您的108課綱已上線！面對新考題，沒那麼簡單、也沒那麼困難——大考中心主任張茂桂專訪

• 陳瀅州／國立陽明交通大學生命科學系暨基因體科學研究所助理教授

這幾年在大學教書，每逢金秋十月的諾貝爾獎季節，整個校園都彌漫著一股躁動與期待。尤其在生理醫學獎、物理學獎和化學獎公布前夕，各種猜測和傳聞紛紛出現，談論著獎項可能頒給合成生物學領域。這些傳言不僅在學生和老師之間流傳，甚至吸引了媒體的關注。有幾次，校方和記者會提前找到我，希望從我這打著合成生物學旗號的研究學者得到一些線索或看法。這樣的情境不僅凸顯了合成生物學在科學界的日益重要性，也充分反映了合成生物學打破學科界限，跨越不同領域的研究。事實上，合成生物學不僅僅在健康醫療領域取得進展，其創新技術和理論已悄悄滲入到每個人的日常生活中，包括永續環境、智慧農業、奈米科技，甚至是政府政策與法規的擬定，展現真正的跨領域合作。

二○二三年三月，美國白宮科學和技術政策辦公室公布了對生物技術的未來展望，明確標示出合成生物學在全球科學發展的關鍵角色，從氣候變遷到供應鏈韌性、從農業創新到人類健康，合成生物學的影響與應用已無所不在。而美國並非唯一看到這趨勢的國家。近年來，中國將合成生物學列為其戰略前瞻性重大科學領域和重點發展生物技術，反映出中國對於這門學科的高度重視。同時，在台灣，國家發展委員會近年也積極推動與合成生物學相關的研發策略，融入其六大核心戰略產業和五加二產業創新計畫中。這些策略決策不僅展現了各國政府對合成生物學的信心，也凸顯了它在全球科技發展中的核心地位。

當我們邁入二十一世紀，面對合成生物學這一革命性的學科成為我們日常生活中不可或缺的一部分，我們首先要回答的問題是：合成生物學到底是什麼？它為什麼如此重要，以至於受到如此多的關注和期待？合成生物學結合了生物探索、工程設計和跨領域的技術應用，致力於發展和構建新的生物系統。與傳統的基因工程不同，傳統的基因工程技術主要著重於研究及修改基因，從而修補或增強基因的某些功能。然而，合成生物學的範疇遠不止於此。

合成生物學的目標是全面理解生物系統的工作原理，並根據這些知識重新設計和構建具有特定功能的生物機器。它不只是在既有的生物框架上進行微調，還可以從零開始，系統性地設計和構建全新的生物系統。由於需要將複雜的生物元件進行重組和調控，近年結合人工智慧，使科學家能夠更精準地預測、模擬和控制生物系統，這是傳統基因工程難以實現的。這其中的挑戰遠超我們的想像，但所帶來的可能性也是前所未有的。

舉例來說，在精準醫療領域中，合成生物學已經開發出能夠生產新型藥物、治療遺傳性疾病，甚至對抗癌症的智慧細胞。在環境保護領域，我們可以設計微生物來處理汙水、減少溫室氣體排放或修復受汙染的土地。在農業上，合成生物學提供了更為高效、節水、高產的作物品種，這對於食品安全和全球糧食問題都具有深遠的意義，而這只是冰山一角。隨著技術的發展和研究的深入，合成生物學將在未來幾十年內帶來更多創新和驚喜。不難想像，在不遠的將來，我們的生活、工作甚至教育都將深受其影響。

合成生物學的發展確實為人類打開了無數的可能性，從創造具有特殊功能的生物，到解決困擾已久的醫學難題。但與此同時，我們也不能忽略合成生物學帶來的挑戰和風險。例如，如何確保這些被重新設計的生物體不會對環境和人類健康產生意想不到的影響？我們應該如何看待和處理因基因修改而產生的生物機器？這些問題需要我們集體思考和探索，並與各領域專家共同合作，確保合成生物學的發展能夠真正造福人類。

