https://educertifications.google/

如何面對真假難辨的未來，以下有 10 種必備的核心能力：

1. 溯源履歷素養 (Sourcing & Provenance Literacy)

未來不只要看內容，更要看「數位足跡」。這包括辨識區塊鏈驗證的數位簽章、查看內容的元數據（Metadata），以及了解內容是否由經過認證的機構所發布。

重點： 從關注「內容說了什麼」轉向「這份檔案從哪裡來」。

2. 演算法覺察力 (Algorithmic Awareness)

理解社群平台和搜尋引擎的運作邏輯。意識到你所看到的內容是經過演算法過濾後的「同溫層」產物，並主動打破回聲效應，尋求多元觀點。

3. 深層偽造辨識力 (Deepfake Detection Sensitivity)

雖然 AI 偽造技術愈發精進，但人類仍需掌握基礎的物理規律辨識。例如：光影是否自然、說話時的肌肉抽動是否協調、以及語音中細微的數位失真感。

4. 交叉比對與多重驗證 (Triangulation & Multi-Verification)

不依賴單一資訊源。學會橫向閱讀（Lateral Reading），在發現一則驚人消息時，立即搜尋不同立場、不同地域媒體的報導，尋找共識點與衝突點。

5. 批判性提問能力 (Critical Inquiry)

面對任何資訊，核心判斷力來自於提問：

• 誰是這則訊息的受益者？

• 這則訊息試圖激發我的哪種情緒（恐懼、憤怒或狂喜）？

• 哪些重要細節被刻意隱藏了？

6. 情緒調節與認知冷靜 (Emotional Regulation)

假新聞往往利用極端情緒來傳播。具備「認知冷靜」的人能在看到標題黨或煽動性言論時，先處理情緒，再處理資訊，避免在衝動之下成為謠言的傳播者。

7. 概率思維 (Probabilistic Thinking)

未來不再是絕對的「真」或「假」，而是「可信度的百分比」。學會根據證據的強度給予資訊不同的權重，而非盲目接受或全盤否定。

8. AI 提示詞工程思維 (Prompt Logic & AI Intuition)

由於 AI 是透過特定邏輯生成的，了解 AI 的「思考方式」有助於識破 AI 產出的錯誤（幻覺）。當你熟悉 AI 如何構建句子時，就能更輕易地察覺不具人性的空洞內容。

9. 法律與倫理判讀 (Legal & Ethical Discernment)

了解數位版權、隱私權法規以及 AI 倫理標準。當一份資訊來源違反了基本的法律常識或倫理準則時，其真實性往往存疑。

10. 數位同理心與脈絡理解 (Contextual Intelligence)

判斷真假不只是看事實，更要看「脈絡」。具備理解事件背後的歷史、文化與社會背景的能力，能幫助你識破那些「去脈絡化」或「斷章取義」的誤導性資訊。

「第一原則」（First Principles Thinking，又稱第一性原理）是一種拆解問題的思維方式，源自亞里斯多德，強調不依賴類比或經驗，而是將問題回溯至最根本的物理學或自然法則（本質），再從該基礎向上推導出創新的解決方案。特斯拉執行長 Elon Musk 和 NVIDIA 黃仁勳皆以此克服「卡關」並創造顛覆性成果。 

機械新刊 +5

關鍵概念與特色

1. 拆解本質 (Deconstruction)：將複雜問題拆解成最基礎的、不可再分割的真相，去除經驗假設。

2. 重新構建 (Reconstruction)：以該真理為基礎，邏輯推導出解決方案。

3. 打破慣例：拒絕使用「大家都這麼做」的類比思維，避免墨守成規。

4. 與「類比思維」不同：類比思維（Iterative thinking）是基於經驗的細微迭代，而第一原則是從無到有的根本創新。

應用範例 (馬斯克)

• 火箭成本：傳統認為火箭非常昂貴，但馬斯克思考「火箭是由什麼材料組成？」，分析碳纖維、鋁、鈦等材料成本，發現僅為火箭總價的極小部分，因此選擇自製組件，大幅降低成本。 

如何實踐第一性原理

1. 定義問題：釐清當前問題是什麼。

2. 提出質疑：問「為什麼這是真的？」、「為什麼這規則存在？」以排除雜音。

3. 拆解本質：拆解到無法再簡化的基礎事實。

4. 重新推導：基於事實創造解決方案。 

簡單來說，第一原則就是：剝離表面雜音，專注基本事實，從本質思考，創造全新可能。

新北市國中教育會考減C計畫－提升學生學習成效實施方案 

自即日起至114年9月30日止，逕行至「國中教育會考」網站（網址：https://cap.rcpet.edu.tw），點選上方功能列「學力品質監控」登入下載各校資料，並提供予校內教師，以作為教學規劃與調整之參考。