我們以為的 AI「英文寫作個人化教學」，其實可能只是高級雙標？
有 AI 英文寫作教練可以 24 小時在線，提供個人化寫作回饋，聽起來很美好。但是 AI 看見的是作文，還是寫作者身上的標籤？
史丹佛大學研究團隊最新研究《Marked Pedagogies: Examining Linguistic Biases in Personalized Automated Writing Feedback 》發現：同一篇作文，只要在 Prompt（提示指令）中加入學生的種族、性別、學習狀態等身分標籤，AI 給的回饋就可能出現系統性的差異。
－－－
研究團隊從 PERSUADE 資料庫選取 600 篇八年級學生的論說文，交給 4 個主流大語言模型（GPT-4o、GPT-3.5-turbo、Llama 3.3 70B、Llama 3.1 8B）批改。實驗設計刻意維持「作文內容完全相同」，只改變 Prompt 中對學生身分的描述，藉此比較 AI 的回饋內容是否有別。結果發現：
1️⃣ 加入學業標籤
當作者被標註為「高成就」時，AI 聚焦文章的邏輯論證、結構與深度等高階寫作引導；一旦標註為「英語不是第一語言的學習者（ELL）」或「低成就」時，AI 立刻化身為拎著紅筆在字裡行間巡邏的糾察隊，盯著文法、拼字等表層校訂問題。作者獲得高階寫作啟發的機會因而變少。
2️⃣ 加入種族標籤
當作者被標註為「非裔（Black）」時，AI 回饋中與社會正義、族群歷史相關的詞彙明顯增加；標註為「亞裔」時，則帶入與家庭、勤奮等刻板印象的描述。
3️⃣ 加入性別標籤
AI 給「女性」作者的回饋較常出現情感、同理的寫作詞彙；給「男性」作者的建議則偏向任務導向與證據要求。
合理的「差異化教學」是建立在學生作文的品質與學習需求上；但這項研究揭露的卻是： AI 僅憑「身分標籤」就預設了學生的能力。 明明是改同一篇作文，AI 的「因材施教」卻先替作者套上一層「身分劇本」。
不用多久，AI 就可能把長年存在於社會的偏見學得「人模人樣」。
－－－
而值得警惕的，是下一步。
當這些身分標籤不再只是 Prompt 裡的一行文字，而是串接 LMS（學習管理系統）、IEP（個別化教育計畫）或人口統計系統裡的詳細資訊，AI 就可能給出不同難度、不同層次的回饋，悄悄改變大家的學習路徑。
這樣的「AI 評估」，早已不只發生在英文寫作教學裡—— 現行的托福口說與寫作已採 AI 和真人並行評分；美國大學申請開始出現用 AI 協助審閱 SOP 的案例；企業端更早已用 AI 篩選履歷與進行初步面試。
從「AI 幫你寫、教你寫得更好」，到「AI 評估你的語言能力」，再到「AI 參與入學和求職篩選」，我們該深思的，或許不只是 AI 能不能做到客製化，而是它到底是「怎麼看人」的？
AI 浪潮下，模型開發商、教育系統商與學校，都需要更透明的 Prompt 設計與更嚴謹的偏見審查機制，別讓演算法悄悄架空了教育的公平性。
－－－
說到改英文作文，我們辦過一場 PK 賽。挑了一篇學測家教班高三學生的英文作文，分別請 GEMINI 和師生團隊做修改，再由 CLAUDE 擔任評審，結果在這。
－－－