在課堂教授合成生物學時，我常以電影《侏羅紀公園》的離氨酸權變（lysine contingency）帶領學生反思當科技進步與人類控制意願之間出現衝突時可能會發生的事情。在侏羅紀公園中，為了防止恐龍逃出公園威脅全球生態系統，科學家亨利．吳（Henry Wu）進行了基因改造，使得恐龍無法製造其中一種必須氨基酸離氨酸（lysine）。此設計的初衷是讓恐龍只能依賴公園提供的離氨酸食物，進而防止它們逃離公園。這是一種典型的「安全措施」，旨在確保基因改造生物不會帶來無法預料的風險。然而，正如影片中所呈現，這種所謂的「完美」控制計畫卻遭遇了意外。雖然恐龍依賴離氨酸來生存，但它們找到了其他途徑來獲取這種氨基酸，這意味著即使在有限的條件下，生命也會找到生存下去的方法。

這故事讓我們明白即使是最先進的技術，也不能保證完全的控制。當我們嘗試限制和控制生物，自然界總是有其應對方式。這對於合成生物學家來說是一個警示，因為我們在改造生命的過程中，必須充分考慮到潛在的不確定性和風險。面對快速進步的科技，我們必須問自己：我們是否真的準備好面對所有潛在的後果？在追求科學進步的同時，我們也應該謹慎行事，確保我們的決策不僅是基於技術的可能性，還要考慮到其對生態和人類社會的影響。

對於熱愛科學的我們來說，這是一個充滿機會的時代。每一次的科技進步都驗證了人類的智慧和創造力。透過這本書，我相信讀者將更深入地認識和理解合成生物學，體會其獨特魅力及即將面對的挑戰。我期望這本書能夠鼓勵大家抱持開放、謙虛且謹慎的態度面對科技的發展。同時，希望此書能激發更多人對科學和未來進行深入的思考，並鼓勵大家投入合成生物學的創新研究和人才培育之中。

——本文摘自《未來的造物者》，2023 年 11 月，臉譜出版，未經同意請勿轉載。

108 年課綱今年上路，不只老師的教學模式因應調整，大學入學考試和招生方式也跟著改變，大考中心預計 111 學年度大學入學考試新增「混合題型」，調降選擇題的比例，每科增加 2-3 成非選題的題數。

一得知考試要改，老師、家長和學生開始擔憂：考題難度提升增加升學壓力、過往練兵的歷屆考題銜接不上⋯⋯眾多問題紛紛浮現。《泛科學》特別專訪大考中心主任張茂桂，從命題的變化、學生適應狀況、考試的準備等角度，來解答大家的疑惑。

不可不知的兩大命題變動

「將所學融入日常生活中」是 108 年課綱的精神，因應課綱的變動，張茂桂表示，大考命題必須與素養導向的教育目標配合，不再以片斷記憶性知識為測驗主軸，而是強調學生的統整與知識應用能力。

111 學年度的大學入學考試命題有兩個重要的變動，而這些變動從現在的命題中已有跡可循。

（一）非選題增加 2-3 成

九月底大考中心公布他們的新式答題卷，將非選題和選擇題合併成一張答題卷，未來考生需要邊劃記選擇題、邊答申論題，而不是塗完答案卡再寫非選題。

張茂桂表示，過往選擇題可靠著答題技巧得分，但遇到非選題就必須「知其然，也要知其所以然」，命題的彈性更大、層次更多元，考驗學生的「知識整合應用」及「表達說明能力」。

以 108 課綱的研究測試命題來看，自然科實驗題加入實驗數據繪成圖表的題型（如圖2 所示）；社會科不只要求學生選出答案，還需說明判斷的基準（如圖3 所示）；國文科考題中，學生除了理解文章內涵外，還要分析與統合文章要點（如圖4 所示）。

