essays · learning design
理解,需要被設計
從 FUTURE 到 MAPS,我如何設計學習旅程
撰文:丁后儀|2026.06.24|閱讀約 8 分鐘|瀏覽 – 次
早在生成式 AI 出現之前,我就在大學課堂、教師研習與企業內訓之間往返,也一再看見同一個難題:老師講得完整、投影片做得精美,學習者回到工作與生活中,卻不一定做得出來。我在意的,從來不只是「要教什麼」,而是學習者走過一段什麼樣的學習旅程,最後真正學會。
藝術創作的背景與教育學博士的訓練,讓我習慣用「設計」的眼光看每一堂課;緣此,我把一路的教學與培訓經驗,整理成兩個設計學習旅程的模型:FUTURE 能力發展導向課程設計模型從終點回推,畫出整門課的旅程路線;MAPS 單元教學設計模型則設計沿途的每一站,帶學習者從「為什麼要學」,走到「我學會了什麼、下一步怎麼做」。
這套設計原本與 AI 無關。然而,當 AI 讓資訊唾手可得,課堂真正的價值,愈來愈落在學習者能不能理解、做不做得出來――從學習者出發、以能力為導向的設計,反而更契合這個時代的人才培育。這篇文章想以這兩個模型為例,藉由大學課堂、教師研習與企業內訓的實際案例,探討好的學習旅程如何被設計出來,以及 AI 時代教師的角色。
好的學習是設計出來的;真正的學習發生在理解之後,而理解,需要被設計。
兩個現場,同一個難題
企業內訓:領域專家,不一定懂得傳承專業
2021 年起,我承接企業與非營利組織的帶狀課程設計顧問案,也陪企業培養內部講師。這些儲備講師們都是各自領域的專家,卻不一定懂得如何傳承自己的超強專業力;企業要的是能力,不是時數;每位講師各有一套教法,課程需要一套共同語言;而成人學員走進教室,又常帶著防衛與焦慮。
他們需要的,是一套簡單、好參照,拿了就能用的方法――就像「學習旅程魔法師養成術」工作坊裡,我陪漁業領域的專家,把自己的專業變成好玩、學得會的課。
大學課堂:先讓學生試,反而學得更深
回到大學課堂,我看見的是另一個面貌:學生不敢開口、怕犯錯。可是當我先放手讓學生嘗試,再給講解,他們反而學得更深;由學生自己統整的收穫,也比我替他們總結更有效。
於是,我先讓犯錯變得安全,再放手讓學生試;統整的麥克風,也交還給學生。
理論依據成人學習理論(Andragogy):成人帶著豐富的經驗進入學習,也更需要知道「為什麼要學」;學習內容與自身處境愈相關,愈願意投入。
兩個現場告訴我同一件事:講得完整,不等於學得會――教學的重心,要從「我講了什麼」,移到「學習者學會了什麼」。
FUTURE:從終點回推整段學習旅程
傳統的備課,多半從教材出發:先選章節、決定要教什麼,最後才想到怎麼評量。FUTURE 則把一門課看成一段學習旅程:先確定終點(課程定位)――這門課要培養什麼未來能力;再看清起點(學習者畫像)――學習者是誰、從哪裡出發;最後才以逆向設計(Backward Design)鋪出中間的路:定義學習成果、設計評量證據、挑選核心內容,再轉化為學習經驗。

記憶法FU+TURE:備課前要先有 FU――對課程與學習者有感;備課中則要 TURE(true)――知識要查證、如實呈現。
這門課要回應什麼未來需求?
學習者的起點、挑戰與疑慮。
化為可觀察、可衡量的目標。
先想好「學會了」的證據。
分出核心、次要與新興內容。
以 MAPS 轉成單元學習流程。
理論依據Wiggins 與 McTighe 的逆向設計,主張先確立期望的學習結果,再決定可接受的評量證據,最後才規劃教學;Biggs 提出的建構式對齊(Constructive Alignment),同樣強調學習目標、教學活動與評量三者必須對得上(Biggs, 1996)。
課程要交付的,是能力,不是時數。
最不能跳過的一步:看見學習者
FUTURE 六步中,我最常提醒老師與講師不要跳過的,是第一個 U――洞察學習者,也就是旅程的起點。同一個主題,教給企業同仁、大學生或大學教師,起點、顧慮與真實情境都不同;語氣、案例與節奏,也就必須跟著不同。
我借用使用者經驗設計的人物誌(Persona),請老師分兩階段為學習者畫像:先抓四個核心――學生與這門課的關係、學習起點、誤解與困難,以及一句第一人稱的核心心聲;再推導三個應用――動機鉤子、活動設計與教學語言。其中,誤解與困難、核心心聲,最需要教師的隱性知識(Tacit Knowledge)――那是教過、陪過,才聽得見的聲音。即使請 AI 先擬草稿,也一定要由老師親自校準。
理論依據人物誌以具體、可想像的人物,代表一群使用者的目標與困擾,讓設計者在每一次取捨時,都記得自己在為誰設計。
我在不同現場遇見的四種起點――
- 01企業專家要成為內部講師,卻不一定懂得傳承專業――需要簡單、好參照的方法。
- 02成人學員帶著防衛與焦慮走進教室――先安頓,再開講。
- 03大學生不敢開口、怕犯錯――先讓犯錯變得安全。
- 04大學教師案例一多,就有距離感――三類工作各看一個主案例,其餘課後選讀。
不是我想教什麼,而是學習者需要什麼。
MAPS:設計旅程中的每一站
整段旅程的路線畫好之後,沿途的每一站怎麼走,就交給 MAPS:從「為什麼要學」,走到「我學會了什麼、下一步怎麼做」。它以腦科學為基礎,整合成人學習理論、大腦資訊處理模式、建構主義與鷹架理論(Scaffolding):從感官輸入到長期記憶,大腦的運作貫穿教學的每一分鐘;鷹架也不只在實作時出現,而是從動機與心理安全感就開始搭建――這是認知與情感的「雙重鷹架」。
四個階段的時間配比是 10/30/40/20,這是我在實際上課中一堂一堂計時、慢慢調出來的。線上同步課則調整為 20/20/30/30:進出分組討論室、共享螢幕都會耗時,開場的安頓與收尾的統整要多留餘裕。A 與 P 也不必死板地走一遍,可以教一段、練一段,交錯前進。

