← 學生之門 · 註七
把 AI 請進教室之前，先把護欄立好。
四條護欄不是限制，是讓工具永遠服膺於人的教育學。每一條都有學理的地基。
一・增強，永不取代
美國醫學會刻意使用「增強智能」（augmented intelligence）而非「人工智慧」，
並要求合格的人始終在迴路中（human-in-the-loop）——能介入、能推翻 AI 的輸出。
Bainbridge 在 1983 年就寫下了自動化的反諷：系統越自動，人越少動手，技能越易退化（deskilling）；
而真正需要人接手的，恰是機器失靈的罕見時刻。所以：AI 可以起草，你才是道德與法律的主體。
二・批判，不只是使用
AI 會做出四平八穩的分析——流暢、可信、偶爾全錯。專刊的 AI 專文提醒：
可解釋性不足、偏誤會沿著資料傳播。我們的答案是把批判寫進課程：
認識論警覺（知道 AI 的極限）、信任校準（我們的 AI 會故意犯錯，看你抓不抓得到）。
AI 是被你審視的對象，不是答案機。
三・聚焦醫療照護品質，持續精進
教學的終點是病人。Bodenheimer 與 Sinsky（2014）在三重目標（病人經驗、群體健康、成本）之上
加了第四項——照護者的福祉；其後更有第五項：健康公平。
能力為本的醫學教育（CBME）有五項核心元件（Van Melle 等，2019），
從結果框架到計畫性評量，都指向同一件事：課程與你一起被評估、被改善——
評量資料的使用另有倫理架構：參與、預期行動、品質、不可行動因子（專刊資料倫理篇）。
四・成長性思維，共創共學
Dweck 的成長型思維：能力是長出來的，不是固定的——醫學教育的實證顯示，
它關乎回饋文化與弱勢學習者的落差。Batalden（2016）說得更徹底：
「服務永遠是共同生產的」——醫療如此，教育也如此（Englander 等，2020）。
在這裡，承認不會，是學習的開始；老師先示範。
出處
- AMA. Augmented Intelligence in Health Care 政策與 AI Principles（human-in-the-loop 要求）。ama-assn.org
- Bainbridge L. Ironies of Automation. Automatica. 1983;19(6):775-779.
- Demystifying AI: Current State and Future Role in Medical Education Assessment. Acad Med. 2024;99(4S).
- Bodenheimer T, Sinsky C. From Triple to Quadruple Aim. Ann Fam Med. 2014;12(6):573-576.
- Van Melle E, et al. A Core Components Framework for Evaluating Implementation of CBME Programs. Acad Med. 2019;94(7):1002-1009.
- Considering the Secondary Use of Clinical and Educational Data. Acad Med. 2024;99(4S).（資料倫理四考量）
- Dweck CS. Mindset: The New Psychology of Success. 2006；Theard MA, et al. eClinicalMedicine. 2021.
- Batalden M, et al. Coproduction of Healthcare Service. BMJ Qual Saf. 2016;25:509-517；Englander R, et al. Acad Med. 2020.