距離學測、聯考有多久，看到這樣的考題就有多驚訝！你會發現，記誦課本重點、掌握解題技巧是無法戰勝非選題的，必須具備理解閱讀、邏輯推論、圖表判讀、證據應用等複合能力才行，而這些能力都不是一蹴可幾的。

對於外界擔憂非選題增加，學生答案百百種，客觀評分可能是個問題。張茂桂回應，非選題評量以知識整合運用為主，並不會有涉及態度、價值判斷的考題，像是「該不該廢除死刑」等題目，所以評分方式還算容易，遇到爭議答案與給分時，大考中心也有相關機制得以因應，公允性不會有太大問題。

（二）跨領域和情境化考題大增

跨領域和情境化考題一直是近年考題的趨勢，像是國文科將《國家地理雜誌》文章納入命題、108 年學測社會科就有史地公的混合題組，自然科也不乏文言文的文章。

希望學生用不同領域的所學，處理特定主題的議題，最好能再將所學應用在生活中，便是這類題型的命題目標。張茂桂表示，這已經是現在進行式了，各科老師也已組織跨領域小組在擴增題庫，未來只是延續這樣的精神，繼續促進領域間的知識交流。

考試難度增加，學生壓力變重？

面對打破科目藩籬的考題，靈活應用的非選題，我擔憂地問：「跨科考題變多了，學生不就所有科目都要讀通，理科能力好的學生，未必能像文科好的適應落落長的文章啊！」

「你應該是不是有受過考試教育的遺毒？」張茂桂笑著對我說，他這麼笑不是沒有道理，因為許多人總以自己小時候的教育（被虐）經驗，來想像後輩的學習狀況，或認為他們應該怎麼學習。

他建議，大家可從兩方面來看孩子的學科學習壓力。

一是相較過往學生背負「一試定生死」的壓力，學科能力測驗已經不是入學唯一憑藉基礎，平常社團參與、在校表現等未來都是入學衡量的參考，而且學生也可以依科系需求選擇考科。也就是說，現行政策是以「降低學科考試對升學影響」為導向。

第二個則要思考「誰」來做這份考卷，「新式的考題對老師來講很難，但學生反而覺得很『燒腦』，寫起來很有挑戰性和成就感。」張茂桂表示，老師待在同個領域久了，答不出跨領域題，但從學生角度想，他們可是天天在這些科目輪轉，跨領域對他們來說並不難。

張茂桂提到，以往歷屆考試的跨領域題經過統計，答對率大概是五成，顯示學生是很有能力應對這類題型的。

不過他也表示，大考中心出題相當謹慎，一份「好」的試卷必須要兼顧鑑別度與學生答對比例，現行網站投影片上的題型都是研究考題，大考中心會持續調整題目的難度，今年底、明年會陸續公告各科的參考試題與解答，亦會舉行試辦考試。

如何應對新型態的考試呢？

該如何面對考題長度增加、內容多元、靈活應用的考題呢？張茂桂認為，「多閱讀」是不二法門，但閱讀並不是買一整套百科全書、古文觀止、史書大集要求孩子嗑下去，而是要多元的閱讀，看新聞、影評、科普文，以及查閱圖表、檢核地圖⋯⋯等這些都是閱讀的一部分。

「閱讀是不分科別，只要是學習都得具備的能力，它是開啟我們認識世界的鑰匙。」張茂桂說。

此外，學習方式也應該從「劃線、劃重點、背誦」轉為「理解、分析、評價」，學生必須要知道為什麼這裡是重點，學習融會貫通和統整應用。

張茂桂希望外界不要有「考試引導教學」的迷思，因為素養導向教育是更全面的，許多素養教育內涵，像是人際關係、自我學習、公民意識…等未必是紙本考試能測出來的，因此測驗僅能呈現學生在知識和技能的整合應用而已，不能代表孩子的能力全貌。

