公開學術筆記本
筆記與連繫。
記錄物理治療教育、評估、教與學、人工智能、虛擬實境、模擬教學及臨床科技的工作構思。
研究路徑
沿路探索構思
透過四條互相連繫的路徑探索筆記。每個站點均可開啟筆記;多色站點代表內容連接多個主題。
學術筆記
瀏覽筆記庫
評估與模擬客觀結構式臨床考試
OSCE 應評估可觀察的臨床能力,而不是把筆試轉化為實務形式。
核心原則
- 每個考站均須對應學習成果及明確的臨床技能或推理過程。
- 統一考官提示、模擬病人回應、設備、時間及場地設定。
- 採用足夠數量的考站與觀察,以支持具理據的判斷。
- 確保考生指示、考官指南、病人劇本及評分準則互相一致。
- 正式推行前先試行考站,並培訓考官與模擬病人。
優良的考站能清楚呈現學習者的表現,同時保障效度、信度、真實性、安全及公平。
課程功能解剖學課程發展
功能解剖學應把解剖知識、觀察及臨床應用連結起來。
- 重視表面解剖觸診、步態、坐站轉移、深蹲、提踵及踏步評估。
- 協助學生把動作品質與可能的功能障礙連繫起來。
- 明確教授同意、適當暴露、遮蓋及尊重病人的觸診方式。
- 把功能動作與針對性測試結合,作為快速臨床篩查。
- 平衡直接教授的內容與有結構的自主學習。
課程動作科學課程發展
動作科學教學應從可見的功能出發,進而解釋生物力學,最後連結至臨床決策。
- 區分骨運動學與關節運動學。
- 解釋關節的鬆弛位、緊密位,以及滾動、滑動與旋轉。
- 連結肌肉協同、穩定、負荷分配及動作效率。
- 要求學習者預測活動限制、代償及其對運動處方的影響。
會議綜合AMEE 2023 醫學教育筆記
主要議題包括微學習、學習者參與、體驗式教育、學生福祉、人工智能及方案化評估。
- 微學習應聚焦單一目標,避免內容過度擁擠。
- 把學習者視為課程及回饋設計的持份者。
- 運用社區及體驗式學習,挑戰以醫院為中心的假設。
- 把歸屬感、信任、同儕支援及工作量管理能力納入課程。
- 運用一段時間內的多項評估資料,而不是只依賴一次高風險考核。
教與學健康專業教育中的學生參與
學生參與受課堂結構、臨床相關性、教師投入、回饋及互動機會影響。
- 把長課堂分成有明確目的的環節,並適時轉換活動。
- 運用臨床個案、短片、互動提問、模擬教學及經審核的人工智能生成個案。
- 在課堂開始時清楚說明主題與預期學習。
- 有意識地運用走動、聲線、合宜幽默及即時回應。
- 處理內容抽象、互動不足、時間表過密及出席率低等障礙。
學習設計運用科技促進教與學
採用科技應為了解決明確的教育問題,而不是因為科技新穎。
- 界定學習需要及預期成果。
- 選擇最簡單而合適的科技。
- 使學習活動與評估互相配合。
- 保障無障礙使用、私隱及公平。
- 進行試行、事前簡介、引導、解說及評估。
- 根據證據改良或停止介入措施。
人工智能人工智能基礎與教育應用
人工智能包括機器學習、神經網絡、自然語言處理及電腦視覺。評估教育效益時亦須考慮其限制。
負責任使用
- 先建立人工智能素養,才期望使用者有效運用。
- 要求透明度及適當披露。
- 保護個人、敏感、機密及受版權保護的資料。
- 檢視輸出有否錯誤、虛構、偏見或欠缺脈絡。
- 學生與研究人員仍須為最終作品負責。
- 審慎使用人工智能內容偵測,且不可把結果視為單一確證。
生成式人工智能生成式人工智能在教與學中的應用
生成式人工智能最具教育價值之處,是增強人的思考,而不是取代思考。
- 投擲式:只給予少量指示並要求快速答案。
- 反轉式:要求人工智能向學習者提問並刺激思考。
- 指導式:清楚說明任務、脈絡、標準及預期成果。
學習者應規劃、反覆改進、評估、披露實質的人工智能使用,並為準確性、推理及個人聲音負責。首次輸出是待檢視的材料,而不是完成品。