理論依據情緒不是學習的干擾,而是學習的一部分(Immordino-Yang & Damasio, 2007)。「鷹架」一詞由 Wood、Bruner 與 Ross 於 1976 年提出,呼應 Vygotsky 的近側發展區。
安頓大腦:連結經驗,建立安全感。
先試後教:探究試錯,再給清楚的講解。
練習+回饋:用尺規讓學生成為評鑑者。
交出麥克風:學生提取重點,寫下行動。
四個階段,我在不同的現場各有一個例子――
M先安頓,再開講
現場|AI 行銷影片工作坊(企業內訓)成人學員走進教室,心裡常先問:「這跟我有什麼關係?我做得出來嗎?」若一開場就講課,他們還沒準備好聽。所以這堂課的開場,先播一支完成的範例影片:學員先看見今天要做出什麼,再開始動手。這個安排,來自第一天課後學員給我的建議。
MAPS 叮嚀M 階段首重「安頓大腦」:暫緩講述,先以痛點或經驗連結,搭建情感鷹架(Affective Scaffolding)。

A先讓學員試,再公布解答
現場|遠距教學設計工作坊(大學教師)我先丟出一個案例:「丁老師的遠距課程,出了什麼問題?」這門課每週只放影片和出版社簡報,評量只有線上期中、期末考。老師們拿著剛學到的數位課程認證指標,先自己替它找問題;討論過後,我才公布通關密語,打開解答。
MAPS 叮嚀A 階段貫徹「先試後教」:讓學習者先探究試錯,以「預測誤差」引發的驚奇反應,提升後續正確輸入的編碼效率。

P練習,要有看得見的回饋
現場|專業演講力(大學生)演講力是練出來的。我以課程尺規的六個維度――主題契合、內容結構、情境語彙、連接詞、語速與贅字率――作為練習與回饋的共同標準,並與 AI 協作研發陪練工具 VoiceUp:講完立刻逐條對照檢核單,通過的項目引用學生原句當證據;對 AI 的每一條建議,學生都要表態並寫下理由――從被評者,練習成為評鑑者。
理論依據有效的回饋要回答三個問題:往哪裡去、做得如何、下一步是什麼(Hattie & Timperley, 2007);以評量尺規引導自評與互評,能啟動後設認知。

S交出麥克風,導向行動
現場|老師們的 AI 助理養成班(大學教師)我常提醒自己忍住代為總結的衝動――學生自己統整,比我替他們總結更有效。在助理養成班,老師們先完成一次任務,再「留下方法」,把有效的做法整理成工作準則;接著「換個案例」,檢查方法帶不帶得走,最後「自己完成」。統整之後,還要遷移。
理論依據從記憶中提取的練習,比重讀更能鞏固長期記憶(Roediger & Karpicke, 2006);學習遷移,則是把所學帶到新情境的能力。

鷹架不只搭在實作,更始於動機與安全感。
最難的一步:先試後教
四個階段裡,最難做到的是 A――先試後教。無論是我自己,還是我陪過的老師與講師,都曾在這一步猶豫。難處大致有三――
- 01怕進度落後、時間不夠先試不必是大工程:舉牌、投票、尋寶遊戲,幾分鐘就能讓學員先表態、先發現;A 與 P 也可以交錯,教一段、練一段。
- 02學員習慣「老師先教」被動聽講,常讓人「覺得」學得比較多。我會在 M 階段先說好:為什麼要先試,試錯為什麼沒關係。
- 03好的探究題不好設計從 NG 案例出發最容易上手:先給一門「有問題的課程」,讓學員用剛學到的標準去找問題。

