NotebookLM 筆記平台教學與應用：AI 驅動自主學習的最佳拍檔

關於筆記這件事

在這個知識日新月異的時代，教育者、學習者自主學習能力變得越來越重要。面對排山倒海的資訊，我們最傳統的學習策略，筆記，也面臨了對應的考驗。

手寫筆記寫到手痠，整理起來又好花時間；用電腦做筆記雖然方便，但常常只是把資料堆在一起，要用到的時候又找不到重點。這樣實在是事倍功半，筆記應該是幫助我們的學習而不是讓我們勞心勞力的存在。Google 對應 AI 時代推出了 NotebookLM—AI 驅動的筆記平台，筆者認為這個平台或許是重新讓「做筆記」這件事情變得更有價值的好工具。

NotebookLM 的核心功能與特色

一般生成式 AI 應用於較高學齡學習時，最容易遇到的問題就是知識庫（即 AI 背後的大型語言模型）並未涵蓋學習範疇的知識細節，通常需要搭配檢索增強生成技術（Retrieval-Augmented Generation, RAG）讓 AI 的回覆能更有效的聚焦在特定的知識範疇。NoteboolLM 不僅提供 RAG 的使用，還搭配了一下學習筆記介面與應用程式策略

NotebookLM 是透過 Gemini Pro 1.5 所驅動，所能夠處理的檔案格式包括 PDF、Google 文件、簡報、複製的文字、網頁等。而每一份筆記本可上傳50個檔案，每個檔案最多 500,000 字，每個帳號可儲存 100 本筆記本。

上傳之後，NotebookLM 會提供學習引導的筆記框架，使用者可選取不同的學習資源進行筆記，如：常見問題、常見指南、目錄、時間軸、簡介、引導提問（如圖一）。

圖一 NotebookLM 在檔案上傳後就會觸發「學習引導」介面

NotebookLM 除了能進行文本的快速摘要、回答問題之外，還能進行提問內容索引（點按生成內容後方的「數字註腳」即可），讓我們在學習時，減省了來回查閱的時間浪費（如圖二）。

圖二 NotebookLM 在檔案上傳後就會觸發「學習引導」介面 

透過每一項生成內容的右上角有一個「圖釘」圖示，按下之後就能運用類似「筆記頁」的形式，將符合需求的生成內容儲存起來，儲存起來的內容一樣能進行索引、查閱（如圖三）。 

圖三 NotebookLM 將生成內容的筆記頁儲存形式

一般的生成式 AI 難免發生幻覺現象（Hallucination Phenomenon），也就是AI在背後知識庫不足的情況生成錯誤百出的內容。NotebookLM 則不同，有如一位嚴格的學者，若提供資料不含問題答案，則會直接選擇不回覆（如圖四）。
 

圖四 NotebookLM 因知識庫不足選擇不回覆

NotebookLM之文本自主學習應用：以賴和〈一桿稱仔〉為例

根據 Bloom（2001）提出的學習目標認知層次由低而高為：知識（knowledge）、理解（comprehension）、應用（application）、分析（analysis）、綜合（synthesis）、評定（evaluation）。

在國語文的快速文本閱讀，可以透過不同類型的提問引導學生進行學習，也是在AI時代下學習的重要策略（林穎俊，2023），以下為筆者將示範透過提問策略結合NotebookLM 以閱讀學習文本賴和〈一桿稱仔〉為例。

首先需要了解文本的整體結構與主軸，屬於 Bloom 的「知識」層次提問，讓學習者透過提問獲取文本的基礎資訊（如圖五）。

圖五 Bloom「知識」層次：獲取文本結構的提問

再者，需要了解這份文本中的隱含資訊，以及文本意象（topos）分析（即稱仔的象徵），屬於Bloom的「分析」層次，學習者可以了解文本想要傳達的深層語義，以及作者想透過物品所寄託的思想價值（如圖六）。 

圖六 Bloom「分析」層次：分析文本意象的提問

雖然說 NotebookLM 沒辦法像一般生成式 AI 平台一樣進行創意發想、構思，但是他能透過匯入文本資料提出引導學習者思考的議題討論，這也就是 Bloom「評定」層次的學習目標（如圖七）。 

圖七 Bloom「評定」層次：評定文本思想價值的提問

上面就是 NotebookLM 搭配多認知層次提問的學習展示，然而自主學習脈絡至此並未結束，雖然說 NotebookLM 在回答上已較為嚴謹。然而，最後還是需要要求學生，透過對於文本的再次閱讀考察AI生成內容是否正確。

筆者會建議介紹、應用工具的老師們透過學習單為鷹架（scaffolding），引導學生提出不同層次的問題，最後不能忘記讓學生再次閱讀文本考察生成內容是否正確，並用紅筆進行更改標註。

這樣的學習歷程就是養成學生對於AI生成內容檢查、負責的重要習慣，也是筆者認為不論是任何結合生成式AI的學習，都不可或缺的一個步驟。如此一來，才是完善的生成式AI輔助自主學習歷程。

NotebookLM教與學之啟示

在 AI 時代，我們常常說「問出好問題」是重要能力。這個說法沒問題，但支撐良好提問的背後，也就是紮實的領域知識（Domain Knowledge），筆者在前面展示的文本閱讀之關鍵提問，就是源自於 AI 使用者對於文本閱讀、理解的紮實文學素養。

任何 AI 引導的學習，除了要有良好的提問之外，更要建構紮實的領域知識。換言之，「AI 時代不用學XXX」說法是較為武斷的。相反的，AI 時代下紮實的核心領域知識，才是奠基高品質、多認知層次提問的基石。

NotebookLM 是一個生成式AI應用於學習內容的重要工具，雖然說仍有一些改善空間（例如：透過「筆記頁」儲存的生成內容會有格式跑掉的問題）、而且仍然屬於Google 的實驗項目，但仍然可以期待未來在 AI 驅動學習時代下，這樣的學習工具，能幫助學習者，甚至是教學者進行更有效率的自主學習，進而成為一位成功的「終身學習者」。