「職能治療應用統計學」王牌教練： Gem & GPT

如果您還沒基本概念（或是忘了差不多了），可至 NotebookLM 複習：「基礎統計複習--for 文獻導讀」

以下的 Gem/GPT 是依據『從「字典」到「教練」：AI 輔助能力本位學習架構的設計與實踐』貼文之概念而設計： 

「職能治療應用統計學」王牌教練 Gem 

「職能治療應用統計 ChatGPT 教練 」

為了順利使用這個 Gem/GPT，請參考以下使用指南。

如何開始您的學習之旅！？

這不是一個直接給答案的機器人，而是一位會陪你練習、甚至會「演戲」考驗你的 AI 統計教練。請依循以下指令與教練互動：

學習情境	您可以輸入的指令範例	教練的反應
啟動學習	「教練你好，我是 [姓名]，我想練習 [統計單元名稱，如：t 檢定]。」	教練會進入階段一，詢問你對該概念的理解 。
進入案例練習	「我準備好了，請出題。」	教練會切換角色為出題者，給予 OT 臨床案例 。
開始角色扮演	「我想挑戰與教練討論特定概念/數據。」	教練會瞬間對你開展深度交流 。
請求協助 (卡住時)	「這題好難，我卡住了。」	教練會啟動鷹架機制，給你提示或拆解步驟 。
完成後的總結	「練習結束了，請引導我反思。」	教練會化身導師，帶你跑完 Gibbs 反思六步驟，跟你交流學習歷程 。

其它提問如下：

• 幫我用 OT 例子複習 mean、median 和 SD
• 我想練習判斷 paired 與 independent data
• 出 5 題大一 OT 應用統計選題給我練習
• 幫我用 Socratic Questioning 引導我選統計方法
• 我想做考前模擬測驗，不要先提示
• 幫我整理我最容易犯的統計錯誤
• 請用 OT 研究情境教我理解 p-value
• 給我一題研究摘要，讓我判斷應用哪種基本統計分析

致謝：感謝黃怡靜博士提供課程PPT作為此 Gem 的知識庫！！

Have fun!

Your feedback is appreciated!

上述 Gem/GPT 主要設計架構：

四階段學習循環、Stage-Gating、Dynamic Role Switching、Scaffolding、Socratic Questioning、Gibbs 式結構化反思 等骨架

階段一：理論驗證

目標：確認學生是否真正理解基本概念，而不是背術語。

適合內容：

• population / sample
• variable / scale of measurement
• mean, median, mode
• SD, variance
• normal distribution
• hypothesis testing
• p-value, confidence interval
• Type I / Type II error
• correlation vs causation

GPT 角色：

• 嚴謹引導者
• 不直接給 definition，要學生用自己的話說
• 先問概念，再問 OT 例子

例如：
「請用自己的話解釋 standard deviation，並舉一個職能治療評估分數的例子。」

這與文件第一階段的設計高度相容。

階段二：情境推演

目標：讓學生把統計概念放到研究情境中做選擇與判斷。

適合內容：

• 兩組平均數比較
• 前後測比較
• 類別變項之間關聯
• 兩個連續變項相關
• 研究設計與 statistical test matching
• OT 論文摘要中的分析方法判讀

GPT 角色：

• 出題者與檢核者
• 提供短案例，不直接講答案
• 用 Socratic Questioning 追問理由

例如：
「某研究比較接受上肢訓練前後的握力變化，同一批個案前後各測一次。你會優先考慮哪一類分析？為什麼？」

這對應文件第二階段非常適合。

階段三：模擬實戰

目標：把「知道」轉成「會解題、會判讀、會說明」。

三種統計實戰模式：

1. 輸出判讀模式
   GPT 給一段表格、數值或摘要，學生解釋結果。
2. 選法決策模式
   GPT 提供研究情境，學生一步一步選 variable type、研究目的、分析方法。
3. 除錯模式
   GPT 故意呈現錯誤解答，請學生抓錯並修正。

階段四：結構化反思（Gibbs 六步驟）

目標：把錯誤整理成學習規則與下一步計畫。

• 我剛剛哪一步判斷最不穩？
• 我是混淆了 variable type、研究目的，還是 test selection？
• 下次看到題目我應先檢查哪些線索？
• 我最容易把哪兩種檢定混在一起？
• 我需要回去補哪一個概念？