r&d notes · no.07
讓學員不迷路的教學網站
從六月到十月,與 AI 協作五個教學網站之後,我學到的事
撰文:丁后儀|2026.10.20|閱讀約 8 分鐘|瀏覽 – 次
在 AI 工作坊裡,我常看見這樣的畫面:有人還在找上一段的提示詞,有人已經默默跟不上;也有人下課後想再練一次,卻記不得從哪裡開始。AI 時代,我們教的愈來愈多是工具與應用,而它們最怕的,就是課堂上看得懂、回到座位卻做不出來。我想給學員的,不只是一份講義,而是一個能陪著他們一步一步走的地方。
於是從六月起,我和 AI 一起蓋了五個教學網站。前三個與 Claude Code 協作,分別是華語文教學設計、遠距教學設計與策展提案簡報技巧;九、十月轉到 Codex,再為企業內訓做了「AI 行銷影片工作坊」,為大學教師開了「老師們的 AI 助理養成班」。每一個網站都在課堂上被學員實際用過,也一次次被我退件重做。這篇文章想以這五個網站為例,藉由回顧一路的退件與課堂回饋,探討教學網站如何結合教學設計與「以學習者為主體」的使用者經驗設計(User Experience,簡稱 UX),以及它對大學教學與研發的啟示。
教學網站不是把講義搬上網,而是把教學設計,做成學員走得完的一條路。
為什麼自己做:先看見學員,再談設計
「坐不住」,其實是不想一直聽
帶工作坊時,我常看見學員一邊抄提示詞、一邊追進度;老師講到第三步,有人還停在第一步。備課時聽到學員「不習慣久坐」,我的理解是:他們不是坐不住,而是不想一直聽課。
他們需要的,是能動手的那一步
與其多聽一段講解,學員更需要步驟就在眼前、提示詞按一下就能複製,每一步都有 AI 陪著練;課堂上跟得上,回家後也找得到地方,再練一次。
把時間留給判斷與微調
站在老師的角度,我希望掌握課堂節奏,講到哪、開到哪;也希望學員把時間花在「看 AI 產出、判斷、微調」,而不是從零打字。教材若能做成公版,下一梯也能沿用――這些,恰恰是現成平台難以做到的。
理論依據主動學習(Active Learning):比起單向講述,讓學員動手、討論與建構,學習成效更好。一份涵蓋 225 項大學理工課程研究的後設分析即指出,主動學習能提升考試表現、降低不及格率(Freeman et al., 2014)。
AI 時代要教工具與應用,網站相對友善,也較有系統,能兼顧個人化學習與課後自學。
五個網站,一堂課接一堂課長出來
回頭看,這五個網站並非一次到位。每一堂課上完,學員的卡關都成了下一個網站的新功能――
提示詞一鍵複製、配時標在網頁;老師公布口令,才解鎖下一段。
06–07 月遠距教學設計claude code改成公版,不限特定學校;每一段配合通關密語才打開。
07–08 月策展提案簡報claude code以大量實作取代久坐聽講;每一步都有 AI 陪練,另有自學版。
09 月AI 行銷影片codex每關各自解鎖;任務、提示詞與複習放在同一頁。
10 月AI 助理養成班codex完成任務才解鎖下一關;最後整理成工作準則與 skill。





每一個網站,都是上一堂課留給我的功課。
FUTURE 管整站,MAPS 管每一關
FUTURE:先認識學習者,再回推整門課
我用自己研發的 FUTURE 能力發展導向課程設計模型規劃整個網站。它以逆向設計(Backward Design)為基礎,先以學習者畫像找到起點,再讓學習目標、任務與測驗彼此對得上。企業同仁與大學教師的起點不同,網站的語氣、案例與節奏,也就跟著不同。

MAPS:每一關,我教 A、學員做 P
MAPS 單元教學設計模型則落實到每一關。在助理養成班的實作頁,左側導覽只寫五個短詞:「一起試 → 換你做 → 留下方法 → 換個案例 → 自己完成」。我帶的是 A,學員做的是 P。
理論依據MAPS 以腦科學為基礎,整合成人學習理論、建構主義與鷹架理論。「老師帶著做」對應解題示例效應(Worked-Example Effect):初學者先看完整示範再動手,能減輕認知負荷。

先看範例影片,引起動機。
老師帶著做,先試再教。
學員換你做,任務與提示詞放在一起。
重點複習與詳解、作品分享與心得。
深色的 P 占 40%,是學員動手最久的階段,也是教學網站最主要陪伴的地方。
站在學員的立場:先有需求,才有步驟
AI 很會產出內容,卻常常看不見學員卡在哪裡。我一次次把畫面退回去,大多是同一類問題――
01先給地圖,再給步驟
任務一出現就是步驟,學員會有壓力,也莫名其妙。就像去旅行,先有地圖才不會迷路:先交代脈絡――為什麼要做、走在整堂課的哪裡;再給任務名稱,說清楚練習什麼、最後做出什麼;然後才是步驟。
理論依據前導組織(Advance Organizer):學習新內容前先給一個概括的架構,大腦才能把新知識掛到既有的基模上。MAPS 的 M 階段,也以課程地圖降低學習者的預測誤差。

