2.4 · ICT 中的伦理

目标： 提出平衡的伦理论证 —— 利与弊。

HKDSE 论述中常见伦理主题

1. 隐私 —— 公司与政府该采集 / 分享用户数据吗？
2. 言论自由 vs 错误信息 —— 审核、审查。
3. 算法偏见 —— AI 做不公决定。
4. 自主武器与两用技术。
5. 自动化致岗位流失。
6. 数据中心与设备的环境足迹。
7. 监控与民主自由。
8. 儿童在线安全 —— 捕猎者、成瘾、心理健康。

平衡论证模板

「立场 A 认为 X。他们论 Y。然而，立场 B 认为 Z，引 W。综合，最可行的是…」

阅卷者爱看两面 + 结论。

例 · 「学校应该用人脸识别考勤吗？」

利	弊
消灭代签	视每个学生为嫌疑人
省老师时间	存生物数据 —— 隐私风险
生成准确记录	算法偏见或误识少数族裔
启用分析	可能被滥用于无关追踪

适度结论：「只在数据最小化、家长同意，并为选择退出的学生保留非生物替代方案的前提下使用。」

ICT 用户行为准则

简单个人守则：

1. 合法用 ICT —— 尊重版权、服务条款。
2. 诚实用 ICT —— 不剽窃、不冒名。
3. 尊重隐私 —— 你的与他人的。
4. 避害 —— 不网络欺凌、不仇恨言论。
5. 推动包容 —— 可及内容、公平代表。
6. 环保 —— 延长设备寿命、回收。

考试式题目

题（5 分）： 讨论用 AI 给学生作文打分的伦理考量。两面论证并结论。

参考答案：

利：AI 打分给每个学生快速、一致的反馈，减老师工作量，耐心地检测细微错误。配大数据集，AI 可识别学生共通弱点并定制后续练习。

弊：以以往作文训练的 AI 模型可能继承针对某些写作风格或非英语母语者的偏见。学生可能用关键词钻空子。深度学习系统的黑盒性质让解释评分难，削弱教育目的。重度依赖 AI 也引教师权威与学术诚信的疑问。

结论：AI 打分可作为给老师标问题的助手，但不应是重大评估的唯一打分者。透明使用、定期偏见审计、教师终审政策达到合理平衡。

关键要点

• 练平衡论证。
• 明确结论。
• 尽可能用具体香港例子。

章节总结

➡️ 下一章：3 · 知识产权