1. Universal Primer: 回答任何問題,適用於所有人!!
2. Prompt Engineer: 建立或修改 Prompt,適用於使用生成式AI者!!
3. Writing Assistant: 協助修改英文寫作
4. Write for me: 從無到有,中英文皆可,適用於所有人!!
5. JM/期刊論文閱讀與彙整
待補充/彙整....
歡迎推薦
從2009年7月生涯第1次研究休假開始撰寫 blog,以跟同學、好友交流教學/研究,甚至臨床之心得。
以下是我的座右銘:
Try hard enough, you can get what you want!
Talent is the desire to practice.
Slow and Steady wins the game.
Better to light one candle than to curse the darkness.
你現在的努力 要感動未來的你!
只有藉由他人的視野,才能看到自己思考上的盲點。
1. Universal Primer: 回答任何問題,適用於所有人!!
2. Prompt Engineer: 建立或修改 Prompt,適用於使用生成式AI者!!
3. Writing Assistant: 協助修改英文寫作
4. Write for me: 從無到有,中英文皆可,適用於所有人!!
5. JM/期刊論文閱讀與彙整
待補充/彙整....
歡迎推薦
主題:生成式AI輔助生理疾病職能治療實習生學習之提問效能研究
研究目的:
1. 探討不同生成式AI平台(如ChatGPT、Claude、Gemini)在生理疾病職能治療相關提問之回應準確性與實用性
2. 分析職能治療實習生使用生成式AI時的提問策略與模式
3. 設計並驗證提問技巧訓練介入對實習生使用生成式AI學習成效之影響
先用雅婷逐字稿將音檔轉成逐字稿(正確率最高)
再用 Gemini 校對/更正(顯而意見)錯誤(適用長篇逐字稿,可設定 Gem 以自動化校對重點/輸出格式)
再以 NotebookLM 彙整重點(較不會生成新內容)
不能比速度!!
那能比較內容與品質嗎?
先說如何提升回饋品質!!
先以2~3個AI (e.g., ChatGPT+Gemini+Cluade)依據評估表給予回饋,彙整後,再請專家確認。
最後可以產生三種AI回饋版本:1. AI+專家確認之完整版(未限制AI);2. AI完整版(未限制AI);3.以真人考官回饋之字數版本(限制AI回饋字數版)。上述3版本再與真人考官之回饋比較。
評估表可為國際現有知名量表如 GKCSAF或我們自行發展的量表(COT或REST)。
-------------------------------------------------------------------
以下是Claude AI的評論:
這個研究構想很有實用價值,針對醫學教育中的客觀結構式臨床考試(OSCE)回饋機制進行創新探索。讓我分析這個設計的優勢與可能的改進方向:
多層驗證機制 您採用的「AI初步評估→專家確認→多版本比較」流程很周全,能有效控制AI回饋的品質與可靠性。
版本控制策略 三個版本的設計巧妙地區分了不同變因:
評估標準化
AI協作最佳化
專家參與深度
評估一致性 真人考官間的回饋品質本身可能存在變異,建議:
情境適應性 不同OSCE站別可能需要不同的回饋策略,可考慮:
這個研究架構為醫學教育的數位轉型提供了實證基礎,有望為未來的混合式評估模式奠定基礎。
「治療團體帶領」之準備、執行、成果與檢討---這些過程極為複雜!!
我們已挑簡單的先下手--計畫書之評估與回饋,目前已可使用 ChatGPT 協助評估與回饋!!
之前我們已累積諸多團體帶領的錄影檔(如前一貼文所示)...
故我們下一階段 似可 推動以下研究計畫 A, B, C, & D:
A. 發展精神病患職能治療團體帶領表現評估表
研究目的:
1. 以 Cole 團體帶領7步驟為理論架構,發展精神病患職能治療團體帶領表現評估表
2. 驗證其內容效度與表面效度
適用情境:團體帶領/執行錄影之「逐字稿」或「錄影檔」
註解:錄影檔之評估,不論專家或AI皆很費力(或需要高階AI效能)... 逐字稿簡單多了,故可作為初步驗證之情境!
B. 以ChatGPT協助精神病患職能治療團體帶領品質之分析與回饋效能
研究目的:
1. 依據A計畫之評估表,發展治療團體帶領技巧評論之ChatGPT工具,再驗證其信效度
2. 依據上述B1之評估結果,發展治療團體帶領技巧回饋之ChatGPT工具,再驗證其信效度
3. 驗證上述工具之教學效能(預期學員於接受上述評估與回饋3次之後,即有明顯進步!)
