用 AI 設計教案與課程大綱：做出能上的教案，而不是漂亮的空殼

帶過課的人都懂那種感覺：週日晚上坐在電腦前，明天要上一個新單元，你打開一份空白文件，標題打上「第五課教案」，然後游標閃了半小時。不是不會教，是「這堂課到底要讓學生帶走什麼、要用什麼順序講、中間該讓他們做什麼、下課前怎麼知道有沒有聽懂」這一整串決策太耗神。很多人乾脆去網路上抓一份現成教案改一改，結果那份教案是別人為別的班、別的進度寫的，套進自己的課堂處處卡。AI 剛好能接手這段最耗神的草稿工作——但前提是你得知道，教案真正的難處不在「寫出來」，而在「想清楚」。

這篇要解決的問題：怎麼用 AI 設計出一份能真的走進教室、上得動的教案或課程大綱，而不是更快地產出一份漂亮但塞不進四十五分鐘的空殼。 適合誰讀：學校老師、補教與家教老師、企業內訓與教育訓練講師，以及任何要「把一個主題變成一堂能上的課」的人。 讀完你會得到：一套從學習目標反推到活動與評量的設計流程、可直接複製的 Prompt、一張目標對齊評量的對照表，以及國中理化老師、多益補習班、企業內訓講師三個台灣真實情境。

一句 TL;DR：好教案的正確順序是「先訂可衡量的學習目標 → 從目標反推單元與內容 → 為每個單元設計活動 → 配上形成性與總結性評量 → 做差異化與時間分配」；目標永遠先於內容，AI 幫你長出草稿，但這堂課要達成什麼、現場帶不帶得動，永遠由你把關。

為什麼多數教案「看起來很完整卻上不動」

先講一個很多人不願承認的事實：一份教案寫得再漂亮，只要學生下課時帶不走任何具體的能力，它就是失敗的。而大部分上不動的教案，問題都出在同一個地方——順序反了。

常見的寫法是這樣：先決定「這堂課要教光合作用」，然後開始想「我要講哪些內容」，把課本的段落抄成大綱，最後如果還有時間，才補一個評量。這種「從內容出發」的設計有個致命傷：你是在用「我要講什麼」來組課，而不是用「學生要學會什麼」來組課。結果就是內容塞得滿滿，老師講得很累，學生卻不知道重點在哪，因為這堂課從頭到尾沒有一個清楚的目的地。

真正能上的教案是「逆向」設計的：先決定終點（上完這堂課，學生能做出什麼），再往回鋪路（要達成這個終點，得先會哪些前置概念、練哪些技能、怎麼驗收）。這個觀念叫做逆向設計，也是這篇文章整套流程的核心。它聽起來抽象，但落實下來只有一句話：先寫目標，而且目標要能被看見、被評量。

AI 在這件事上的角色要擺對。AI 非常擅長「從一個清楚的目標往下長出內容」——你給它一條好目標，它能幫你拆單元、想活動、配評量、排時間，把你從零到六十分這段最花時間的草稿工作接走。但 AI 沒辦法替你決定「這堂課的終點該設在哪」，因為那要看你的學生程度、你的進度壓力、期末怎麼考——這些只有你知道。把順序記牢：你定目標，AI 長內容。 顛倒了，就會拿到一份很完整、卻不是為你的課堂寫的空殼。

第一步：把學習目標寫成能被評量的行為

整套流程最重要、也最多人做不好的，就是寫目標。一個好目標和一個壞目標的差別，在於它「能不能被觀察、被評量」。

看兩組對照。壞目標：「讓學生了解電路的原理」「使學員認識簡報技巧」。這兩句的問題是「了解」「認識」都發生在腦袋裡，看不見也考不出來——你要怎麼知道學生「了解」了沒有？好目標：「學生能畫出串聯與並聯電路，並說明為什麼並聯的燈泡拔掉一顆其他還會亮」「學員能在三分鐘內，用結論先行的方式報告一個提案」。這兩句都用了能被觀察的動詞（畫出、說明、報告），所以你當場就能驗收。

寫目標時把這幾個動詞放進工具箱：說明、比較、計算、辨識、實作、演示、分類、舉例、修正。這些動詞都對應得到具體的評量方式。反過來，把「了解、認識、體會、感受、知道」這幾個詞從目標裡刪掉——它們不是不重要，而是它們不能當「可驗收的目標」，頂多是課程的長遠願景。