02提示詞跟著任務走
提示詞放在用得到的那一步,按一下就能複製;它是給學員用的,要短、要聚焦。六月做第一個網站時我就發現:給學員的提醒要放在提示詞前面,不能塞進提示詞裡。需要貼上檔案路徑的地方,則以粗體【】標出。
理論依據分散注意力效應(Split-Attention Effect)與鄰近原則(Contiguity Principle):一起使用的資訊若分在兩處,學員得來回對照,徒增認知負荷。

03收合的內容,要說「請點選展開」
收合讓畫面清爽,學員卻不知道可以點開。入口要直接寫「請點選展開」,展開後再提示「點選收合」,不能只靠一個小三角形暗示。這也是漸進揭露(Progressive Disclosure)的要領:先藏,也要讓人找得到。
理論依據設計學者 Don Norman 所說的示意符號(Signifier):可以點的地方,要讓人看得出來可以點;直接寫出行動,比只靠圖示更清楚。

04講到哪,開到哪
從華語工作坊「老師公布口令」、遠距工作坊每一段的通關密語開始;影音工作坊原本由老師一鍵、全班同步解鎖,後來改成每關各自輸入密碼,只解鎖自己的瀏覽器。到了助理養成班,更進一步做到測驗答完、看過解析,或勾選完成任務,才解鎖下一關;每一梯的密碼,也只在開課後七天內有效。
理論依據大腦的工作記憶(Working Memory)容量有限;依認知負荷理論(Cognitive Load Theory),畫面上與當下任務無關的內容,都會增加外在負荷。完成才解鎖,則接近精熟學習(Mastery Learning)的精神:前一步站穩,再走下一步。

AI 很會產出內容,卻看不見學員卡在哪裡;看見學員,始終是老師的事。
設計感要自己把關:學會跟 AI 有效溝通
首頁是退件最多次的地方。一開始,我對 AI 說的多半是這些――
這些話說出口很直覺,有時也是一種舒壓(笑);但用過 AI 的人都知道,這是無效的對話――AI 並不知道該改哪裡,只能整個重來。真正有效的,是把要改的地方圈起來給它,或直接給範例:
- 01圈起來、編號截圖用紅筆圈出問題,再寫「圖1 這邊太擠、圖2 字型不對」。
- 02劃掉不要的要刪的項目直接劃線,不必再用文字描述位置。
- 03給參考範例貼上喜歡的網站或版型,告訴它「外觀要像這樣」。
方向一清楚,AI 才改得準:明亮俐落、真實人物搭配幾何造型;固定一位藍色半透明的 AI 小精靈陪學員一起工作;配色只用少量對比色凸顯重點。
理論依據給 AI 範例,是提示工程(Prompt Engineering)中的少樣本提示(Few-Shot Prompting);而設計感之所以重要,來自美感—可用性效應(Aesthetic-Usability Effect):人們傾向認為美觀的介面更好用。「現在在哪、下一步做什麼」,則是使用性原則中的系統狀態可見性(Visibility of System Status)。


與其說「不對」,不如圈出來、給範例――AI 才知道要往哪裡改。
學員的回饋,讓網站再改一次
上課後,有令人欣慰的回饋:學員能自己跟上下一步、一鍵複製提示詞很實用,課後也有人回來自學。但更珍貴的,是學員的卡關與質疑――
- 01影音課第一天後開場應先看範例影片;提示詞太複雜,應考量哪些在同一個視窗接續、何時才開新視窗;練習與正式作品,要分開資料夾。
- 02「案例太多,很嚇人」一開始就有距離感――改成教學、行政、研究+計畫三類,各看一個主案例,其餘留在案例庫,課後選讀。
- 03「測驗沒有對應學習目標」題目隨之改為辨識 Chat、Work、Codex 三種協作方式;每題作答後,詳解就出現在題目下方。
理論依據希克定律(Hick's Law):選項愈多,做決定的時間愈長,這也是案例要收斂成三個主案例的原因。測驗附詳解,則運用測驗效應(Testing Effect):在提取記憶的過程中,學習更加鞏固。


學員的質疑,往往正是設計的盲點。
誠實面對:AI 能做,卻不會自己把關
說實話,過程並不總是順利。以助理養成班為例,從規劃到第一梯開課約一週,前後就發布了 108 個版本。AI 常說「已完成」,打開卻沒改;這一頁修好了,另一頁又壞了;同一個錯誤,我得提醒好幾次。「你都不檢查的嗎?」是我在對話裡說過不只一次的話。
這也讓我明白:AI 能把網站做出來,卻不會自己判斷什麼叫「做好」。與其一次次提醒,不如事先把「怎麼做」與「怎樣才算好」講清楚。於是我開始把 AI 工作流中的兩個觀念帶進來――這也是我現在仍在進化的部分。