-------------------------------------------------------
C. 以ChatGPT協助精神病患職能治療團體帶領之Yalom治療因子分析與回饋效能
研究目的:
1. 依據Yalom團體治療之11項治療因子,發展針對「團體帶領逐字稿」治療因子ChatGPT分析工具,再驗證其信效度
2. 依據上述C1之分析結果,發展治療團體治療因子回饋之ChatGPT工具,再驗證其信效度
3. 驗證上述工具之教學效能(預期學員於接受上述分析與回饋3次之後,即有明顯進步!)
-------------------------------------------------------
D. 以ChatGPT協助精神病患職能治療團體帶領與計畫書所提治療原理之一致性分析與回饋效能
研究目的:
1. 依據團體帶領計畫書所提治療原理,發展針對「團體帶領逐字稿」治療原理之ChatGPT分析工具,再驗證其信效度
2. 依據上述D1之分析結果,發展治療團體治療原理回饋之ChatGPT工具,再驗證其信效度
3. 驗證上述工具之教學效能(預期學員於接受上述分析與回饋3次之後,即有明顯進步!)
我們在臨床收集到的團體錄影檔,應該超過100個團體/錄影檔。
現有AI的技術至少可以分析其音檔/逐字稿(順道做成錄影檔的字幕),且速度快!!
所以我們已啟動「主持人帶領團體表現」之評估與回饋研究計畫!!
另,臨床教學時,後續臨床帶領的團體影音檔,我們應可於2天之內及完成評估與回饋!!
也可交給帶領者自行操作,以快速獲得評分與回饋!!
加上之前計畫書的評分與回饋,即可更完整!!
我相信後續應可證實這些評估與回饋可讓團體帶領的品質與成果「顯著提升」!!
---------------------------------------------------------
上述教學或研究的關鍵在於:「治療師帶領團體表現評估表」之良寙!
早上測試 ChatGPT vs Gemini vs Claude 之 Deep Research 表現 (June 8, 2025)。
我的 prompt: "請彙整2023年迄今,以大型語言模型發展虛擬病人或虛擬考官之實證論文,且可於 PubMed 或 Scopus 資料庫可查詢到的實證論文"
三者皆自動解讀 prompt,列出特定執行流程與範疇,以供使用者確認。
如 Gemini:
----------------------------------------------------------------------------
(1) 針對 PubMed 與 Scopus 資料庫,設定關鍵字組合進行檢索,關鍵字包含「大型語言模型」(Large Language Model, LLM)、「生成式AI」(Generative AI)、「虛擬病人」(virtual patient)、「標準化病人」(standardized patient)、「虛擬考官」(virtual examiner) 及「客觀結構式臨床測驗」(OSCE) 等,並將發表日期限定在2023年1月1日迄今。
(2) 篩選搜尋結果,識別出屬於「實證研究」性質的論文,排除純理論探討、評論或會議摘要等非實證文章。
(3) 針對每一篇符合條件的論文,詳細摘要其核心內容,包括:
(a) 研究使用的具體大型語言模型(例如 GPT-4, Llama 等)。
(b) 虛擬病人或考官的應用情境(例如:醫學教育、臨床技能訓練、能力評估)。
(c) 研究方法與設計,包含系統開發流程與評估方式。
(d) 主要研究發現、數據結果與成效。
(4) 綜合所有論文的資訊,分析當前以大型語言模型發展虛擬病人或考官的技術趨勢、主要挑戰(如:回答的準確性、安全性、倫理問題)以及未來研究方向。
(5) 比較不同研究在方法學上的異同,例如提示工程(prompt engineering)的技巧、評估虛擬角色表現的指標,以及衡量的教育成效。
---------------------------------------------------------------------------
我確認或修改後,他們就開始執行!!
約10分鐘後(可去喝茶/咖啡),就彙整出來了,包含參考文獻(正確率很高,皆可連結/驗證)!
效能一定超越碩班畢業生水準,因為時間效率(應是50:1--碩班畢業生至少要花50倍的時間,品質就不說了;博班生或是20:1)。
ChatGPT vs Gemini vs Claude 三者表現差異呢? 我覺得差不多!!