一堂課的目標不用多，三條上下最剛好。目標太多，代表你想在一堂課塞太多東西，最後每一條都做不深。與其列八條含糊的目標，不如列三條紮實、每一條都對應得到一個評量的目標。當你把目標寫清楚，你會發現後面拆單元、設計活動、配評量全都變順了，因為每一步都有一個明確的靶可以瞄。

第二步：從目標反推單元、內容與順序

目標定好，才輪到 AI 上場。這一步要做的是「逆向拆解」：把目標交給 AI，請它回答「要讓學生達成這條目標，得先會哪些前置概念、該切成幾個單元、每個單元對應哪一條目標」。

這裡有個關鍵動作——要求 AI 把「每個單元」都對回「某一條目標」。這叫做對齊。一份好教案裡，每個單元、每個活動、每個評量都應該能指回某一條學習目標；如果某個內容對不到任何目標，那它八成是可以砍掉的填充物。很多教案臃腫，就是因為塞了一堆「這個好像也該講」但其實不服務任何目標的內容。讓 AI 幫你做這張對齊檢查表，是最快揪出贅肉的方法。

下面這張對照表，把「從內容出發」和「從目標出發」兩種設計方式攤開來看，你會很直觀地感受到差別在哪：

要注意的是，AI 排出來的單元順序不能照單全收。它不知道你的學生哪些概念其實早就會了、哪些是這一屆特別卡的迷思。收到 AI 的單元大綱後，用你對這班的了解親自調一次順序，把學生真正的起點納進來。AI 給的是一個結構合理的初稿，你的經驗才是讓它貼合這班的關鍵。

第三步：為每個單元設計活動，而不是只有講述

拆完單元，最容易偷懶的地方就來了——很多教案的「教學活動」欄位，寫的其實是「老師講解」。整堂課從頭到尾只有老師單向輸出，學生坐著聽，這不是教學設計，是照本宣科。

一個能上的單元，至少要有一個「學生得動手或動口」的活動。可以是兩人一組互相解釋剛學的概念、可以是當場算一題、可以是舉一個生活中的例子、可以是找出老師故意寫錯的地方。這些活動的共同點是：它逼學生「用」剛學的東西，而不只是「聽」。人是在使用知識的過程中才真正學會的，光聽會的東西，隔天就忘光。

請 AI 設計活動時，多加一個要求：每個活動都要標出「它在練哪一條目標」。這會逼 AI 不能隨便丟一個熱鬧但沒用的遊戲給你——如果一個活動對不到任何目標，那它再好玩也是浪費時間。同時要求 AI 標出每個活動的預估分鐘數，你才知道這堂課到底塞不塞得下。

收到 AI 的活動草案，用三個現實問題篩一遍：這個活動幾分鐘做得完？需要什麼道具、空間、分組？如果現場冷場了、學生不配合，我有沒有備案？AI 很敢設計「全班分成六組跑站闖關」這種理想化活動，但它不知道你的教室桌椅釘在地上、或你的補習班學生下課只想滑手機。過不了這三關的活動，簡化它，或換一個你帶得動的。寧可用一個穩的簡單活動，也不要一個會失控的漂亮設計。

第四步：配上形成性與總結性評量

評量不是課程的附屬品，它是你「怎麼知道有沒有教會」的唯一依據。這一步要為每條目標各配一個檢核點，而且要分清楚兩種評量的角色。

形成性評量發生在「過程中」，目的是即時抓問題。它可以很輕，一個隨口的提問、一張三題的即時小測、請兩位學生上台解一題、請大家用一句話總結剛剛學的。它的價值在於當場告訴你「誰卡住了、哪裡我教錯了」，讓你還來得及調整。這是救回一堂課最有力的工具，可惜最常被省略。

總結性評量發生在「結束後」，目的是驗收成效。它是單元考、是作品、是報告、是一次完整的演練，用來確認目標到底達成了沒有。設計總結性評量有一個鐵則：它必須對得回你的學習目標。 如果你的目標是「學生能說明並聯電路的特性」，那考卷上就該有一題要學生說明並聯電路，而不是考一個你上課根本沒教的計算。目標、教學、評量三者對齊，這堂課才站得住。

時間有限、只能保留一種評量時，優先保留形成性評量。因為總結性評量頂多告訴你「這班沒學好」，但那時課已經上完了，太晚；形成性評量能讓你在課還沒結束前就發現問題、當場補救。讓 AI 幫你為每條目標各設計一個形成性檢核點和一個總結性檢核點，你再依現場時間取捨。

