用 AI 制訂學習計劃時，要給它明確的學習目標、限期、可用時間、主題清單和誠實的基線。要求它安排由學習、無提示提取、回饋和間隔溫習組成的短循環，然後按你的錯題紀錄——而不是你覺得有多自信——修訂日程。AI 可以組織計劃；掌握的證據必須來自你自己的表現。

關鍵要點

把籠統的願望轉化為可觀察的學習成果。

分配溫習時間前，先診斷你能回想或做到甚麼。

把提取、回饋、間隔和混合練習排進日程。

為困難主題和錯過的節數預留緩衝時間。

按錯誤和延遲檢查調整，而不是按記錄的溫習時數或主觀的熟練感。

用 AI 制訂學習計劃，應該提供哪些資料？

AI 規劃需要限制，而不是勵志口號。「幫我溫生物」會令模型自行虛構範圍、優先次序和節奏。一份可用的簡報應說明需要達到甚麼表現、哪些材料在範圍內、何時考核、真正可用的時間有多少，以及哪些遷就安排或固定事務會影響日程。

先收集這些輸入：

輸入	有用的細節	避免
成果	「能解釋每種機制，並解答沒見過的試題」	「全部都明白」
範圍	課程單元、閱讀清單、技能評分準則或認證範疇	由模型虛構、未經核實的主題清單
限期	考試日期及較早的檢查點	把每一天都排滿至最後一小時
容量	切實的平日和週末可用分鐘數	一個你無法堅持的理想一週
基線	無提示診斷的結果	只靠自我評分
證據	練習題、示範、文章或口頭講解	花在畫線或重讀上的時間
限制	工作、照顧、健康、無障礙需要和休息	把每一天都當作可以互換

如課程大綱、考核規則或學習材料屬保密或受版權保護，先確認哪些內容可以上載。聯合國教科文組織的指引呼籲在教育中以人為本、保護私隱、符合教學原理地使用生成式 AI。［1］有要求時使用獲批的環境，刪去不必要的個人資料，也不要把受限的題庫貼到公共服務。

第一步：定義終點和掌握證據

寫出可以觀察的成果。「掌握第四章」無法檢驗；「不看筆記解釋三個階段、比較兩種機制，並解答一道新題，達到評分準則五項中的最少四項」則給計劃具體可排的內容。

把「涵蓋」與「掌握」分開。涵蓋代表你接觸過這些材料；掌握代表你能在相關條件下回想、解釋、應用、辨別或產出它。AI 系統可能產生一份精緻的日程，盡量擴大涵蓋範圍，卻沒有留出證明已學會的時間。

為每項成果界定一個證據檢查：

**回想：**不看筆記回答一個問題。
**解釋：**用自己的話講解這個概念，並能應付追問。
**應用：**解答一道沒見過的題，或在新情境中運用這項技能。
**辨別：**解釋一個看似正確的選項為何是錯的。
**產出：**按評分準則寫作、口述、計算、編程、繪圖或表演。

要求模型標示沒有對應檢查的成果。如它提出「溫習筆記」這類任務，便要求它補上能顯示溫習是否有效的具體行為。

第二步：進行無提示基線診斷

分配時間前，先測試現時狀態。使用一份涵蓋主要單元和預期題型的簡短樣題。不看筆記、不看提示、不借助 AI 作答。目的不是評分，而是畫出一張在哪裏投入效果最大的地圖。

記錄的不只是對或錯。為每個錯誤加上標籤：

欠缺知識；
概念混淆；
提取失敗；
步驟錯誤；
粗心大意；
速度太慢；
誤解題意；
靠不可靠的猜測得出正確答案。

只給 AI 它需要的資料。你可以提供一張去識別的表格，包含主題、題型、結果、用時、信心和錯誤標籤，而不是個人紀錄或受保護的考試內容。NIST 的生成式 AI 風險概況把私隱、資訊完整性和人手監督視為風險管理問題，因此規劃流程應盡量減少不必要的輸入，並核實生成的建議。［2］

