7月9日，虹安偕同時代力量 立法委員 陳椒華 委員、台灣大學電資學院院長張耀文教授、全國教育產業總工會林碩杰理事長以及第一線的高中教師代表，邀請到教育部與招聯會代表，針對111年大學考招重大變革帶來的疑慮召開線上座談會，希望教育部能審慎評估考招制度的變革，廣納第一線教育者的意見。目前大學考招制度的變革有以下，首先大學學測從5科變成7科，將數學分成AB兩科再加上國文寫作，而指考要變成分科測驗，並且從百分制變成45級分制，且刪除國文、英文與數乙，面對這樣的變革有以下的疑慮。

不穩定的考招制度，護國神山受衝擊。

第一、刪除國英與數乙考科，採計學測分數，會讓學生必須在一月份的學測就發揮正常，更加強了一試定終身的問題。第二、級分制會造成考試分發很難排序，因為可能出現相同級分者多，超額錄取的問題。第三，級分制容易失去鑑別度，以學測為例過去就有數學難易程度差異過大，造成某年數學滿級分人數達一萬四千多人，造成許多頂大電資類科篩選困難，最後是以國文或英文篩選，明顯跟科系所需能力不符，長久發生這樣的情形，容易使台灣高科技產業競爭力下降。
與會的台大電資學院院長張耀文教授也提到許多科技業老闆向他表示憂心，擔憂未來＃護國神山優勢不再，不穩定的考招制度衝擊到國家未來的競爭力！

招聯會資料與台大模擬結果不同

張耀文院長指出台大在招聯會會議上有報告，他們針對幾個校系做指考分數轉換級分制的模擬，結果發現有超額錄取的問題，以及分數倒置的問題，會造成本來總分較高的學生但其級分換算不一定較高，反而沒錄取，跟招聯會在媒體上所說有做模擬資料，沒有超額錄取的情況明顯不符合。虹安建議應該將所有資訊公開，並且提供重大會議的會議紀錄，讓雙方一同被社會大眾檢視。

考招制度應講求公平性
與會的高中老師都有提到目前108課綱產生的考招制度，偏向推甄申請的模式，實際上非常不利於經濟弱勢生，因為講求學習歷程的準備，代表的是學生要有充足的資源支援，基隆安樂高中人稱小丸子老師的李玉如，則表示現在要求的新型課程開設，根本沒有考量城鄉之間的資源差距，偏鄉學校很難開出讓學生能選擇的微課程教育，此舉更是加大了彼此之間的資源差異。因此她呼籲未來的考招制度，應該保留一定的名額，不應全部導向申請制，讓弱勢學生也能透過苦讀準備博取翻身的機會。虹安認為考試制度能夠革新，但也必須提供所有族群平等的競爭機會。

教育制度變革，應審慎評估
全國教育產業總工會林碩杰理事長則提到，他們全敎產跟第一線老師的接觸，絕大部分都相當反對將指考改成分科測驗，以45級分制，他們都憂心這樣的變革，有違指考跟大學學測立意不同的精神，可能造成的同級分分發亂象，未來會是一個大災難。

虹安認為面對這個重大的教育制度變革，教育部與招聯會應該廣納更多意見，弭平爭議，畢竟＃十年樹木、百年樹人，教育制度是會影響國家未來發展的重要政策，不應該貿然躁進實施，針對第一線教師端的反應，教育部高教司周弘偉專委教育部已在六月底邀請相關教師團體、家長團體及高中端代表召開座談會，聽取意見，將會在7月12日再討論，不會只聽取一方意見，專斷獨行，未來必要時會召開公聽會廣納意見。虹安呼籲，更加透明、公開討論的政策才能昭信於民，希望政府不要忘記疫苗政策的不透明性，造成民眾疑慮的教訓，更好的教育制度，才會讓台灣有更璀璨的未來。

科技大學的排行榜，不該是依據考生的錄取分數來決定排名，而應該依據學生學習四年、畢業後對社會的貢獻程度來衡量。

今天應邀來到美和科技大學社工系，和一群熱情的老師與學生分享了未來幾年屏東可能的願景，希望能讓私校的辦學掌握未來的方向。

在場有位老師問我，美和科大有沒有可能透過產學合作，在內埔造鎮、讓美和能夠招到更多學生，也減少屏東人口的外流。

但我認為，一間學校能不能招到學生，不能僅著眼於少子化，更重要的是，在於當地能創造多少就業機會。

如果屏東有充足的就業機會，學生自然會來到我們的學校就讀，並且設法留下來工作。

正如今天 蔡英文 Tsai Ing-wen 總統所說的，行政院提出 #太空發展法 草案，將支持台灣接軌國際、發展太空產業，未來也可能駐足屏東科學園區，帶動就業機會，私立科大的經營結合中央政策的推出，才能真正解決屏東人口外流的問題。

【BBC中文網】算法：日常和人生十字路口陪伴你的「無形之手」

大數據、算法、人工智能、互聯網、物聯網 ...... 科技的發展為人類生活帶來各種便利的同時，也在靜悄悄地決定著人們的生活軌跡和命運。

假設，如果中國有一年取消高考，用算法根據歷年成績給每個應屆畢業生打分，然後大學根據這個分數決定是否錄取，錄取到什麼專業？

英國今年的中學畢業生對算法的這種威力有切身體驗。

因為新冠疫情而取消了決定數萬名中學畢業生命運的考試，用電腦算法 ( algorithm）給學生打分，讓機器根據學校往年的考試結果，經過一番運算，得出今年畢業生的成績。