先試,不是放任;試完,一定要有清楚的講解。
試錯之後,若沒有清晰、正確的輸入,學習就停在半路。先試,是為了讓學員帶著問題來聽講。
理論依據先讓學習者嘗試、甚至失敗,再給正式講解,往往能帶來更深的理解,學界稱為「有益的失敗(Productive Failure)」(Kapur, 2008);但完全不給引導並不可行(Kirschner et al., 2006)。研究也發現,主動學習的學生學得更多,卻「覺得」自己學得比較少(Deslauriers et al., 2019)。
放手讓學生先試,需要的不只是勇氣,更是設計。
AI 時代:AI 出草稿,老師做主廚
AI 讓教材、題庫與投影片的產製快了許多;但「教什麼、為什麼教、學會了沒有」,仍然要由老師判斷。我對 AI 的定位是:AI 出草稿,老師做主廚――把重複性的工作交給自動化,把價值判斷與思考的磨練留給人。兩個模型並非為 AI 而設計,卻在這樣的分工下,有了新的意義――
- 01AI 成為 P 階段的陪練P 占 40%,卻是老師最難一一陪伴的階段。教學網站讓學員課後找得到地方再練一次;VoiceUp 讓學生在零碎時間開口練習,講完就有回饋。
- 02把模型寫成 AI 的工作準則我把 FUTURE 與 MAPS 封裝成 AI 的工作準則(skill)。請 AI 協助備課時,它要先依 MAPS 產出單元設計表與逐頁計畫,經我確認後,才製作簡報與講義。
可以交給 AI 出草稿
- 教材改寫與分級草稿
- 測驗題庫初稿
- 情境圖、資訊圖表與學習單
必須由教師把關
- 教什麼、為什麼教
- 評分定奪與個別回饋
- 事實查核與學生個資
模型不是讓 AI 取代老師,而是讓 AI 依循好的設計。
寫成工作準則之後,AI 的每一份草稿,都有了可以檢核的標準;最後的判斷,仍在老師手上。
理論依據人在迴路(Human-in-the-loop):在 AI 系統的關鍵決策點保留人的判斷與把關。
一位大學教師的省思:從傳遞知識,到設計學習
好的學習是設計出來的,而且可以很有溫度。
企業裡的專家要成為內部講師時,不一定懂得傳承自己的專業;回到大學,我們其實也常面對同樣的處境。教師的角色,正從知識的傳遞者,轉向學習旅程的設計者――設計目標與證據,也設計情緒與安全感。
進一步而言,備課時我們也不妨追問自己――
學生學完能做什麼?「學會了」的證據在哪裡?
我看見學習者的挑戰、疑慮與真實的聲音了嗎?
學生動手與表達的時間,有比我講的時間長嗎?
所以惟有從學習者出發、以證據回推,理解方能真正發生。
未來,帶進教學與研發
教學:讓領域專家,也懂得傳承專業
我希望把 FUTURE 與 MAPS 帶進更多教師社群與講師培訓(Train the Trainer,簡稱 TTT),讓擅長專業的老師與講師,也有一套簡單、好參照的方法,把專業轉化為一段學習者學得會、帶得走的學習旅程――這也是人才培育最根本的一步。
相關案例遠距教學設計工作坊:大學教師以 MAPS 重排 10 分鐘同步教學 ↗研發:用課堂證據,檢驗模型
下一步,我希望把完整的理論基礎、操作步驟與案例,整理成兩個模型的《實踐指南》出版,讓更多老師引用與檢驗;也將以教學實踐研究的方法,用課堂上的學習證據,檢視模型是否真的讓學習發生。模型不是定論,而是一套隨著課堂滾動修正的工具。
延伸閱讀教學心法:下載 FUTURE 與 MAPS 模型簡介與資訊圖表🔒 文中截圖取自個人網站與教學網站的公開頁面、網站的本機副本,以及 VoiceUp 測試環境;不含學員資料與密碼。
本文提及與延伸閱讀
- 模型FUTURE 能力發展導向課程設計模型(簡介 PDF)
- 模型MAPS 單元教學設計模型(簡介 PDF)・教學心法
- 網站遠距教學設計工作坊・AI 行銷影片工作坊
- 網站老師們的 AI 助理養成班
- 相關研發手記:讓學員不迷路的教學網站
- 相關研發手記:遊戲化,不是花俏・把教學專業,寫成 AI 的紅線
- 概念逆向設計・建構式對齊(Biggs, 1996)
- 概念人物誌 Persona・隱性知識・成人學習理論
- 理論鷹架理論・近側發展區・情緒與學習(Immordino-Yang & Damasio, 2007)
- 理論有益的失敗(Kapur, 2008)・Kirschner et al., 2006・Deslauriers et al., 2019
- 理論有效回饋(Hattie & Timperley, 2007)・評量尺規・後設認知
- 理論提取練習(Roediger & Karpicke, 2006)・學習遷移
- AI人在迴路 Human-in-the-loop(維基百科)
- 計畫教育部教學實踐研究計畫
交流園地
歡迎留下想法與我交流。填暱稱即可留言,留言會公開顯示,請勿留下個資。