如 4. 擬定適當且完整治療計畫。
5. 記錄與報告病人的臨床事件。
6. 記錄與報告精神疾病病人的臨床資料。
生成式AI醫學教育標準---
後續宜發展「以生成式AI發展影音教材之SOP與評估標準」&「以LLM發展虛擬病人與虛擬考官之SOP與評估標準」,因為這些SOP與評估標準皆對於後續的醫學教育研究具有很重要的指引與驗證需求。
---------------------------------------
以下是針對「以生成式AI發展影音教材之SOP與評估標準」的評論:
獨特價值:技術創新與教育結合:
個人化學習的突破:
教學設計整合:
---------------------------------------------------
「以LLM發展虛擬病人與虛擬考官之SOP與評估標準」
創新價值:
---------------------------------------------------
VP 驗證模式:
對話內容之一致性與正確性(>12項*2種對話來源[自然對話(>10 examiness)與設定對話(New Chat 3次)]*>5VP)
對話風格之一致性與正確性(>5項*2種對話來源[自然對話與設定對話]*>5VP)
專家設定對話,以FIFE言,可約12題(可驗證prompt有無舉例/設定)
VR (virtual rater) 驗證模式:
評分與回饋內容之一致性與正確性
先考量需要(重要)性與急迫性
重要性如
生成式AI之於醫學教育之應用
精神個案會談(含FIFE訪談等)
-----------------------------------------------------------------------
再考量製作單元:
如「FIFE訪談」
1. FIFE之概念與價值
2. FIFE之訪談架構(與紀錄)
3. FIFE訪談之準備
4. FIFE訪談之執行流程
5. FIFE訪談之紀錄與後續追蹤
如「生成式AI之於醫學教育之應用」
- 「期刊論文閱讀或彙整」(可再分為2主題: ChatGPT & NotebookLM之應用)
- 「期刊論文閱讀或彙整之目標」整體與各層級學員
- 「虛擬病人之發展」概念說明
- 「虛擬病人之發展」實例說明
- 「虛擬考官之發展」概念說明
- 「虛擬考官之發展」實例說明
- 「知識測驗之發展」概念說明
- 「知識測驗之發展」概念說明
接續翻修「教學影音檔」之構想,我需先掌握製作高品質「教學影音檔」之關鍵元素:
畫面構圖與清晰度:確保畫面解析度至少1080p,文字大小足夠在各種裝置上閱讀。避免過於複雜的背景,保持視覺焦點明確。
色彩搭配:使用高對比度的顏色組合,確保文字與背景有足夠區別。
版面配置:採用一致的版面設計,重要資訊放在畫面中央偏上位置,符合觀眾視線習慣。
語速與發音:適中語速(每分鐘約150-180字),發音清晰,適時停頓讓觀眾消化資訊。
音量平衡:確保旁白、背景音樂、音效間的音量層次分明,背景音樂不應干擾主要內容。
邏輯組織:建立清楚的學習目標,按照「引言→主體→總結」架構,每個段落都有明確主題。
節奏控制:適當運用停頓和轉場,避免資訊過載。複雜概念分段解釋,給觀眾思考時間。
重點強調:透過視覺提示(如箭頭、圈選、變色)或語音強調來突出關鍵概念。
字幕添加:提供字幕,有助理解。
視覺輔助:善用圖表、動畫、示意圖來解釋抽象概念,文字與圖像相輔相成。(Note: 這就需要大幅補強了!!確認哪些「概念」「內容」分別需要圖表、動畫、示意圖!!我自己/學生以及 AI 應皆可協助挑選)
導航設計:在較長影片中,加入章節標記或時間軸,方便觀眾跳轉到特定段落。
檔案格式:選用相容性良好的格式(如MP4),確保在不同平台播放順暢。
載入速度:適當壓縮檔案大小與品質間取得平衡,考量不同網路環境的觀眾。
行動裝置適配:確保內容在手機、平板上也能清楚呈現,文字大小和按鈕設計要適合觸控操作。
這些元素相互影響,需要整體考量才能製作出既專業又易於學習的教學影音內容。
--------------------------------------------------------------------------------------------------------------
CapCut在提升教學影音品質方面有許多實用功能,以下是特別適合的工具與注意事項:
自動字幕生成:其語音識別功能可自動產生中文字幕,準確度高。但仍需人工校對,特別注意專業術語、標點符號的正確性。這適用於舊影音檔,以改良內容,提升含金量。
音訊優化工具:內建降噪功能可改善收音品質,音量均衡器有助調整不同音軌的平衡。善用「音訊修復」功能處理雜音問題。這適用於舊影音檔。
範本與轉場效果:提供教育類範本,但避免過度使用花俏轉場,簡潔的淡入淡出更適合。
文字動畫:豐富的文字效果可突出重點,但選擇時以清晰易讀為優先,避免過於炫目的動畫干擾學習。
可複製聲音(voice clone):
字幕樣式設計:
色彩與視覺:
音訊處理細節:
匯出設定優化:
分段剪輯:先完成粗剪確定結構,再逐段精修,避免在細節上耗費過多時間。
多版本備份:CapCut會自動儲存,但重要節點建議手動「另存新檔」,方便回到先前版本。
行動端測試:由於CapCut主要為行動裝置設計,完成後務必在手機上觀看測試,確認字幕大小、按鈕位置等細節。
雲端同步:善用CapCut的雲端功能,可在不同裝置間無縫接續編輯工作。
記住,AI工具雖然便利,但教學內容的核心仍在於清晰的邏輯結構與有效的知識傳達。技術只是輔助,內容品質才是關鍵。
-------------------------------------------------------------------------------------------------------------
ElevenLabs在教學影音製作中有獨特優勢,以下是關鍵應用與注意事項:
高品質語音合成:
多語言支援:
語音克隆功能:
旁白製作:
多元內容形式:
自然度調校:
文本優化:
品質控制:
前期準備:
製作過程:
後期整合:
優勢:
限制:
建議將ElevenLabs作為教學影音製作的效率工具,特別適合標準化內容、大量製作需求,或是需要多語言版本的情況。但對於需要強烈個人風格或情感連結的內容,仍建議搭配真人錄音使用。
----------------------------------------------------------------------------------------------------
ElevenLabs與CapCut的整合運用可以大幅提升教學影音製作效率,以下是最佳實踐流程:
第一階段:內容規畫
第二階段:音頻製作
第三階段:視覺整合
音頻品質提升:
製作效率最大化:
內容一致性:
檔案管理策略:
專案資料夾/
├── 01_原始文本/
├── 02_ElevenLabs音頻/
│ ├── 段落01.mp3
│ ├── 段落02.mp3
├── 03_CapCut專案/
└── 04_最終成品/
參數設定統一:
品質檢查流程:
批量製作模式:
多版本管理:
A/B測試優化:
音頻同步問題:
檔案相容性:
成本控制:
這種整合運用方式可以將兩個平台的優勢最大化,ElevenLabs專注於高品質音頻生成,CapCut負責視覺整合與後製,達到專業級的教學影音品質。
最近因朋友有需求,我就開始玩玩複製聲音(Voice Cloning)...
APP至少有3種以上了...功能至少有5:
我目前使用 ElevenLabs (for AI 語音技術),也在玩玩 Capcut (剪映 for AI 影像編輯)
快速作品一:OT倫理學課程總結 (點選後可直接播放或需下載 mp3 音檔)
快速作品二:介紹特定研究(英文)
作品一的創作流程:1. 提供PPT請 ChatGPT 生成演講稿;2. 修飾/補充演講稿;3. 使用 ElevenLabs 幫我「演講/念稿」。
作品二:只是改成英文文稿....
-----------------------------------------------------------------------------------------------------
以下是生成式AI對於上述技術於「後續教學應用」的看法:
作為教授,「語音複製技術」在教學中有許多實用的應用場景:
1. 課程內容製作
- 預錄講課內容,讓您能夠輕鬆創建一致品質的線上課程
- 不必每次都重新錄製,只需編輯文字稿即可生成新的語音內容
2. 多語言教學
- 將您的講課內容翻譯成不同語言,但仍保持您的聲音特徵
- 協助國際學生更熟悉您的教學風格
3. 自適應學習資源
- 為不同程度的學生創建客製化的補充教材
- 製作解說影片或音頻指南,解釋複雜概念
4. 教學效率提升
- 節省重複錄製相似內容的時間
- 在身體不適但需要提供教學內容時派上用場
5. 學生輔導資源
- 創建常見問題的語音解答庫
- 製作學習指南和複習材料
6. 無障礙教學
- 為視障學生提供更多音頻學習資源
- 將教科書或文章轉換為音頻格式
7. 虛擬辦公時間
- 回答常見問題的自動化語音回應
- 為無法親自參加的學生提供錄製的解釋
使用這類技術時,建議向學生透明說明部分內容是使用AI語音生成的,並注意確保生成內容的準確性。同時,請考慮您所在機構對此類技術的政策規定。
--------------------------------------------------------------------------------------------
後續應用:
1. 諸多課程或臨床技能教材,皆可套用之。
2. 新知介紹亦然(如新的論文,先以 ChatGPT 產生文稿,確認內容後即可....或是任何擬以語音通知他人之內容)
3. 可結合 NotebookLM 的 Podcast, 提供學員更多選擇。
作品 3:「本推文之介紹--由本人介紹」「NoteBookLM Podcast」
* NotebookLM 可將音檔轉成逐字稿!!