Harness:給 AI 一份作業契約
Harness 是包在 AI 外面的工作框架。每一次動手前,先講好來源與範圍,把需求轉成可檢查的規格,鎖住不能動的素材,只改允許的區塊;做完要獨立驗收、核對線上畫面,最後保留我接受的原話。從 H0 到 H6 一關一關過――不是靠 AI 自覺,而是靠關卡把關。
延伸閱讀Anthropic〈Effective harnesses for long-running agents〉↗Evaluation:把「好不好」寫成尺規
我建了一份 Evaluation 判斷庫:每一項設計判斷,都從 1 到 5 級寫清楚準則與理由――1 級是關鍵需求錯誤,5 級則要有跨裝置或讀者實測等更強的證據。以首頁為例,就整理出 10 項判斷、50 組五級準則;即使我說了「很棒」,也不會自動全部打 5 級。
延伸閱讀Anthropic〈Demystifying evals for AI agents〉↗網站完成後,我再把製作流程、權限、邊界與驗收方式寫進「教學網站工作準則」,封裝成能在不同專案調用的 skill,下一個網站就不必從頭再教一次。有趣的是,這正是我在助理養成班教老師們的事:先完成一次任務,再把有效的做法整理成工作準則――目標、來源、權限、邊界與完成標準――換一個案例,檢查 AI 能否照做。
圈出問題、給範例,說清楚要改哪裡。
來源、範圍、驗收,一關一關過。
五級準則,判斷什麼才算「做好」。
整理成工作準則與 skill,下一個網站接得上。
我在課堂上教老師「帶出懂你的 AI 助理」,其實也是我做這個網站時,自己走過的路。
一位大學教師的省思:判斷,交回教師手上
網站做得出來不難,難的是讓學員看得懂、找得到、做得出來。
AI 大幅降低了「做網站」的門檻,卻把「判斷什麼是好的學習經驗」的責任,更清楚地交回教師手上。教學設計者的角色,正從「做教材」轉向「定標準、做判斷」。
回頭檢視這五個網站,分工其實很清楚:
可以交給 AI 代勞
- 程式、版面與發布
- 依準則自我檢查
- 整理歷程與文件
必須由教師把關
- 目標、任務與評量對齊
- 學員視角與學習節奏
- 美感一致與內容保護
進一步而言,我們也必須追問――
網站上的學習目標、任務與評量,是否真的對得上?
學員第一眼,是否知道自己在哪裡、下一步做什麼?
課程內容的版權與學員的資料,由誰、以什麼方式把關?
所以惟有把教學設計與使用者經驗放在同一張設計圖上,網站才能真正成為陪伴學習的夥伴。
未來,帶進教學與研發
教學:讓每一門課,都有一條陪學員走的路
我想把 FUTURE、MAPS 與以學習者為主體的使用者介面(User Interface,簡稱 UI)及使用者經驗設計結合起來,讓每一門課都有一個陪學員一步步走的網站,並逐步發展成系列課程。系列的樣貌仍在醞釀,但方向已然清楚:網站要兼顧個人化學習與課後自學。
相關案例AI 行銷影片系列課程:兩門主題課,每門皆可獨立參加 ↗研發:從紙上的模型,到可以走的流程
這五個網站讓 FUTURE 與 MAPS 從紙上的模型,變成學員可以點、可以走的學習流程;教學網站工作準則,也將隨著每一次開課滾動修正。助理養成班的網站已能匿名彙整測驗各題的作答分布,未來或可成為檢視設計是否奏效的學習證據。
相關案例老師們的 AI 助理養成班:從案例分享到實作初體驗 ↗🔒 五個網站首頁皆公開,教材內頁需口令或密碼;文中截圖取自公開頁面與網站的本機副本,不含學員資料與密碼。
本文提及與延伸閱讀
- 網站AI 融入教學:華語文教學設計
- 網站遠距教學設計工作坊・提示詞講義
- 網站策展提案簡報技巧・提案 6+1 步驟
- 網站AI 行銷影片工作坊
- 網站老師們的 AI 助理養成班
- 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
- 概念逆向設計:Understanding by Design(維基百科)
- 概念使用者經驗設計(維基百科)
- 理論主動學習後設分析(Freeman et al., 2014)・前導組織・解題示例效應
- 理論認知負荷理論・工作記憶・分散注意力效應・多媒體學習原則
- 理論精熟學習・測驗效應・希克定律・示意符號
- AI 工作流Effective harnesses・Demystifying evals・提示工程
- UXProgressive Disclosure・Aesthetic-Usability Effect・Visibility of System Status(NN/g)
- UX10 Usability Heuristics(NN/g)
- 工具Codex・Codex Skills・Google Flow・Padlet
- 下一篇研發手記 No.08:想念的時候,就開一間包廂吧
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。