決定命運的是高中畢業生的A-level 考試也決定了能否上大學，能上哪所大學。初中畢業，不再上學而開始求職謀生的，需要憑GCSE考試成績去找工作。如果凖備繼續上學，日後申請大學時，這組成績也是重要參考數據。

除了這種「十字路口」式的人生關鍵節點，算法在現代人生活中很多方面扮演著「無形之手」的角色，而我們未必知道。

BBC科技事務記者克雷頓（James Clayton）和克萊恩曼（Zoe Kleinman）梳理了幾個算法左右命運的平台。

社交媒體

從許多方面來看，社交媒體平台基本上就是龐然大物般的算法。

它們根據你所提供的，以及來自其他各種渠道的數據，確定你的興趣、愛好、口味，然後為你推送更多它們認為你喜歡的內容。

這些數據包括你點的每一個「讚」，看的每一條訊息或視頻，點擊的每一個鏈接，都被記錄存檔。大部分應用軟件還會從你的上網習慣和特點，以及地理位置等信息提取更多數據，關於你的數據。這些數據用來判斷你喜歡什麼，哪些內容吸引你的眼球，能讓你在網上流連。

這個算法對你了解越多，對你生活的影響力就越大。 除了推送更多合你口味的內容，它自然還會用這個知識向你推銷產品。

社交媒體公司收集儲存的數據也被用來訂製個人化的廣告，定向投放，而且精凖度高得令人咂舌。

當然，這類算法也會犯很嚴重的錯誤，惹大禍。比如它發現極端的、刺激的、重口味的、充滿仇恨和煽動性的內容，在社交媒體上很吃香，比平淡普通的內容更賺眼球、點擊和轉發更多。所以有些人髮現自己收到各種極端主義的、暴力的、仇恨的推送內容。

臉書針對民權問題做過一次內部審計，審計報告中明確提到，公司必須盡一切所能阻止它的算法把用戶「驅趕到極端主義自我強化的迴音室裏去」。

算法還有一個盲點，那就是對種族歧視和仇恨類產品不加分辨地推送，導致投訴甚至吃官司。

保險

保險公司需要評估風險，要做精算，無論是房產險、汽車險、壽險、醫療險，保費的多少依據這個評估結果來定。

許多人不知道的是，保險業很早就開始探索利用歷年積累儲存的數據來分析、預測未來；在電腦和算法尚未普及的時候就開始了。

有了算法，保險公司如虎添翼。

哈克尼斯（Timandra Harkness）是這方面專家，有一部關於大數據的專著（Big Data: Does Size Matter）。

有些顯而易見但人們通常不太在意的事，背後就有算法的無形之手。

她舉了個例子，比如家庭住址的郵編就決定了你的保費高低，而你在這些問題上毫無發言權，完全被動。

你的房產或車保險保費在搬家後漲了還是降了，跟你個人沒有直接關係，而是跟這個地區的其他居民曾經，或者在多大程度上可能成為犯罪分子的受害者，或者遭遇水淹，或者出車禍，等等。

現在比較普遍的行車記錄儀，汽車上的「黑匣子」，可以用來記錄司機的駕車習慣，如果記錄顯示車主基本上是安全駕駛，即使其他指標都屬於高風險群體，他/她的汽車險保費也可能降低。

這是利用算法制定個人化保險產品的一個例子。

保險行業的 實質是風險分攤，人人交保費，需要的人從錢庫裏取。個人化的保險產品能否普及，或許還需要算法來幫忙，確定這類新業務對保險公司有何利弊。

醫療

人工智能（AI）在疾病診斷方面的應用日益普及，有些地方AI甚至可以提出治療方案和療法建議。

2020年1月一項研究結果顯示，通過X光片子診斷乳癌，算法的表現超過醫生。

其他例子也有，比如可以預測子宮癌患者生存率的工具，這個工具還能幫助確定治療方案。

倫敦大學學院（UCL）研發的人工智能可以分辨出哪些病人最容易忘記就診預約，因此需要提醒服務。

海量數據是訓練人工智能的必要前提。這就涉及到許多棘手的問題，包括病人隱私和個人數據保護。

2017年，英國信息委員會裁定，皇家自由醫院NHS信託沒有妥善保管病人數據，跟谷歌的人工智能子公司DeepMind分享了160萬病人的數據。

警務

大數據和機器學習對警察機構來說具有顛覆性的巨大潛力。

理論上，算法具備了科幻作品中描述的那種「預測警務」（predictive policing）的功能，可以利用歷年刑事罪案的數據分析來確定警察資源的部署。

問題在於這種算法有先天缺陷，容易產生算法偏見，甚至形成算法種族歧視。

科技智庫WebRoots Democracy專家喬杜里（Areeq Chowdhury）解釋說，這就跟算法確定考試分數類似，實際上是根據別人過往的學業表現來給你打分，有什麼道理？

他說，根據算法，一個特定社區很可能被不成比例地突出和強調。

國防和安全智庫RUSI今年稍早發表了一份報告，闡述算法在警務實踐中的應用。

報告提出一些需要關注的問題，包括沒有全國統一的凖則，也沒有影響評估機制。

另一個需要深入研究的問題是算法如何放大、加劇種族主義傾向。

警務部門已經在使用的人臉識辨技術受到批評，矛頭集中在用於機器學習的數據庫是否會導致算法種族主義。

比如，用於人臉識別的攝像機識別白人更凖確，是否因為它們背後的數據庫裏白人的面部數據更多？

這方面，數據是否足夠多，足夠多元化，就至關重要。

喬杜里說，最應該避免的是因為算法誤判而錯抓無辜。

#科技 #社會