他建議，家長應該孩子共同閱讀，甚至一起解題，多了解他們在學什麼、想什麼，不要被外來資訊誤導，提前為孩子設定好該走的方向。

• 參考資料：大學入學考試素養導向命題簡介

從各種大考的考古題中，我們都能發現「時事」在自然科的重要性，在 108 課綱中，又更強調閱讀素養，重視課程知識與生活概念的結合，可想而知，社會上發生的各種重大事件都有可能融入成為考題。今年（112 年）的國中教育會考，自然科的考題中就拿了三年前的一則真實事件當作考題（圖一），讓學生進行判讀！

這個事件發生在 2020 年三月，俄羅斯一名網紅舉辦泳池生日趴，將 25 公斤的乾冰直接倒入泳池製造氣氛，結果不幸釀成 3 死的意外。這則新聞在社會大眾眼裡可能只是個不幸的意外，但是在自然科教師的眼裡，卻是同學們需要了解的知識，更是個出考卷的絕佳考題（只是沒想到隔了三年才考出來）。

科學生的閱讀任務裡面，搭配八年級上學期的文章「國中理化告訴你：為什麼不該在派對上，將 25 公斤乾冰丟泳池？」（圖二），就針對這個事件做了介紹與科學原理的分析：乾冰的升華、大量二氧化碳對於人體的危害作用機制等，等於同時用理化與生物課程的角度來對事件進行簡單、國中生能夠理解的介紹。

雖然這次的考題主要概念，是希望同學們根據空氣的組成成分來進行分析。但如果能對這個事件更有熟悉感，也了解生活時事大概會用哪種方式融入考題，相信碰到類似題型時，就更容易輕鬆作答啦！

今年（112年）的國中教育會考，自然科的考題裡面，由第 43、44 題構成的題組（圖三），設計上包括較長的題幹敘述、圖片與表格，顯然是要考驗學生的閱讀與圖表判讀。主題內容則是兩個嶄新時事議題的結合──燕麥奶和碳排放。

第 43 題的考點出自於七上的營養，第 44 題則考跟生物、理化、地科都有點關聯的碳排放，這出題方向相當符合 108 課綱所強調的，學生所學的知識概念必須能夠跨科進行統整。

相比之下，43 題只要記得糖會分解成醣，而蛋白質會分解成胺基酸，就能回答；但 44 題碳排放的概念，同學們可能熟悉度較低。幸好，只要讀懂圖表，也看懂題幹沒有被繞暈（問固定碳排量下能生產的量，所以是碳排最低的杏仁奶生產量最多），還是能夠回答。

延伸閱讀：燕麥奶為什麼這麼好喝？如牛奶般微甜、絲滑的口感是怎麼來的？——解析燕麥奶的加工原理

在科學生的閱讀任務裡面，也提供了許多最新時事與課程結合的閱讀練習，例如：題組中的燕麥奶與碳排放議題。透過練習，可以降低同學們對陌生內容、長篇文章的恐懼感，並且逐漸了解科學文章的構成，而能更快抓住文內的重點。

想要進一步了解更多內容的話，閱讀任務內也有連結可以直通 PanSci 泛科學的原文。透過科學生的閱讀練習，訓練了素養能力，更提升了會考成績。

• 本文轉載自科技大觀園，原文為《人工智慧讓羽球訓練更聰明！》
• 作者／郭雅欣｜科技大觀園特約編輯

「啪！」「啪！」在臺南新豐高中的羽球場上，球拍強力揮擊的聲響不絕於耳，幾位選手正奮力廝殺著。但這場羽球賽有點不同，因為旁邊還架著一具電視螢幕，而選手手上的球拍也不太一樣。練習賽結束後，教練與選手聚集在螢幕前，對著螢幕上的揮拍速度、爆發力指數等數據，熱烈地討論了起來。

會出現這麼特殊的景象，是因為新豐高中的羽球隊從去年（2019年） 5 月起，開始做為科技部計畫「從中樞系統建構雲端 AI 運動訓練歷程分析與疲勞診斷系統：以羽球項目為例」（以下簡稱「AIOT 智能羽球訓練模式」）的實驗基地，而這個計畫由成功大學體育健康與休閒研究所特聘教授蔡佳良領軍，希望利用人工智慧，將羽球的訓練科學化，達到最有效精準的訓練效果。