不要讓模型成為評判含糊答案的最終權威。使用官方答案、評分準則、教師回饋或合資格的審閱者。如沒有答案，便把該題標示為未決，避免圍繞一個不確定的判斷調整日程。

第三步：把範圍拆成可學習單元

要求 AI 把經核實的課程大綱拆成細小到一節專注溫習便能完成的單元。每個單元都應有目標、先修內容、學習活動、提取問題、回饋來源和下一次溫習日期。拒絕「整個熱力學單元」這類無法在分配時間內完成或檢查的單元。

排列日程前，先梳理先修關係。如單元 B 需要單元 A 的概念，首次學習的次序便應反映這種依賴。但最終的計劃不應在學完整個 A 後便再也不回顧它；之後的節數應把舊內容和新內容交替安排。

一項單元紀錄可以是這樣：

單元	可做到的成果	首次活動	提取檢查	回饋	溫習觸發
概念 A	解釋並區分兩種情況	細閱完整例題	在空白頁上講解	教科書評分準則	出錯後重試，之後再覆查
步驟 B	在新題上完成每一步	學習一個示範	無提示解題	官方解答	安排混合練習
主題 C	比較不同來源的證據	建立主張表	為一個結論辯護	教師準則	加入新來源後覆查

這令學習計劃有別於項目計劃。項目計劃安排的是產出的交付；學習計劃安排的是能力的變化，以及這些變化能夠持續的反覆證據。

第四步：安排提取、回饋和間隔溫習

把提取排進日程，而不只是閱讀。提取練習是指在看到答案前，先嘗試回想出資料或步驟。然後透過回饋糾正錯誤。之後的提取則檢查在一定程度的遺忘後，所學內容是否仍然可用。

有關提取安排的研究顯示，在間隔開的多次溫習中重新學習，能提升持久記憶，但最有效的次數和間隔取決於材料和記憶目標。［3］一項關於分散練習的定量綜述同樣發現，溫習之間的間隔與期望的記憶保持時長之間的關係很重要；並不存在一個適用於所有任務的通用間隔。［4］

把這些發現當作設計原則，而不是死板的公式。要求 AI 產生的日程包括：

第一次接觸，建立足以嘗試提取的理解。
一次簡短的無提示回想或應用檢查。
來自權威來源的即時糾正。
在逐漸拉長或切合情境的間隔後再次溫習。
需要自行選擇方法、而不只是重複的混合練習。
在更接近真實考核條件下進行的延遲檢查點。

令每節溫習保持有界線。一個實用的溫習時段可以包括簡短的提取熱身、專注學習、練習、回饋，以及一則關於下次溫習的備註。具體分鐘數取決於任務和你的專注需要。不要只因有空閒時間，便讓 AI 把每個時段都填滿。

第五步：加入緩衝、休息和恢復規則

沒有餘裕的計劃，在生活第一次出現變化時便會失效。在主要檢查點前預留空白時段，並限制一日內高強度溫習的次數。在高強度任務後安排較輕的溫習，並保護睡眠，而不是把它當作後備容量。

預先寫好恢復規則：

如錯過一節，把最重要的提取檢查移到下一個緩衝時段。
不要為了「追進度」而把之後的每一節都加倍。
如某項先修內容仍然薄弱，暫停依賴它的內容，先把它補上。
如在延遲檢查中表現穩定，便降低頻率，把時間轉向別處。
如多個主題同時失敗，便重新審視診斷或學習方法，而不是無休止地重排日程。

限制改變時，要求 AI 說明它刪去了甚麼。一個悄悄壓縮休息或核實時間的計劃，並不是切實的修訂。

第六步：用錯題記錄更新計劃

每次有意義的檢查後，記錄日期、主題、任務、結果、錯誤類別、糾正內容和下一次測試。項目要足夠簡短，令你能堅持維護。計劃應對規律作出反應，而不是對一節令人沮喪的溫習作出反應。

使用以下的每週檢討提示：

只使用這份去識別的錯題紀錄和原始課程大綱，為下週提出調整建議。只在延遲表現薄弱的地方增加或改變練習。保留固定事務、休息和最終檢查點。用觸發調整的證據解釋每一處日程變化。

