是迫切該改變的。其他國家的老師,有政府的預算可以讓學校老師覺得好用的網路平台服務。台灣卻是學校、老師什麼買軟體服務的預算都沒有。
所以到頭來,台灣的老師一天到晚只能找網路上免費的服務來用。一旦聽到要收錢了,大家就人心惶惶。

個人觀點並不是軟體收費問題,也不是硬體問題,

根本問題是老師收入太少!

以主計處提供資訊,可查到教育者平均薪資為 27000 - 35000 月薪

就這樣的薪資水準來說,扣除房租,生活開銷,大概就僅能支持溫飽,政府對於停課之後並沒有提供實質補助給予教師添購硬體,軟體,僅只有讓老師使用現有資源進行所謂『遠距課程』

當然一堆荒腔走板的課程都逐漸浮上台面,更不用說買軟體,額外花費時間學習軟體使用,額外學習影片剪輯等 …

而這些是老人不懂,年輕人才有辦法快速站上的舞台,但很可惜,薪資高的在教師界就是老人居多,年輕人基本上就是拿到這樣的平均薪資,能做不多,多做又無法,陷入兩難局面。

這才導致免費平台是唯一出口,只有免費才能讓老師安心使用,一旦持續訂閱持續花費,一個月 300 - 600, 一年下來也是個可觀的數字,對於一個月只有兩三萬的老師來說。

問題在哪裡

說穿了,整個停課機制,就是

政府沒有任何配套措施
政府沒有任何配套措施
政府沒有任何配套措施

疫情期間救了大家的,其實是這些免費軟體的提供,高 CP 值 3C 產品和優秀的台灣硬體品質,還有這些願意花費更多額外時間和精神瞭解如何是對孩子更好的老師們,是這樣犧牲奉獻的心,拯救了台灣的教育!

是全部台灣人,救了台灣人自己

要有好的遠距教學品質,需要有優良的網路基本建設之外,『絕對需要有好的硬體設備』,包含手寫版,視訊鏡頭,聲音麥克風,當然更需要優秀的軟體搭配,但絕對需要有相對應品質的硬體設備,缺一不可。

『好的軟體為何沒有台灣廠商』,這個議題可以另外討論,就不在此範圍中。

在未來建議台灣政府,放手讓老師執行數位計畫,或者發放資源給民間進行『數位內容製作』別再搞這些上不上下不下的事情了,就跟創業輔導一樣,越不干涉,越能做好事情!

最後還是要說,老師們辛苦了,家長們辛苦了,孩子們辛苦了!

說真的疫情時代過後,老師價值多少,什麼是教育者,教育與家庭該扮演什麼樣的角色,我們的薪資及養育系統的平衡,這些才是值得深思得問題。

留言

這個網誌中的熱門文章

Vibe Coding:為什麼 Junior 更快上手?Senior 要如何追趕?

現象層面(市場觀察) 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變,非常熱門。 身為 Cympack 產品開發團隊 ,我們也一直關注這個議題,在閱讀這篇文章時觀察到一些有趣的現象,對我們來說,這正好反映出 AI 正在改變開發生態,junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位,其中有些啟發(insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding? 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」,反而 embrace 快速迭代、快速出成果 反觀 Senior: 熟悉大型系統設計 有豐富的「工程正統流程」知識(架構設計、測試策略、效能優化、設計模式) 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師,對 prompt engineering 沒那麼熟練,還在觀望 技能面(未來的關鍵能力) Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢? Prompt 撰寫 / AI 互動 Junior 較強(熟悉 chat-based 流程) 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強(能看出潛在問題) 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding,並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力,但若不主動練習 vibe coding,長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享,希望帶給各位的感受, 『與 AI 協...

RAG 和 Prompt 原理超簡單解說!想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務,甚至是 Siri (嘿丟,他也是一種 AI 應用服務喔) 簡單來說是非 技術人員, PM,小白,想要趕快惡補的人 ,直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於,AI 這東西會幻想,會有誤差,會對於生活有些幫助但沒有幫助的人們,做個簡單又不是太簡單的介紹,希望用一個非常入門的方式讓你們有個了解。 當然,這篇文章目的很簡單, 就是引流 ,如果你身邊有已經對於 Web 技術開發的人員,歡迎報名分享給他,年末出國不如學一技在身,參加今年我們舉辦最後一場 RAG 實作工作坊,報名連結 , https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意: 接下來每個大段落結束都會有一段工商導入,但文章絕對精彩,請注意! 為了讓各位容易想像,我們將整個世界的資訊,先濃縮到這本『西遊記』的世界觀當中,我們整個世界都在這個 『西遊記』 ,而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位,應該都有聽過,西遊記!如果沒有聽過西遊記的,請右轉出去,謝謝! 先來談談向量 在《西遊記》的世界裡,我們可以把 向量想像成一種「內容座標」 ,讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說,唐三藏的 「位置」(向量)會接近「佛經」和「取經」 的概念,因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念,因為這些是他的特徵。 相似內容靠得更近:像「佛經」和「取經」會靠近唐三藏的向量,因為它們彼此有很強的關聯。 相差較大內容會離得較遠:像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠,因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置? 簡單來說,這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊,觀察哪些詞語經常一起出現,根據「共同出現的頻率」來決定它們的關係,並且自動生成向量。例如: 如果模型看到 「唐三藏」 總是和 「取經」 一起出現,它就會讓「唐三藏」的向量靠近「取經」。 ...

Vibe Coding 協作到自建 Dev Agent?從 Claude / Codex 到 OpenHands

過去一年,越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題,到後來很多人愛上 Cursor,直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗,已經大大改變了我們寫程式的方式。 更現實的是,在很多企業內部、政府單位、或涉及機密資料的專案裡, 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理,萬一專案裡有未公開的技術、敏感客戶資料,或是受限於法規 (像金融、醫療、政府標案) ,直接用雲端 AI 工具就會踩 紅線 。  因此,許多團隊反而更希望 「自己架一套 Dev Agent」 ,可以在內網執行,資料完全掌握在自己手上,該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline,全部客製化、安全可控。 這時候,像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手,而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署,從 CLI 操作到瀏覽器查詢, 從多檔案編輯到自動測試,全部都能自己完成,甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說,這是一條 從 「AI 幫你寫一段程式」,走向「AI 幫你解決一整個任務」 的進化路徑。而且,還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」,能模仿人類工程師從建立程式、修改程式碼、執行指令,到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端(OpenHands Cloud)與本地 Docker 運行版本,用戶能配置 LLM(如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用,又或者如果自己本機有 docker 的話,可以自己Local 版本透過 Docker 自架環境。 ...