可能任務:
1. 協助驗證虛擬病人與考官的表現(如 FIFE 訪談--中風病人與思覺失調病人)
*ChatGPT扮演虛擬病人與考官//臨時研究人員於熟悉FIFE訪談之後,協助測試之
*需要1~3位(可學習FIFE訪談技巧/溝通技巧/同理技巧)
*後續可協助發展虛擬病人(學習提升ChatGPT之使用層級)
2. 協助測試ChatGPT輔助期刊論文閱讀方法之效能
*跟老師挑選一主題論文之後(至少3~5篇),排定閱讀順序,再測試之
*「ChatGPT輔助期刊論文閱讀之方法」請參考之前的貼文(如何運用 ChatGPT提升期刊論文閱讀之效能)。
*需要1~3位(可學習論文內容與提升論文閱讀效能)
*後續可協助改良ChatGPT輔助期刊論文閱讀方法(含改良 GPT;學習提升ChatGPT之使用層級)
請評論:「如何提升判斷力,以深入理解或掌握生成式AI提供的資訊
1. 確認是否具備足夠的相關知識(可請AI給予測驗,選擇題至少答對8成。若重要的概念/知識,宜以問答形式為之)
2. 確認是否具備良好的參考資料/教科書(可請AI提供,你閱讀/吸收後再回到步驟1)
3. 將最終結論(所獲得的知識/概念),請其它AI評論,若評論過於 nice, 宜再以嚴謹的標準評論之。」
先挑選一領域或擬深入理解之概念或相關概念,也可以找相關/經典文獻或網頁(以作為標準)。這也可請 ChatGPT或 Gemini 協助找相關/經典文獻或網頁!
Gemini 2.5 強化版的流程可以是:
關鍵在於: 將AI視為一個有效率的助手、靈感來源或初步資訊整理者,而不是知識的最終權威或驗證者。真正的判斷力提升,來自於你主動學習、批判性思考、多元驗證以及與真實世界(包括專家和權威資料)的互動。
1. FIFE知識之教學方法與效能驗證
2. 訪談技能(包含記錄)評估工具發展與驗證(含訪談能力、溝通技巧/同理心、記錄與應用能力)
3. 虛擬病人發展與驗證(不同診斷)
4. 虛擬考官發展與驗證(依據#2以及回饋模式)(結合 #2 量表與自動回饋模組,可形成完整「自學—自評—即時回饋」生態系。)
5. FIFE訪談學習模式(多種模式,如線上到實務;不同設計)發展與驗證(含學員對於FIFE之態度驗證--(FIFE Attitude Scale, 需自行研發並驗證))
---------------------------------------
CBME 之 milestones (ChatGPT 生成)
參考CBME 里程碑以及 FIFE 訪談所需的多面向能力,重新改寫整體研想構想如下(與 Gemini 2.5討論):
研究計畫總標題:
建構、實施與評估一個基於能力導向醫學教育(CBME)里程碑之 FIFE 訪談核心能力整合性培育計畫
計畫願景 (Overall Goal / Vision):
本研究旨在發展、實施並評估一個全面性的 CBME 教育計畫,聚焦於「病人疾病經驗」-- FIFE(感受 Feelings, 想法 Ideas, 功能 Function, 期望 Expectations)訪談核心能力。此計畫將透過明確的發展性里程碑,系統性地培育學習者掌握執行有效 FIFE 訪談所需的相關知識與能力(包含基本知識、閱覽病歷資料/擷取相關資訊、溝通技巧、同理心、認知整合(記錄)與應用能力及相關態度),建立一個從學習、準備、練習、應用、評估到回饋的完整教育生態系,最終目標在於提升以病人為中心的溝通品質與醫療照護成效。(自我學習的生態系統!?)
核心理念與概念框架 (Conceptual Framework):
具體研究目標與內容 (Specific Research Aims / Phases):
第一階段:奠定 FIFE 能力框架與評估基礎 (Foundation & Assessment)
第二階段:設計與驗證里程碑導向的學習體驗 (Learning Experiences)
第三階段:開發與整合科技輔助學習與評估工具 (Technology Integration)
第四階段:整合性計畫實施與成效評估 (Program Implementation & Evaluation)
研究流程與關聯性 (Interdependencies & Flow):
第一階段是整個計畫的基石,其產出的里程碑框架與評估工具是後續所有研究的依據與標準。第二、三階段可部分平行展開,但教學活動(第二階段)的設計與成效評估需依賴第一階段的工具,科技工具(第三階段)的開發也需以第一階段的框架為基礎。第四階段則是對前三階段成果的整合應用與總體檢驗。
預期貢獻與影響 (Expected Impact):
這個修訂後的計畫更強調能力的發展性、多面向性,並將 CBME 里程碑作為貫穿始終的核心架構,希望能更全面且深入地探討 FIFE 的教與學。