親自審閱這份建議。AI 可能對最近的錯誤反應過度、把難度與重要性混為一談，或分配超出你實際擁有的時間。保留一份簡單的變更紀錄：調整了甚麼、為何調整，以及甚麼結果能說明這次調整是否有效。

主觀信心可以作為有用的背景，但它不是掌握的證據。輕鬆地重讀往往令人覺得很流暢；不看筆記的講解或解一道新題才是更有力的訊號。如信心高而表現差，便安排提取和回饋；如信心低但表現一直很好，便先用延遲檢查確認，再考慮增加練習。

第七步：進行每週和終期審核

每週結束時，核實四件事：範圍涵蓋、延遲表現、錯誤趨勢和剩餘容量。檢查考核形式是否得到反映。準備口試的學生應該開口講；準備證明題的學習者應該寫證明；學語言的人應該在語境中產出和理解語言。

最後階段之前，把籠統的溫習時段換成具代表性的練習和有針對性的修補。保留檢查錯誤的時間。不要在最後一節產生超出你能溫習的材料。

也要審核 AI 的貢獻。確認沒有任何主題、限期、先修關係或考試規則是虛構的。對照官方材料檢查連結和參考資料。如計劃依賴 AI 產生的測驗，在用它的分數改變日程前，先核實這些題目。

總結

界定可觀察的成果和對應的掌握檢查。
用無提示診斷分配時間。
把經核實的範圍拆成附先修關係和回饋的單元。
安排提取、糾正、間隔溫習和混合練習。
保護緩衝時間、休息和恢復規則。
按錯誤規律和延遲表現更新，而不是按記錄的溫習時數。
對照真實考核和權威材料審核計劃。

常見問題

AI 能制訂個人化學習計劃嗎？

它可以圍繞你的目標、限制和診斷結果組織計劃。只有在輸入準確、而且日程會隨經核實的表現調整時，個人化才有用。

規劃提示應包含甚麼？

包括成果、經核實的範圍、限期、可用時間、固定事務、基線結果、考核形式、回饋來源，以及任何無障礙需要。刪去不必要的個人或受限資料。

應該提前規劃多久？

建立足以保護間隔溫習和檢查點的結構，但每週重新審視細節。當診斷結果改變時，一份死板的長期每日日程很容易失效。

每節都需要提取練習嗎？

大部分節數都應包含一些無提示的提取或應用，但一項全新的複雜技能可能需要先講解和有指導的例題。只要能作有意義的嘗試，便盡快加入提取。

漏掉數節怎麼辦？

使用緩衝時間，保護最優先的成果，並重新安排關鍵的提取檢查。不要把所有錯過的任務都堆到翌日。如可用時間已改變，便重新計算可行的範圍。

AI 能判斷我已經掌握嗎？

AI 可以協助應用經核實的評分準則，但掌握應來自在具代表性任務上的無提示表現，以可靠的答案或合資格的回饋核查，並在一段時間後再次檢驗。

多久調整一次？

在取得一組有意義的結果後作小幅調整，例如每週檢討或延遲檢查點之後。避免在每一道難題後便重寫日程。

與 AI 項目規劃相同嗎？

不同。項目規劃協調的是交付成果、依賴、負責人和日期。學習計劃協調的是學習活動，以及證明知識或技能能被提取和應用的反覆證據。

延伸閱讀：

免責聲明：AI 可以組織學習活動，但不能保證學習成效、成績、認證或專業能力。考核規則和材料應向負責機構或教師核實。

來源：

UNESCO — Guidance for generative AI in education and research — https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
NIST — Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence
Rawson and Dunlosky — Optimizing schedules of retrieval practice for durable and efficient learning — https://pubmed.ncbi.nlm.nih.gov/21707204/
Cepeda et al. — Distributed practice in verbal recall tasks: A review and quantitative synthesis — https://pubmed.ncbi.nlm.nih.gov/16719566/

Sources checked 2026 年 8 月 24 日。

如何用 AI 制訂學習計劃：先做基線診斷，再安排提取練習與間隔溫習