一個可以直接複製的 Prompt

把前面四步濃縮成一個指令。用的時候，把中括號裡的內容換成你自己的課，貼進任何一個 AI 對話工具即可。這個 Prompt 的重點是「先框好限制、要求逆向設計、強迫對齊」，所以它產出來的不會是空泛的通用教案：

你是一位資深的課程設計專家，擅長用逆向設計（Backward Design）做出能實際執行的教案。請依照以下資訊，幫我設計一份教案：

【授課對象】：[例如：國中二年級，約 30 人，程度中等偏弱]
【主題】：[例如：光合作用]
【總時長】：[例如：一節課 45 分鐘]
【我已訂好的學習目標】：
1. [例如：學生能寫出光合作用的反應式]
2. [例如：學生能說明光、水、二氧化碳缺一的後果]
3. [例如：學生能舉一個生活中的例子]

請依下列順序輸出，並用表格或條列讓我一眼看懂：
1. 逆向拆解：為達成上述目標，學生需要的前置概念，以及建議的單元順序，每個單元請標明它對應哪一條目標。
2. 教學活動：每個單元至少設計一個「學生要動手或動口」的活動，標明預估分鐘數，並說明這個活動在練哪一條目標。
3. 評量設計：為每條目標各配一個「形成性評量」（課中即時檢核）與一個「總結性評量」（課末驗收），評量內容必須對應該條目標。
4. 差異化：針對「程度落後」與「程度超前」的學生，各提供一個調整方案。
5. 時間分配：把整堂課切成分鐘級的流程表。

請務必確保每個單元、活動、評量都能對應回某一條學習目標；若有內容對不到任何目標，請直接省略。

拿到結果後不要照抄。把它當初稿，用你對這班的了解調順序、砍活動、改用詞，再往下走差異化與時間分配。

第五步：差異化與時間分配，最後人工收尾

一份教案要能真的上，最後兩塊拼圖是差異化和時間分配。

差異化教學常被講得很理想，好像要為每個學生量身訂做，那不切實際。務實的做法是「同一個目標、不同的路徑」：同一條目標，給落後的學生一個有鷹架的版本（多給提示、範例、填空、把大任務拆小），給超前的學生一個延伸挑戰（加深、加難，或請他當小老師去教別人）。你只準備一份主教案，另外備好「往下墊一階」和「往上加一階」兩個口袋方案，現場看狀況拿出來用。這是一個人顧得來的差異化。

時間分配則是把整堂課切成分鐘級的流程，這一步最能戳破「教案塞太多」的幻覺。當你認真把每個環節的分鐘數加起來，常會發現總和超過了實際上課時間——這時候就得砍。砍的原則是回到目標：對不到目標的先砍，錦上添花的活動先砍，留下每一條目標的核心教學與評量。一份誠實的時間表，會逼你面對「這堂課到底裝得下多少」這個殘酷但必要的現實。

最後是人工收尾，這一步不能省。逐條核對 AI 有沒有寫錯事實（下一段會細講）、統一用詞、把塞不下的活動刪掉、把口吻改成你自己的。AI 給你的是六十分的草稿，六十到一百分那段——貼合這班、上得動、教得出你自己的味道——永遠是你的工作。

三個台灣真實情境

情境一：國中理化老師，趕進度又想讓學生真的懂。 台北一位國中理化老師接了「浮力」這個常讓學生一知半解的單元。她先自己訂了三條可評量的目標，再用上面的 Prompt 請 AI 逆向拆解。AI 提醒她「浮力」的前置概念是「密度」和「壓力」，建議先花五分鐘複習密度，她一看正是往年學生最卡的地方。活動上她採用 AI 建議的「猜測—實驗—驗證」：先讓學生猜一顆蛋在鹽水裡會浮還沉，再當場做給他們看。形成性評量就用那顆蛋當場的舉手表決，她一眼就看出哪些學生的直覺是錯的。整份教案她只花了原本三分之一的時間，省下的時間拿去準備那杯鹽水和那顆蛋。

情境二：多益補習班，班級程度落差大。 一家中部的多益補習班，同一班裡有人五百分、有人破七百，老師最頭痛的是課上不上都有人喊無聊或跟不上。他用 AI 做差異化：同一個文法單元（假設語氣），請 AI 設計三種難度的練習——落後組給填空加中文提示，中間組做標準句型改寫，超前組直接寫一段情境短文。他把三份都印出來，上課時看學生狀況發不同的卷子。學生不再是「一起塞同一份」，而是各拿各的挑戰，課堂的抱怨聲明顯少了。