研究誠信生成式人工智能時代的研究誠信
人工智能可擔任初步審閱者,協助辨識論點不清、脈絡不足及可能的弱點。
- 披露具實質影響的人工智能貢獻。
- 核實每項資料來源、分析及生成的主張。
- 不可把機密稿件或數據交予未獲授權的系統。
- 把人工智能回饋視為建議,並在需要時提出質疑。
- 不可把創新性、方法、詮釋或研究責任交由人工智能承擔。
教與學有效掙扎與安全泡泡
具支持性的學習環境不應移除所有挑戰。教育者需要區分不必要的障礙,以及能幫助學生建立判斷、韌性與專業獨立性的困難。
- 要求學生先自行嘗試,再使用人工智能。
- 把人工智能輸出當作批判材料,而不是完成答案。
- 要求學生說明自己接受、拒絕和修改了甚麼。
- 保留部分必須在沒有人工智能協助下展示記憶、推理、溝通及實務表現的任務。
- 區分具同理心的支援與過度保護。
虛擬實境虛擬實境教育設計工具
虛擬實境應回應真實的學習需要,並提供較簡單教學方法無法帶來的價值。
- 辨識教育問題及目標學習者。
- 使活動與學習成果及評估互相配合。
- 界定管治安排及持份者責任。
- 規劃技術、空間及運作準備。
- 向學習者作事前簡介並管理認知負荷。
- 保障舒適、安全、退出權、無障礙使用、平等及公平。
- 進行解說、收集回饋並反覆改良。
臨床科技兒童外骨骼:教育用途篩查概覽
本公開筆記只記錄教育主題,並非臨床程序,亦不能取代最新製造商指引、臨床評估或醫療許可。
- 確認裝置所需的身體量度及合適度。
- 檢視關節活動幅度、排列、髖關節狀況、肌張力、行為、骨骼健康、近期手術及負重限制。
- 確認兒童能以言語或非言語訊號表達疼痛或不適。
- 把不確定的發現轉介予具適當資格的臨床及醫療專業人員。
運動與研究殘疾人運動的反應與認知測試
反應測試可評估簡單反應、反應選擇,或處理互相競爭資訊的複雜過程。
可考慮的工具包括側抑制任務、Corsi 方塊任務、倫敦塔、積木設計及矩陣推理。測試選擇應以研究問題為依據,並考慮運動員分級、溝通、感官使用及動作要求。不應把一般認知測試簡化為運動智力的量度。
研究摘要人工智能在物理治療教育中的應用
有關生成式人工智能在物理治療教育中的直接證據仍然有限。較穩妥的做法,是把人工智能用作受監督的思考伙伴,同時保留觀察、溝通、實務檢查及可問責的臨床判斷。
可能的教學應用
- 要求學生批判有缺陷的人工智能生成評估或治療計劃。
- 先作初步判斷,再諮詢人工智能,然後進行比較與反思。
- 檢視並重寫人工智能生成的病人教育內容,以確保準確、安全及以人為本的溝通。
- 在教師控制的範圍內,運用人工智能改變模擬個案。
- 要求披露所用工具、目的、核實過程及學生貢獻。
核心次序是:推理、諮詢、質疑、決定及反思。
人工智能管治人工智能政策與學術誠信壓力
大學的人工智能政策很重要,但政策本身並不足夠。學生往往在成績、期限、同儕規範及網上錯誤資訊的壓力下決定如何使用人工智能。
- 為每項評估清楚說明人工智能是否可用。
- 在允許使用人工智能時,要求交代過程、核實、來源及學生貢獻。
- 把有缺陷的人工智能輸出用作教學材料。
- 直接討論同儕壓力與錯誤資訊。
- 評估推理、辯護與過程,而不只看最終成品。
學術工作人工智能與學術工作的加速
人工智能並不只是節省時間。在學術環境中,效率提升往往會被更高的產出期望吸收,真正的瓶頸反而轉向判斷、方向與問責。
- 關鍵問題不只是是否容許使用人工智能,而是使用者能否為每個決定負責。
- 專家能較有批判地引導人工智能輸出;初學者則可能繞過建立專業能力所需的掙扎。
- 評估與督導應更重視推理、取捨與可辯護的選擇。
- 人工智能使用反思應說明判斷,而不只是提示語。