這項計畫包含五個部分，包括智能球拍、智能手錶、高速攝影動作捕捉，以及雲端 AI 運算中心和顯示各項運動與生理數值的 APP。智能球拍、智能手錶、高速攝影負責收集運動資訊，將資訊以 Wifi 網路上傳到雲端的 AI 運算中心計算後，結果呈現在電腦螢幕及專用的手機 APP 上，讓教練與選手一目了然。 

 計畫中使用的雲端計算中心是成大電機系教授王振興所主持的人工智能數位轉型研究中心 ，智能球拍、手錶等裝置不斷上傳的資料，會持續訓練 AI 演算法自身，讓演算法變得愈來愈精準。

為了讓訓練過程面面俱到，蔡佳良組了一支跨領域的「黃金陣容」，除了專研腦波與眼動的自己外，還找了工程專業的成大電機系教授王振興、負責 AI 演算法的逢甲大學自動控制工程學系副教授許煜亮、專研運動傷害的成大物理治療系副教授蔡一如，每位成員的專業領域都不一樣，在計畫中各司其職。

聰明的智能球拍

計畫中的一大重點，就是選手手上那支「智能球拍」，它可以收集選手的揮拍力道、轉動角度等數值，經過計算後，能知道揮拍速度、軌跡，還能分辨出九個不同的球種，這是因為球拍的握把中藏了一個感測晶片。

在握把中放入感測晶片就能做到，聽起來很容易，但在羽球拍上卻沒那麼簡單。蔡佳良說：「羽球選手對球拍的重量可是很要求的，一般選手使用的球拍大約 80 幾克，重一點輕一點，手感就差很多了。」而一個晶片動輒 10 幾克，直接放上球拍，不但影響重量，還改變了球拍的重心位置，「這樣的球拍沒有人會想用。」蔡佳良說。

後來，蔡佳良找了勝利體育公司合作，在以碳纖維為材料的握把中納入晶片，並盡量減少晶片重量，才做出了目前的智能球拍。蔡佳良說：「不過我們還是想再縮小晶片的重量，看看是否能讓晶片的電池小一點，希望能將球拍再減少 5 公克左右。」

你累了嗎？疲勞狀態對訓練來說很重要！

有了能收集選手打球狀況的智能球拍還不夠，蔡佳良還希望能將選手的「疲勞狀態」也納入訓練的參考，這也是接下來 AIOT 智能羽球訓練模式的發展重點。

蔡佳良與蔡一如指出，疲勞分成「中樞神經疲勞」與「周邊神經疲勞」，中樞神經疲勞反應在腦的專注力、心理上的鬥志等，例如比賽時間過長，或是選手心態上已經認輸等，這可以從選手的腦波及眼動訊號來判斷；而周邊神經疲勞則反應在肌肉的動作，例如選手的移動腳步可能變慢、揮拍動作變小等。此外，長時間受訓練的選手也可能慢性疲勞，儘管身體好像沒怎麼樣，但可能一早起床就覺得特別累，不想練球等。

分析選手的疲勞狀態，還可以進一步預防選手受傷，在選手有一點點受傷徵兆時，例如動作稍微改變時，就及時察覺，讓選手休息或就醫，這對於延長選手的運動生涯來說是很重要的。

你的疲勞，AI 比你先發現

為了偵測選手的肌肉疲勞狀況，重建選手的動作也是這次計畫的重點之一。蔡佳良說：「一般來說，我們是用『光學式動作捕捉系統』來重建選手的運動姿態。」這是一套專門的系統，選手的身上會貼滿光點，由四面八方的攝影機拍攝光點的移動，來重建選手動作。「不過這套系統太昂貴了，」蔡佳良說：「因此我們希望用一般的高速攝影機來取代。」方法是先以光學式動作捕捉系統找出界定選手疲勞與否的標準（稱為黃金標準），再將黃金標準與高速攝影機的影像共同輸入電腦，訓練電腦以高速攝影機的影像重建選手動作，並判別選手疲勞狀態。

