編按：比爾蓋茲說，我只有高中文憑，但是我是個終身學習者，我從來沒有放棄任何學習的機會。在機器人當道的現在，幾乎所有國家都在訓練學生擁有那些機器人所沒有的特質，只有我們還在強調分數與評量嗎？洪蘭提出的教育觀點，值得我們一起來深思。
要的是學力，不是學歷
我在報上又看到，台中有個擁有博士學位的父親因小二女兒數學屢教不會，用衣架把女兒打傷，被法院判罰拘役50天，緩刑二年。
這種新聞看了令人憤慨，為什麼這些父母親只要一牽涉到孩子的功課和分數就會失去理性，拿起棍子、鐵條，任何手邊的器具就打呢？難道分數和成績在他們心目中，竟比親生骨肉還重要嗎？
在現在，孩子若沒有好奇心、求知欲會被社會所淘汰，因為凡是可以編碼、 重複性動作的工作會被機器人所取代。我們不應該把孩子訓練成聽話的乖乖牌， 沒有自己思考和判斷的能力，這是危險的。上次韓國翻船時，很多學生就是聽了船長「留在原處不要動」的話，沒有上到甲板去逃生，留在船艙被淹死。
比爾蓋茲：我只有高中文憑，但我是終身學習者
在機器人當道的21世紀，幾乎所有的國家都在改變他們的教育政策，訓練學生積極主動、冒險探索、有好的人際關係和學習熱忱……這些機器人沒有的特質，只有我們還在強調分數與評量。
曾有人問比爾．蓋茲（Bill Gates）：「你沒有從哈佛畢業，所以你只有高中文憑，請問你會怎麼給現代學子忠告？」他回答：
❝是的，我只有高中文憑，但是我是個終身學習者（I am a professional student.），我從來沒有放棄任何學習的機會，我的微軟要的是學力，不是學歷。❞
我真心的期待這個重學歷而不重學力的迷思，能慢慢從台灣除去。
教學要有效，需知大腦記憶的本質：一個訊息要能擠過注意力的瓶頸，進入短期記憶，被處理後，進入長期記憶成為自己的知識，其實不容易。任何一個階段出錯，記憶都會流失。
這個父親不了解當他打女兒時，女兒的大腦會因恐懼而關閉所有跟生存無關的訊息管道，她的瞳孔會放大，只看見要打她的手和刑具，心跳加快，血液從全身湧到四肢準備逃命，腦筋一片空白。這是標準的腎上腺素戰／逃的生理反應，老師愈兇，學生愈學不進去。
這個父親因為是博士，高學歷，就不會去反省自己的教法對不對、有沒有從孩子熟悉的背景切入、她有沒有聽懂你在說什麼，就直接認為是孩子不好好學懲罰她。
天下沒有教不會的孩子，只有不會教的老師。我在念小學五年級時，要學雞兔同籠，我那時也是老師怎麼教都不會（其實這是二元一次方程式的代數問題，不知為何台灣把它提早到小學五年級來教）。
幸好我的父親很有智慧，他看我聽不懂，便換個方式，叫我這樣想：如果雞跟兔子共15隻有40隻腳，你就想像牠們全是雞，把腳都舉起來，這時空中有30隻腳，剩10隻還站在地上，因為雞已經全坐下來了，所以這10雙腳屬於兔子的，兔子有四隻腳，舉了二隻，還剩二隻腳，除以二，就知道兔子是五隻，那麼雞就是十隻了。他這樣一教，我馬上會。天下沒有笨的小孩，只有不通人性、要打人的家長。
若要孩子學習有效，請不要恐嚇他，請記住西風和太陽比賽的故事，溫暖的太陽會使人脫下厚重的大衣，達到比賽的目的。
其他國家都在訓練學生積極主動、冒險探索、有好的人際關係和學習熱忱……這些機器人沒有的特質，只有我們還在強調分數與評量？僅為情境配圖。圖片來自pexels圖／其他國家都在訓練學生積極主動、冒險探索、有好的人際關係和學習熱忱……這些機器人沒有的特質，只有我們還在強調分數與評量？僅為情境配圖。圖片來自pexels
盡信數字不如無數字
在AI的時代，大家唯數字馬首是瞻，都說數字最客觀、會說真話，其實數字不一定代表事實，要看這些數字是怎麼來的。
例如英國中部地區的嬰兒死亡率比倫敦高很多，這顯然不合理，難道中部的醫生比倫敦的差嗎？原來英國法律，胎兒在12週內死亡算是流產，24週後死亡算是出生後死亡，在12週和24週中間是灰色地帶，中部的醫生慣用死亡而倫敦的醫生用流產，用詞造成了兩者的差異。所以登錄最重要，開頭錯，後面就不必計算了。
統計是很好的趨勢工具，補償人類這方面的不足。但統計也會放大人類信任數字的盲點，所以在統計之前，先要了解自己在算什麼。
經濟學上也有一個「古德哈特定律」（Goodhart’s law），即當一個措施轉身成為目標時，它就不再是一個好的措施。比如，蘇聯曾要老百姓依人口和牲畜比例，上報他們可以生產的數字，報的愈多愈被表揚。
很不幸的是，表揚完了，政府就要他們上繳這些數字的產品，達不到時就要罰。無奈何，紡織工廠就縮窄織布機的寬度以達到長度的要求；烏茲別克的農人便把棉花浸水，以達到每天該採的重量；1860年代，美國鋪設跨東西岸的鐵路，這條鐵路修到中西部大草原的歐馬哈（Omaha）後，便轉彎，不走直線，因為它是以鐵軌的里程計價。
台灣以前原住民教師的加給是以山的高度來計算，結果南投縣仁愛鄉的合作國小雖然比平靜國小更偏遠，但因學校在半山腰，合作國小老師的薪水便比平靜國小的少。當我們全然憑數字來做決定時，就會有這些問題出現。
這個問題在AI用算則（algorithm）來模擬時更明顯，例如為了要使飛機儘量輕的降落在航空母艦的甲板上，電腦工程師便用算則來訓練它，沒想到算則在重複學習時，發現了系統的漏洞：假如它用力把飛機摔在甲板上，強烈的力道會使系統過度負荷，跳出來的數字便是零，表示完美降落，但事實正好相反。
因此只用數字去控制，而不是去了解這個作業時，數字是危險的。
數字有時看起來很公平，但是碰到跟人有關的事情時，一定要考慮數字所代表的意義，因為不管什麼政策，永遠會有對策，有的時候，盡信數字，不如無數字。
（作者為中央大學認知神經科學研究所講座教授；本文摘自洪蘭《進步一點點，人生就會不一樣》）
原文轉載自【2022-12-30/遠見】