國防醫學院 生物及解剖學科暨研究所 教授兼所長
陳瀅

從教學現場出發：AI輔助基礎醫學教育的探索與省思

---

  近年數位轉型與人工智慧（Artificial Intelligence，AI）技術的發展逐漸對各領域產生影響，教育現場亦開始出現相關的嘗試。在基礎醫學教育中，我們觀察到AI應用的潛力與可能性，特別是在解剖學課程的輔助教學上。本文僅為一位教學工作者在實務操作中之初步經驗與觀察分享，期盼拋磚引玉，促進更多交流與討論。

數位轉型的契機：當AI遇上解剖學

  早在疫情期間，虛擬與遠距學習需求的激增，讓我們意識到「數位工具」不再是教學的輔助品，而是必要條件。這幾年，開始嘗試結合虛擬實境（Virtual Reality，VR）、擴增實境（Augmented Reality，AR）與3D掃描技術，用於解剖學實驗課的模型建置與教學。數位工具如BodyMap、Dissection Master、Complete Anatomy，不僅豐富了學生的學習視覺，也讓「理解」從死記硬背中解放出來，轉為動態的空間思考。

  在大體解剖學實驗課中，我們嘗試使用平板或手機掃描各部位的解剖構造，將其轉為數位3D檔案，學生可在平台中進行旋轉、標註與註解，甚至運用Mobile Extended Reality（MXR）回到真實空間中互動學習。這樣的嘗試，不只是「科技加值」，更是試圖拉近學生與人體結構的距離，讓抽象與複雜變得可見、可操作。

AI輔助出題：減輕負擔之外，也創造機會

  除了教材的轉型，AI也進入了出題這個我們再熟悉不過的教師日常。在每學期都需出多次考題的解剖、組織學與胚胎學課程中，教師常面臨題型重複、題庫枯竭與時間壓力的三重挑戰。我們實際導入AI出題工具，嘗試將教學內容與圖片搭配，以自然語言提示生成選擇題。過程中，教師不再是「出題者」而是「題目調校者」，反覆潤飾與增補關鍵知識點。

  初步觀察下來，AI出題可提升題目多樣性，避免重複，並降低教師的行政負擔。這也引發我更多思考—未來是否能建構屬於解剖學的智能題庫系統，依據學生程度、學習歷程自動出題與提示？也許，我們能走得更遠。

AI分析學習困難：數據背後的故事

  然而，比起教材與出題，最令我感受深刻的，是AI在學生學習分析上的應用。過去我們往往憑直覺與經驗判斷學生是否學習有困難，但AI讓我們首次可以用數據去印證這些感受。

  我們將無名化的成績資料上傳系統進行分析，結果顯示：解剖學實驗與組織學實驗的成績呈現中度偏高的正相關（r = 0.61），也就是說，將近七成解剖實驗不及格的學生，組織學實驗也會遭遇困難。這樣的結果提醒我們，學生的學習瓶頸可能並非單一科目，而是整體性的理解或整合能力問題。

  更深入分析後發現，在大體解剖實驗三次跑台考試中，第一次考試未達40分的學生，經過教師實際在解剖檯旁協助複習後，平均可進步13.7分，且四分之一的學生進步超過27分，這令人振奮。然而，若學生第一次成績極低（低於20分），即使複習效果仍有限，顯示單一補救可能不足，需更早期、多元的介入。

  這些數據不只是為了排名或評鑑，而是提供我們與學生對話的依據。在一對一的輔導中，我們可以幫助學生認識自己的學習盲點，也讓我們設計課程時能更貼近學生的需要。

展望未來：AI是輔助，不是取代

  AI的加入，並不代表教師角色的式微。相反的，它讓我們更有餘裕思考「如何教」、而不只是「教什麼」。我們仍需設計課程節奏、判斷學生反應、提供溫度與理解—這些是目前AI尚無法替代的。

  在應用AI的過程中，我們也深刻體會到它的限制。例如，數據樣本若不足，分析準確性便有限；學生隱私的保障與資訊倫理的界線也需謹慎拿捏。這些挑戰值得我們教師社群共同討論與規劃。

結語：教師，是AI應用的靈魂

  回顧這段教學歷程，從一開始的技術嘗試，到後來結合AI進行學習成效分析，我逐漸體認到—科技只是起點，教學課程設計與判斷才是核心。AI能協助我們看見學生「還沒說出口的困難」，也能讓我們的教材更具彈性與趣味。但最後的那一步，仍需教師去引導與陪伴。

  也許，這正是我們作為教師的價值所在：在AI協助下，讓教育回到人本，讓知識與關懷同步傳遞。