本教案希望探討日常生活中常見的性別、年齡、種族等刻板印象，如何透過媒體內容被再現，從而進入生成式人工智慧系統中被學習、複製與放大，最後被生成圖像、影像後，影響閱聽人建構刻板印象與偏見。老師可以先引導學生理解偏見的心理與社會來源，再透過案例觀察媒體如何形塑角色形象與社會常態。最後透過實作與討論，讓學生認識生成式 AI 圖像中偏見的運作邏輯，以及使用者自身語言選擇與互動方式如何影響 AI 的學習方向。最後，學生將思考在媒體與科技互動中，是否無意識地參與了偏見的再製？ 本課程為自主學習或教師參考教學材料，欲修讀同學請查閱教育部「媒體素養資源網」

1. 知識面 了解 AI 生成圖像在日常生活中的普及程度。 知道 AI 模型可能會受到訓練數據、社會文化等因素影響而產生偏見。 2. 態度面 培養對數位媒體、科技產品的主動批判性思考，減少盲目相信或使用，隨時抱持懷疑與警覺。 欣賞並尊重多元的性別、種族、年齡、體態、外貌與文化，破除刻板印象。 透過 DEI（多元、平等、共融）概念，學會尊重並包容他人。 3. 技能面 能辨識並討論 AI 圖像中各種刻板印象（性別、種族、職業、外貌、年齡、文化、地域等）。 透過「AI 圖像偏見檢核表」，系統化地檢視與說明圖像中可能存在的偏見。 養成自我覺察及同儕交叉檢核的習慣，並能初步嘗試撰寫更具多元與共融的 Prompt。

課前頁 1. 偏見如何被媒體與 AI 再製：本課程希望學生理解日常生活中的性別、年齡、種族、職業與外貌刻板印象，並思考這些偏見如何透過媒體內容進入生成式 AI 系統，最後又被 AI 圖像重新強化。 2. 如何用更好的方式與 AI 互動：學生將學習以更具多元、公平與共融意識的方式撰寫提示語，並成為能主動辨識與修正偏見的 AI 使用者。 壹、教學方法 3. 從學生對 AI 圖像的直觀感受引起動機：教師可以請學生討論自己是否喜歡 AI 生成圖像、是否覺得生成的人物好看，以及這些人物通常看起來像哪一國人。 4. 透過案例、討論與實作理解偏見：教師可以結合廣告、新聞與 AI 生成圖像案例，讓學生觀察偏見如何形成，並透過 AI 圖像生成觀察行動，檢視不同提示語如何影響生成結果。 貳、教學目的 5. 培養學生辨識偏見與理解 AI 偏見機制的能力：學生應能辨識日常生活中的刻板印象，理解媒體與廣告如何影響 AI 訓練資料，並意識到自己在使用 AI 工具時也可能參與偏見再製。 參、課前案例 6. 以「XX 長什麼樣子？」反思預設想像：學生可以描述「老師」或其他人物，並討論自己為何想像出特定性別、年齡、外貌、髮型或體態的人，藉此看見個人想像背後的媒體經驗與社會刻板印象。 肆、正文 一、我們需要偏見嗎？ 7. 偏見能降低判斷負擔，但也會造成不公平對待：人類常用簡化分類理解他人，例如「男生應該勇敢」或「老人不會用手機」，但這些刻板印象可能導致錯誤判斷與歧視。 二、人工智慧如何學習偏見 8. AI 會從帶有偏見的資料中學習：生成式 AI 從新聞、廣告、社群媒體、網路圖片與文字描述中學習，而這些資料本身就包含社會既有的性別、種族、年齡、職業與文化偏見。 三、開發造成的偏見 9. AI 開發過程也可能導入偏見：若開發團隊缺乏多樣性，或訓練資料主要來自特定文化、性別、種族與社會階層，AI 模型就容易忽略其他群體，並在生成結果中呈現不公平。 四、資料殖民主義 10. 資料殖民主義說明 AI 偏見也涉及全球權力不平等：大型科技公司或 AI 技術強國可能透過資料收集與模型訓練，使「全球北方」的視角主導 AI 對世界的理解。 五、演算法公平性 11. 演算法偏見會影響現實生活中的公平：當偏見被寫入演算法後，招聘、金融、警政與價格設定等系統都可能自動化並加速歧視。 六、看得見的偏見 12. 生成圖像可以被視為「看得見的偏見」：Midjourney、Stable Diffusion 與 ChatGPT 圖像功能等工具雖然看似中立，但生成結果可能重現性別、職業、種族、國家與身體條件偏見。 七、具有刻板印象的圖像 13. AI 圖像常將特定身分與特定形象連結：例如「科學家」可能被生成為白人男性，「貧窮的人」可能被生成為特定膚色或族裔，而這些結果會把社會既有偏見視為視覺常態。 八、如何改善生成圖像的偏見 14. 改善偏見需要自我覺察、提示工程與主動修正：使用者應覺察自己的無意識偏見，學習更精確、多元與包容的提示語，並在看到偏見結果時重寫提示或重新生成。 九、開發者的責任 15. AI 開發者有責任改善模型與資料：開發者應使用更多樣和平衡的訓練資料，設計能辨識與減輕偏見的演算法，並提供更細緻的控制選項。 十、總結 16. AI 偏見不是單純的技術問題：AI 偏見是社會偏見、媒體再現、資料結構、開發者選擇與使用者互動共同形成的結果，因此學生需要學會看見偏見、理解偏見並挑戰偏見。 伍、情境與實踐 17. 學生可以透過職業圖像生成活動觀察偏見：學生輸入「醫生」、「飛行員」、「總統」、「科學家」、「護士」、「教授」等提示，觀察 AI 生成圖像中的性別、年齡、膚色、體態、服裝與背景是否呈現刻板印象。 陸、學習單 18. 學習單結合 DEI 概念檢視 AI 圖像偏見：學生將從多元、公平與共融的角度，分析 AI 圖像中的性別、種族、職業、外貌、年齡、文化與地域偏見。 柒、教學流程 19. 教學流程包含導入、討論、示範、DEI 練習與評量：教師可以先用圖片引導學生觀察偏見，再說明 AI 偏見原理，接著讓學生比較一般 Prompt 與 DEI 友善 Prompt 的生成差異。 捌、AI 圖像偏見檢核表 20. AI 圖像偏見檢核表可以幫助學生系統化分析圖像：學生可以依據性別、種族、年齡、外貌、職業、文化、地域與身體條件等面向，判斷生成結果是否呈現刻板印象或排除特定群體。