1 共同起點
先定要交出什麼
這些作品的共同起點:不是 AI,而是教學目標
要交出的三樣產出
- 一條可以在 PubMed 執行的搜尋式
- 一份 AI 摘要的原文查核紀錄
- 一句帶條件的照護建議
今日學習目標
- 辨識 AI 的角色與限制
- 完成 PICO 與搜尋式
- 整理並核對一篇文獻
- 形成具條件與限制的建議
這三樣第 14–15 週小組報告、占學期 40% 直接用得上
課程結束時,要完成一項可查核的照護建議。
2 怎麼拆
一堂課拆成八個階段
老師端課堂主控把一堂課拆成八個階段。每一段都寫了:時間、對應簡報頁、「為什麼安排這一段」、講師備註。
- ① 開場定調第一堂 0–3 分
先講清楚「今天要交出什麼」並連結期末報告,學生才會覺得這堂課跟自己有關。
- ② 先卡關,再談 AI第一堂 3–16 分
不直接教 AI,先讓學生自己動手試、真的感受到搜尋的困難,AI 才不會一開場就被當成萬能解方。
- ③ 建立 5A 框架第一堂 16–26 分
把剛才的「感受」轉成可依循的知識框架,再用遊戲測試學生分得清 AI 與人的責任分工。
- ④ 工具與判斷力第一堂 26–50 分
從「有哪些工具」到「怎麼選」到「教師現場示範怎麼用」,再把示範收成一張搜尋策略地圖。
- ⑤ 風險意識+中場第一堂 50–60 分
動手實作前,先建立警覺心;中場帶著任務休息,回來才能直接開工。
- ⑥ 分組動手做一次第二堂 0–19 分
真正走一次「提問→檢索」的完整動作。
- ⑦ 查核與交通燈第二堂 19–37 分
從遊戲測試安全判斷,到真正動手查核一次 AI 產出,最後用一個好記的口訣把查核方法收攏起來。
- ⑧ 分享.挑戰.總結第二堂 37–50 分
設計主軸:先卡關,再給工具,然後每一步都回查。
用到的框架:5A(Ask/Acquire/Appraise/Apply/Assess)、PICO、證據等級(Melnyk 七級)與 GRADE。
3 活動與講師備註
每張簡報旁邊,就是活動與講師備註
以第②階段「先卡關,再談 AI」為例
- 簡報 p3「今天從一個臨床問題開始」:住院高齡病人使用離床警報器,真的能降低跌倒嗎?先寫直覺答案。→ 學生端「第一活動」作答
- p4–5 暖身 Q&A 遊戲:遇到臨床問題你第一步會做什麼?A/B/C/D,點擊揭曉
- p7「三分鐘搜尋挑戰」→「第二活動」逐欄填寫:平台、關鍵字、找到什麼、卡在哪裡
學生端共 7 個活動
①從臨床問題開始 ②三分鐘搜尋挑戰 ③試寫 AI 提示詞 ④分組與角色、選案例 ⑤PICO 與提示詞、搜尋式 ⑥回原文核對+VERIFY ⑦證據等級比對與建議句
另有交通燈遊戲:綠燈:關鍵字、格式整理;黃燈:摘要、比較與研究解讀,須回原文確認;紅燈:病人個資不得輸入外部 AI。
4 老師端主控=教案
老師端主控,就是一份教案
講者的解讀,不是該課程平台的原文說法
流程、理由、活動、簡報放在一起,就是一份教案
今天你做的教案,也能長成這樣。
5 總覽
一眼看出學生卡在哪
老師端「總覽與匯出」
- 每 2 秒自動更新各組:案例、已送出活動數(/7)、最後更新時間、目前進度
- 可下載 JSON/CSV;匯出內容不含學生姓名,只以組別標示(匿名)
9/17:12 組中 7 組停在「第三活動:試寫 AI 提示詞」→ 下一次教案就改這一段(多給範例或拆小步)
評分規準六向度(老師端):配分如下。
6 人工覆核
AI 的判定是候選結果,須人工覆核
課後延伸:證據中心
文獻判讀拆成 8 步
- 1取得
- 2問題
- 3設計
- 4評讀
- 5效果量
- 6GRADE
- 7適用性
- 8摘錄
累積成文獻矩陣,並自動點出研究缺口。資料存在本機瀏覽器。
頁面明寫:「本平台之自動判定皆為候選結果,須經人工覆核後方可用於正式決策」
AI 起草,我來判斷
7 對回今天
對回今天的三段實作
對應是講者的說法