 蔡佳良補充說：「等到我們把高速攝影機這一塊做起來，就會推廣到一般球館。」換句話說，未來一般民眾在運動中心等球館打球時，或許就能透過場館附設的高速攝影機，看見自己的動作及打球狀態，雖然不是職業選手，也可以研究自己的動作，享受運動科技帶來的好處。

智能手錶則由選手整天佩戴著，記錄選手日常的心跳及睡眠狀態，教練可以據此觀察選手生理狀況，也能輔助判斷疲勞狀態。計畫中使用的智能手錶由王振興研發，蔡佳良表示：「我們自己研發而不採用市面上的手錶，這樣可以依據我們的需求來收集資訊，也可以避免個資外洩的問題。」 

至於中樞神經的疲勞，可以透過腦波與眼動的狀態來發現，這也是蔡佳良的研究專長。但是蔡佳良說：「我們若要收集這些訊號，得讓選手戴上特製眼鏡，並在頭上貼特殊的貼紙，這會對選手打球造成影響。」因此，蔡佳良希望先將腦波及眼動的訊號，和智能球拍的感測訊號做連結，找出彼此的關聯，建立一個演算法，再將這個演算法寫入智能球拍的晶片中，「如果我們的演算法夠強，球拍感測訊號與腦波、眼動的關聯準確性夠高，就能直接從球拍的訊號，計算出選手的中樞神經疲勞狀況。」

學術與運動的跨領域溝通

AIOT 智能羽球訓練模式發展到目前的階段，已經可以從智能球拍的訊號，計算出個別選手的最快揮拍速度、最大擊球力道，以及爆發力、攻擊力、反應力等指數，蔡佳良笑說：「我們和教練也有一段磨合的過程，因為我們做研究的，想的都是怎樣的數據合適發表，卻不一定是教練真正需要的。」

 新豐高中羽球隊的教練李宜勳也對此舉例：「一開始蔡教授的團隊提供過一個數據叫做『積極度』，判別的方式就是一場雙打比賽中擊球次數多的，就是比較積極。可是事實上，我們比賽的時候，會故意將球打給比較弱的選手，所以他們的擊球次數自然比較多，這不代表他們比較積極。」

不過，李宜勳認為將 AIOT 智能羽球訓練模式納入訓練，對選手的練習的確有幫助，「有時候教練說破了嘴，還不如數據直接攤開來看。」李宜勳笑說。看到明確的數據，選手之間也會有正向競爭，覺得不想輸給同儕，對於自己的動作或缺點也有更明確的認識。

運動訓練科學化

儘管 AIOT 智能羽球訓練模式還未真正完成，但蔡佳良對於這項研究的未來發展深具信心，他說：「我們的研究成果在其他有球拍的運動上都可以應用，例如網球。」

蔡佳良並且認為，運動科技的蓬勃發展下，未來的運動訓練一定也都會走向科學化。「其實我一開始做運動科學時，接觸過一些國家級的教練，他們對運動科學有點排斥，認為運動科學發展起來之後，會搶了他們的教練工作。但其實運動科學只是用數據輔助訓練，真正的訓練專業還是在教練身上。」蔡佳良希望現在還在起步階段，就有機會經歷科學訓練的選手，未來若是成了教練，可以經由自己的經驗，明白如何運用科技，讓訓練變得更有效率。

「我們還希望我們的成果也能普及到一般民眾，因為運動科學的市場是很大的。」蔡佳良希望將智能球拍研發完整後，普及到一般運動用品店，讓民眾也能買來使用。他說：「即使是一般民眾，若能看看自己今天打球的狀況，也是很好玩、很有趣的事情。我相信會有人想買這種智能球拍的。」