教育測驗與評量 （研究所）
🇹🇼 台灣 · 教育我的科系壽命
距離這個科系的畢業生職缺開始因 AI 減少
2029年9月24日 · 倒數 1093 天
試題生成、評分與基礎分析，AI 已經做得到，初階命題與分析的職缺會最先減少；但評量效度與公平性的檢驗、測量模型的設計，都要為結果負責，受影響會比一般資料分析晚。這條路沒有證照門檻。
「科系壽命」是距離畢業生職缺開始因 AI 減少的剩餘時間，不代表科系會消失，也不代表所有人都會失業。
AI vs 人類，你站哪一邊？
畢業後的出路
2030畢業出路 · 以 2030 年 6 月底估算剩餘時間
教育測驗與評量（研究所）：AI 對畢業生求職的影響
教育測驗與評量研究所訓練的人多在教育機構或研究單位做考試題目分析跟評量設計。生成考題、批改跟基礎統計分析,AI已經做得到;但要驗證一份考卷公不公平、設計出能真正測出能力的測驗模型,這種要為結果負責的判斷,還是要人。
教育測驗研究生的工作哪部分先變?
生成考題、批改測驗、還有跑基礎的統計分析,這些工作AI已經做得到,原本讓新人練基本功的初階命題與分析職缺會先感受到壓力。但要驗證一份測驗到底公不公平、對不同背景的學生會不會有偏差,還要設計出真正能測出能力的評量模型,這種要為結果負責、影響升學或分班決定的判斷,還是得靠人。這是這份工作最核心的責任所在。
統計學家、資料分析師、教材研發人員差在哪?
資料分析師的工作跟AI能處理的基礎分析重疊度最高,YOU'RE NEXT判斷這條路會最早感受到壓力,教材研發人員受影響的時間點也差不多早。數學家、統計學家如果做的是測量模型設計這類需要為結果負責的工作,YOU'RE NEXT認為受影響的時間會晚一些,建議提早了解兩者實際的工作內容差異。
唸教育測驗與評量研究所該準備什麼?
統計分析的能力要打好,但更該練習用AI工具快速跑完基礎分析後,自己專注在解讀結果、判斷測驗設計哪裡可能有問題,這種批判性思考比單純會跑統計更值錢。這條路沒有證照門檻,能不能找到工作很看是否有實際參與過測驗開發或審題的經驗,建議在學期間多爭取相關計畫的實習機會。也建議多了解不同教育機構對測驗研究的實際需求,累積能被信任的合作經驗。
撰寫日期
資料來源
資料用於說明工作、制度與科系。AI 取代時間與分數為 AI 推估，不是來源機構的預測。 計算方法（英文）
留言· 繁體中文