TOPIK將由AI評分，以考生答案訓練：2028年試行考試

TOPIK韓國語能力考試準備將評分工作移交給人工智慧。根據教育部於9月29日公布的計畫，自2029年起，AI將編寫TOPIK試題，並為考生的寫作與口說作答評分；改版後新測驗的試行考試將於2028年舉行。

去年的報導曾指出，政府正與韓國科技集團Naver洽談承接該考試的營運。這一次則是一項正式計畫，設有委員會、₩235億的預算以及逐年推動的時程表。2025年有超過56萬人報考TOPIK，其中許多人是為了在韓國取得簽證、大學入學以及就業。

讓我們來檢視這項計畫的具體內容，從AI評分及其學習所依據的資料，到將由誰來建置這個系統。

摘要

自2029年起，AI將編寫TOPIK試題，並對寫作與口說作答進行初評，由人工評分員檢查其評分
該AI將以歷屆考生的手寫與口說答案進行訓練
改版測驗的試行考試將於2028年舉行，隨後於2029年開展採用臉部辨識與視線追蹤的居家測驗試行
計畫中未引用任何顯示AI能可靠評分TOPIK的研究，而在負責韓國大學修學能力考試（修能）命題的機構所做的研究中，教師評估目前準確率為60-70%
該系統將由民間承包商建置，計畫中未提及任何具體公司或AI模型
計畫引用了韓國官員與行政管理人員的意見，但沒有任何外籍韓語專家

2029年全面改版

該計畫圍繞著一個承擔兩項任務的AI系統重構TOPIK。一個在該測驗題庫上訓練的大型語言模型將為各等級編寫試題。該系統還會將新試題與歷屆試題進行比對，並預測其難度。

目前，每次考試的試題是由處於封閉隔離環境中的人員編寫。自2029年起，試題將從儲備題庫中抽取，計畫每年為該題庫擴充4,000道試題。TOPIK II的寫作部分包含四種題型，從句子填空到一篇600至700字的文章。口說測驗則是一項單獨在電腦上進行的考試。對於兩者，手寫答案與錄音作答都將被轉換為文字，並依據文法、詞彙與邏輯連貫性進行評分。AI給出初評分數，隨後由人工評分員進行複核，計畫將此步驟稱為「人在迴路」（Human-in-the-Loop）。

隨後於2029年，將在個人電腦上開展居家測驗試行。這類試行僅限於成績不作留學或簽證用途的較低等級，而紙本測驗暫時予以保留。2027年的15次考試中有6次為紙本測驗，其餘9次為電腦測驗：包括6次IBT考試與3次口說測驗。

由來自韓語教育、測驗評量及AI領域人士組成的改革委員會將於今年10月成立，隨後將於2027年6月公布新的測驗架構設計。試行考試預定於2028年舉行，搭配線上練習題，旨在讓考生在新制正式生效前先行體驗新形式。政府已為AI及數位化工作編列了₩235億的預算，並訂下2030年達到100萬名考生的目標。

委員會將在地區、性別與所屬單位之間取得平衡。對於命題人員庫而言，「地區」指的是成員是位於首爾地區還是韓國其他地方，而非某種更具全球視野的考量。外籍韓語專家，即將韓語作為外語學習、能夠站在考生立場發聲的人，在計畫中無處可見。該計畫引用的全部四項第一線意見均來自韓國官員與行政管理人員：教育部下屬兩所海外韓國教育院的院長、一個駐外外交機構，以及一所大學的國際事務處處長。

未經證實的AI評分

改革委員會的議程涵蓋等級架構、紙本與電腦測驗分數的等值對照、寫作與口說評量任務，以及青少年版TOPIK。是否應由AI為考試評分並不在這項議程之中，因為這在計畫公布之前就已成定局。同樣尚不明朗的是，2028年的試行考試是否會採用AI評分，因為計畫的時程表顯示該系統在那一年可能仍在開發中。如果是這樣，背後隱含的情境將是AI評分根本沒有透過試行考試進行檢驗。

計畫中同樣欠缺的，是任何關於AI在TOPIK寫作或口說評分方面表現如何的引用研究。在負責修能大學入學考試命題的機構所做的研究中，教師評估目前的AI評分準確率為60-70%，且多數人表示至少需要達到80%才能投入實際應用。研究人員發現，其表現因學科與題目的不同而存在很大差異。他們還呼籲由AI來檢查人工評分員的閱卷工作，這與TOPIK由人工評分員審核AI產出成果的設計正好相反。另外，一所韓國科學高中進行為期一年的研究發現，同一份答案在重新評分時可能會得到不同的分數。

自動評分在語言測驗中並非全新事物。營運托福（TOEFL）的ETS長期以來在人工評分員之外搭配評分引擎使用。其自身的研究發現，對大多數群體而言，引擎與人工評分員給出的平均分數幾乎完全一致。但存在一個顯著的偏差：來自中國大陸的作文是個例外，機器給出的分數遠高於人工評分。TOPIK在94個國家舉行，因此在此存在出現類似差異的實質風險。

