2.4 · ICT 中的倫理

目標： 提出平衡的倫理論證 —— 利與弊。

HKDSE 論述中常見倫理主題

1. 隱私 —— 公司與政府該採集 / 分享用户資料嗎？
2. 言論自由 vs 錯誤資訊 —— 審核、審查。
3. 演算法偏見 —— AI 做不公決定。
4. 自主武器與兩用技術。
5. 自動化致崗位流失。
6. 資料中心與設備的環境足跡。
7. 監控與民主自由。
8. 兒童在線安全 —— 捕獵者、成癮、心理健康。

平衡論證模板

「立場 A 認為 X。他們論 Y。然而，立場 B 認為 Z，引 W。綜合，最可行的是…」

閲卷者愛看兩面 + 結論。

例 · 「學校應該用人臉識別考勤嗎？」

利	弊
消滅代簽	視每個學生為嫌疑人
省老師時間	存生物資料 —— 隱私風險
生成準確記錄	演算法偏見或誤識少數族裔
啓用分析	可能被濫用於無關追蹤

適度結論：「只在資料最小化、家長同意，併為選擇退出的學生保留非生物替代方案的前提下使用。」

ICT 用户行為準則

簡單個人守則：

1. 合法用 ICT —— 尊重版權、服務條款。
2. 誠實用 ICT —— 不剽竊、不冒名。
3. 尊重隱私 —— 你的與他人的。
4. 避害 —— 不網絡欺凌、不仇恨言論。
5. 推動包容 —— 可及內容、公平代表。
6. 環保 —— 延長設備壽命、回收。

考試式題目

題（5 分）： 討論用 AI 給學生作文打分的倫理考量。兩面論證並結論。

參考答案：

利：AI 打分給每個學生快速、一致的反饋，減老師工作量，耐心地檢測細微錯誤。配大資料集，AI 可識別學生共通弱點並定製後續練習。

弊：以以往作文訓練的 AI 模型可能繼承針對某些寫作風格或非英語母語者的偏見。學生可能用關鍵詞鑽空子。深度學習系統的黑盒性質讓解釋評分難，削弱教育目的。重度依賴 AI 也引教師權威與學術誠信的疑問。

結論：AI 打分可作為給老師標問題的助手，但不應是重大評估的唯一打分者。透明使用、定期偏見審計、教師終審政策達到合理平衡。

關鍵要點

• 練平衡論證。
• 明確結論。
• 儘可能用具體香港例子。

章節總結

➡️ 下一章：3 · 知識產權