情境三：企業內訓講師，半天的簡報課要交出成效。 一位接企業內訓的自由講師，客戶要求「上完員工的簡報能力要有具體提升」，而不是聽一場爽完就忘的演講。他用逆向設計倒過來想：終點是「學員能在三分鐘內用結論先行報告一個提案」，於是總結性評量就設計成課末每人上台實作三分鐘、用一張檢核表打分。形成性評量則穿插在課中，每教一個技巧就讓學員立刻套用在自己的案例上。因為評量從一開始就對齊了客戶要的成效，他在結案報告裡能拿出「課前課後的實作對比」，續約率明顯提高。

常見錯誤

• 直接把主題丟給 AI 生教案。 不先訂目標，AI 只能給通用架構，做出來不是為你的課堂寫的。永遠自己先定目標再交給 AI。
• 目標用「了解、認識」這種看不見的動詞。 目標若不能被評量，整份教案就沒有可以瞄準的靶。改用說明、比較、計算、實作這類可觀察的動詞。
• 一堂課塞太多目標和內容。 三條目標剛好，八條代表你想塞太多。認真做分鐘級時間表，會逼你面對裝不下的現實。
• 活動只是換句話說的「老師講解」。 沒有讓學生動手動口的環節，學生只是坐著聽，隔天忘光。每個單元至少一個要學生使用知識的活動。
• 抄用 AI 那些帶不動的花俏活動。 AI 不懂你的教室現場。用「幾分鐘、要什麼道具、冷場有無備案」三問篩掉不切實際的設計。
• 評量對不回目標。 教 A 考 B 是最傷學生的錯。總結性評量必須驗收你當初訂的目標。
• 只有總結性評量、沒有形成性評量。 等考差才發現沒教好就太晚了。課中一定要有能即時抓問題的輕量檢核。
• 把學生個資直接貼進公開 AI。 姓名、成績、輔導紀錄先去識別化，或改用有關閉訓練選項的機構版本。

AI 幫不了你的部分

講完流程，得誠實說清楚 AI 的邊界，免得你把它當萬能。

AI 不知道你的學生。它不知道這班上一屆卡在哪、哪個概念你們學校特別重視、哪個學生今天心情不好需要被點名鼓勵。它給的是一個「平均值教室」的設計，貼不貼合你這班，只有你判斷得出來。

AI 會編造看似合理的事實。它可能給你一個錯的化學反應式、一段引用錯的歷史年代、一道答案其實不對的例題。這在教學裡特別危險，因為錯誤會被你原封不動教給學生。AI 產出的每一個知識點、公式、數據、例題，上課前都必須由你這個懂這科的人親自核對過。 這件事沒有捷徑。

AI 給不了現場的臨場判斷。真正的教學發生在你看到學生一臉茫然時當場換個講法、在活動要失控時及時收回來、在有人問了一個好問題時順勢延伸下去。這些即興、這些對人的敏感，是 AI 教案裡不會有、也給不了你的。

還有一件最根本的：AI 幫你把教案「寫出來」，但這堂課的靈魂——你為什麼想教這個、你想讓學生帶走什麼樣的態度和好奇心——這是你身為老師的價值，不會、也不該外包給 AI。把 AI 當一個很會整理的助教，它接走你最耗神的草稿工作，把時間還給你，讓你能專心做那些只有真人老師做得到的事。

交出一份能上的教案，從一條好目標開始

用 AI 設計教案，說到底就是一句話：你負責想清楚這堂課要達成什麼，AI 負責把它長成能執行的單元、活動與評量。順序對了，AI 是替你省下大半備課時間的好幫手；順序反了，它只會更快地產出一份漂亮的空殼。下次備課，先別急著打開空白文件填內容，先花十分鐘把三條可評量的目標寫出來，剩下的交給流程。

想把這套方法用得更深，AgentAI 智庫還有一整套教學與培訓場景的實戰指南——從補習班怎麼整套導入 AI、怎麼用 AI 做出不空泛的教材簡報，到企業內訓課程怎麼設計，都有可直接複製的做法。把這篇的目標設計法，接上這些下游工具，你的每一堂課都能又快又紮實地站起來。

常見問題 FAQ

延伸閱讀

• 補習班導入 AI 的完整做法
• 用 AI 做教材簡報一條龍
• 用 AI 做學習記憶卡
• 用 AI 設計員工培訓課程