該計畫的安全保障措施也存在內在矛盾。如果人工評分員仔細檢查每一份答案，AI能節省的工作量很少。如果他們不這麼做，AI實際上就成了評分員。

去年，韓國勞工團體「職場霸凌119」旗下線上工會韓語教師分會會長李昌鏞（音譯）闡明了何者才應放在首位：「在將AI應用於嚴重影響個人生活的高利害考試之前，必須先進行研究與驗證，以確保評量的效度、信度與公平性。而這項驗證目前尚未充分完成。」

其他地方的審慎態度

韓國在針對本國學生權衡相同構想時，態度要審慎得多。對修能申論題進行AI評分目前仍在公眾審議中，國家教育委員會委員長也曾表示，即使引入該技術，人工評分也必須維持核心地位，AI僅作為輔助工具。

其他國家已經踩了煞車。由於幾乎無法保證評分的可靠性，日本在2019年擱置了大學入學共通測驗中納入申論題的計畫。澳洲曾考慮引入AI評分，但隨後予以取消。

這使得TOPIK成為韓國唯一編列了預算與時程表、計畫由AI對書面與口說作答進行初評的國家級考試。

筆跡、聲音與臉部

2027年，政府將在系統本身建置前一年，開始為AI蒐集訓練資料。這些訓練資料包括政府存檔的、來自TOPIK寫作與口說部分真實考生的手寫與口語作答記錄。

針對居家測驗，該計畫加入了AI監考，利用臉部辨識與視線追蹤來監控考生在家中的情況。報名時，考生還必須同意與第三方共享個人資料，計畫將此與「相關機構」的合作掛鉤。依據政府力求於今年建立的法源依據，被指定為TOPIK研究機構的大學將取得測驗資料用於其研究。

計畫並未說明建置該系統的業者是否能看到考生的答案、錄音或臉部資料，也未說明這項強制同意涵蓋哪些第三方。

韓國在此方面已有先例。在一項於2021年結束的專案中，法務部與科學技術資訊通信部允許民間企業使用出入境臉部照片訓練AI。個人資料保護主管機關後來發現，這些企業使用了近1.8億筆資料，其中1.2億筆屬於外國人；該機關判定此項安排屬於合法的資料處理委外，並僅因法務部未公布業者名稱而對其處以₩100萬罰鍰。2026年2月，憲法法院以該專案已結束為由駁回了訴訟，並補充表示憲法並未課予禁止使用此類資料訓練AI的義務。

誰來建置評分系統

預算的大部分將用於從2028年開始建置系統並開發其AI。在₩235億的總預算中，這部分就佔了₩230億，而整體策略規畫將於2027年先行推出。在韓國，此類系統是由民間承包商透過公開招標建置。

截至2025年12月為止，原定計畫是由企業出資並營運該考試。2024年，政府選定了一個由Naver牽頭的企業聯盟進行民間融資專案，由業者承擔約₩3440億的成本，並從測驗收益中回收資金。韓語教師與工會發起反對活動，2025年12月政府取消了這項安排，並將該專案轉由自身預算支應。雖然全面民營化已不復存在，但將由民間企業開發的AI評分，卻在這波轉變中保留了下來。

計畫中未提及誰將建置該系統，也未提及將採用何種AI模型。處於領先地位的模型皆為美國研發，但該計畫將平台部署在政府自身的雲端上，這使得將未公開的試題與考生的作答發送給外國AI服務變得不太可能。大多數可在內部本地端運行的最強模型來自中國，但在政治上卻是禁忌：韓國政府各部會於2025年封鎖了DeepSeek，而在2026年1月，Naver也因使用中國模型組件引發爭議，被移出政府的國家級AI模型專案。這樣就只剩下韓國本土模型。負責修能命題的機構已聘請韓國AI公司Upstage為修能英語科建置試題編寫系統，但對作文與口說進行評分，是一項比起編寫新試題要求高出許多的任務。

模型的選擇比表面上看起來更為重要。透過打造TOPIK Easy6，我們發現沒有任何單一AI模型能在評量韓語的每項任務中皆表現最佳，而且只有最昂貴的專有模型，其精準度才足以實現公平評分。除此之外，一個模型在韓語表達上的流利程度，對它評閱學習者作文的水準所能反映的出人意料地少。

教育部的上一個重大AI專案提供了一個警訊。2025年僅實施了一個學期後，提供給學校的「AI數位教科書」就被降級為「教育資料」。監察院隨後發現，該專案在未經諮詢或試行的情況下倉促推行，平均使用率為8.1%。

時程表與實施

改革委員會預定於本月成立，並計畫於今年稍晚公開徵集新試題。2027年6月，該委員會將公布新的測驗架構設計。政府也將在該年制定其AI策略，並開始建置題庫與蒐集AI訓練資料。

2028年，AI平台將建置於政府雲端上，改版後新測驗的試行考試將在韓國境內及海外舉行。新版TOPIK定於2029年生效，屆時AI將編寫試題並為答案評分，針對較低等級的居家測驗試行也將同步啟動。