【記者　徐筱瑜／中正大學報導】

隨著產業快速變遷，為了銜接產業實務需求，國立中正大學工學院推動課程轉型，帶領學生直面產業界的真實難題。透過培養數據判讀素養、強化系統測試與團隊合作經驗，期盼打破傳統單向解題的框架，培育出具備「系統整合」實力的現代化工程人才。

打破單向解題框架　引入真實產業案例

近年來，AI快速改變工程產業的工作模式，也讓企業對人才的要求產生轉變。國立中正大學工學院院長熊博安指出，過去工程教育較著重單一技術能力的培養，但在AI時代下，學生更需要具備從問題定義、需求分析、系統設計到成果驗證的「端到端（End-to-End）」<註一>能力。

過去的工程教育，通常會將複雜系統拆解成多個子系統，由學生分別學習與開發。熊博安院長指出，過去為配合學生的學習進程，課程多採「專題導向」教學，透過條件明確的小型專題訓練學生的技術能力。然而，隨著AI具備越來越成熟的程式開發能力，許多過去需要花費長時間完成的基礎題目，如今透過AI工具協助，往往「一天之內就能完成」。然而，AI工具並不代表基礎訓練可以被省略；相反地，學生更需要扎實的學理基礎，才能判斷AI產出的內容是否正確、安全且可落地。

當技術實作的門檻逐漸降低後，工程教育的重點也跟著改變。未來課程將導入更多來自產業現場的真實案例，讓學生從觀察需求、定義問題開始，而非僅僅依照既定題目尋找答案，藉此培養解決真實問題所需的整合能力。

當部分基礎實作可由AI代勞，工程師的價值將轉移至對真實環境的觀察、洞察產業需求、系統整合與成果驗證。【記者　徐筱瑜／攝影】

建立AI判讀素養　培養指令引導與判讀能力

因應產業對「端到端」能力的需求，學生必須學習從問題定義到成果驗證的完整流程。在此過程中，AI已逐漸成為重要的協作工具，能快速完成程式撰寫、資料整理等基礎工作，協助學生加速專題開發進程，並將心力投入問題分析與系統整合等更具價值的環節。但這也帶來了過度依賴的潛在危機。熊博安院長表示，過去面對問題時學生必須自己思考，但在AI時代，學生容易誤以為只需輸入提示即可取得完整答案，進而削弱主動思考、驗證與除錯的訓練。因此，未來的課程設計與作業模式要求學生學會正確「引導AI」，透過不斷輸入並調整多個指令來梳理出最終解答，以此培養與AI協作的實務能力。

由於AI產生程式碼的速度極快，部分使用者未經驗證便直接上傳至開源平台，使網路與開源社群中出現大量由AI生成或輔助生成的程式碼品質、授權、安全性與可維護性不一。對於經驗不足的學生而言，若缺乏判讀與驗證能力，便可能受到錯誤資訊誤導。有鑑於此，工學院的課程改革著重於教導學生判斷何時該用AI、該使用哪些資料，並深入了解背後的隱私安全與當責議題，確保學生能真正駕馭並與AI協作，而非盲目接收錯誤資訊。

熊博安院長強調，AI產出速度極快，若缺乏扎實學理來檢驗對錯，反而會大幅增加後續除錯的時間成本。【記者　徐筱瑜／攝影】

強化品管與團隊合作　彌補職場實務落差

除了培育學生定義問題與判讀AI資訊的能力外，工學院也發現學生進入職場後，常面臨「驗證測試」與「團隊合作」兩大實務落差。

熊博安院長指出，產業界極度重視產品的品質控管，如果品質沒有把關好，產品上市後出現問題就會被市場淘汰。然而，學校裡雖然有開設軟體測試的課程，但並非每位學生都會修習，導致學生與業界對「品管」產生明顯落差。

除了品管觀念，另一個落差則是團隊合作經驗。熊博安院長表示，過去工學院的專題常常是「一個學生做一個專題」，完全沒有與他人合作的機會。但在業界的常態中，專案通常是由五到七位工程師共同合作。在多人的工作環境下，往往會面臨技術溝通或人際相處的摩擦。為了彌補這項落差，工學院將課程調整為至少三位學生共同完成專題，培育學生與他人溝通的能力，避免學生進入職場後出現「只有技術，卻無法與他人合作」的狀況。

程式開發不再是個人作業。透過共同檢視代碼與除錯，不僅確保品質，更能提前磨合職場所需的團隊協作力。【記者　徐筱瑜／攝影】

重塑教育核心　培育系統整合人才

透過結合理論知識與實務經驗，工學院希望培養學生從需求分析、AI工具運用、系統整合到成果驗證的完整能力，讓其在AI時代下不僅懂得運用科技工具，更能獨立解決真實問題。熊博安表示，未來工學院人才培育將聚焦於定義真實問題、與AI協作並判讀其結果、進行系統整合與品質驗證，以及跨領域、跨文化與跨團隊溝通等能力，期望培育兼具技術整合與實務應用能力的工程人才。

<註一>端到端（End-to-end ）：本文指工程人才需具備從需求理解、問題定義、系統設計、實作整合到測試驗證的完整系統開發能力，而非僅負責其中單一技術環境。