三軍總醫院小兒部主治醫師
丁肇壯
關鍵詞： 人工智慧、能力本位醫學教育、可信賴專業活動、職場評估、數位評估系統、學習者儀表板、AI 輔助開發、Streamlit、醫學教育科技、學習分析
能力本位醫學教育（CBME）與可信賴專業活動（EPAs）已確立為全球醫學教育改革的核心趨勢，旨在確保醫學畢業生具備獨立執業所需的核心專業能力。然而，職場評估（WBA）的數據收集與管理在實務推行中遭遇顯著挑戰，削弱了評估的有效性，難以滿足 CBME/EPA 所要求的高標準。
WBA 強調在真實臨床情境中對學習者表現進行觀察與回饋，但臨床教師面臨的時間壓力與行政負擔嚴重壓縮了投入評估的精力；臨床環境的變動性導致觀察機會不均，可能無法全面反映學習者能力；傳統記錄方式耗時且易出錯，評估數據常散落於不同媒介；回饋的具體性、可操作性及時效性差異甚大；評估者間的評分標準可能存在差異，且易產生評估疲勞。這些挑戰凸顯了尋求創新解決方案的迫切性，特別是利用科技手段簡化流程、提升數據質量的必要性。本文旨在探討如何運用人工智慧（AI）輔助工具與快速應用程式開發框架，賦能醫學教育者開發客製化的數位評估系統，以應對前述困境。
傳統上，開發數位評估系統需要高度專業化的程式設計技能，對多數醫學教育者而言構成顯著的技術門檻。雖然市面上存在功能強大的商業平台，但其高昂成本與有限的客製化彈性，往往難以完全契合特定教學場域的獨特需求。人工智慧（AI）輔助工具與低程式碼/無程式碼開發平台的興起，正改變此一現狀：
諸如 GitHub Copilot 之類的工具，允許教育者運用自然語言描述功能需求（例如：「生成用於計算評分平均值的 Python 函數」），由 AI 負責生成、解釋或優化程式碼。AI 能理解專案上下文，提供相關建議，有效降低了編碼的技術門檻，加速將教育構想轉化為功能性應用程式的過程。
Streamlit 提供了一個簡潔的 Python 應用程式介面，使開發者無需掌握複雜的前端技術，即可快速建構互動式的網頁應用。其強大的數據處理能力可直接整合 Pandas、NumPy 等資料科學套件，實現數據的即時轉換、過濾與分析。在視覺化方面，Streamlit 支援多種圖表庫（如 Matplotlib、Plotly、Altair 等），能夠創建高度客製化的互動式儀表板，包含動態篩選器、多層次資料展示、即時更新的趨勢圖表等。這些特性使教育者能依照特定教學需求自由設計數據呈現方式，無須依賴預設模板的限制。其內建的即時更新機制顯著加速了原型設計與迭代的過程，特別適用於開發評估數據輸入介面與個性化的視覺化儀表板。
AI 輔助工具與 Streamlit 等框架的結合，催生了一種以使用者意圖為中心的協作開發模式。在此模式下，教育者能專注於清晰表述其功能需求與期望，而由 AI 負責處理相應的技術實現細節。透過持續的人機對話與微調，教育者與 AI 協同工作，逐步完善數位工具，確保其高度貼合實際教學需求。此開發模式使醫學教育者能夠將其寶貴的領域知識和教學經驗直接融入數位工具的設計過程中，從而開發出能有效解決臨床教學現場實際問題的應用，提升了工具的實用性與接受度，並減少了對外部資訊技術資源的依賴。
以 AI 輔助工具與 Streamlit 框架開發的 EPA 進度追蹤器概念原型，其核心功能包括：優化的數據輸入介面，採用視覺化元件提升操作效率；強大的自動化數據處理機制，支援資料的清理、轉換與驗證；高度客製化的視覺化儀表板，提供多維度篩選、互動式趨勢圖、自適應布局，以及多種視覺化圖表選擇，使用者可從整體概覽深入至評估細節，並獲取個性化的數據驅動洞察。此原型由教育者主導設計，緊密貼合臨床教學的實際需求，同時證明了非技術背景的醫學教育者亦有能力參與並主導數位教育工具的創新與實踐。
採用 AI 輔助工具與快速開發框架賦能教育者開發數位評估系統，預期可帶來多重效益，同時亦伴隨若干挑戰：
此類系統能顯著簡化數據輸入流程、實現數據處理自動化、整合過往分散的評估記錄，從而減輕臨床教師的行政負擔；系統功能可根據特定課程或機構的獨特教學需求進行量身訂製，有助於提升使用者對工具的接受度與實際應用成效；有助於推動以學習者為中心、強調形成性評估與及時回饋的評核文化；同時提升醫學教育者的數位素養與教育科技創新能力，使其能更好地適應未來醫療與教育科技融合的趨勢。
在賦能機制方面，學習者可透過個人化的儀表板即時獲取評估數據，追蹤自身進展、識別能力優勢與待改進領域，從而制定更具針對性的個人學習計畫；教育者則能透過系統化的數據更有效地識別需要額外支持的學習者，以及評估教學策略的成效。
在推行過程中，必須審慎應對數據隱私與安全的挑戰，嚴格遵守相關數據保護法規，採取適當的技術與管理措施；需要為教育者提供必要的技術培訓與理念溝通，克服可能存在的技術焦慮或變革抵觸情緒；應明確 AI 在評估流程中的輔助角色，最終的評估判斷與決策仍需由具備專業素養的人員負責；同時需考慮系統運行所需的基礎設施支持及長期維護更新的資源投入。
AI 輔助工具與 Streamlit 等快速應用程式開發框架為醫學教育者提供了一條開發客製化數位評估系統的可行路徑，有望透過簡化數據收集流程、提升分析效率及強化視覺化呈現，促進 CBME/EPA 的有效實施。儘管面臨諸多挑戰，此一教育者主導的數位創新模式預期將顯著提升醫學教育品質，引領醫學教育邁向更智慧化、更以學習者為中心的發展新階段。
