健康專業教育對人工智能的討論,往往由能力開始:學生需要懂得甚麼?教師應如何使用?院校應批准哪些工具?
這些問題很重要,卻未能告訴我們,當人工智能出現時,甚麼條件能讓專業學習真正發生。學習者可以正確披露、使用認可工具並交出優秀答案,但仍可能繞過培養專業判斷所需的對話、不確定性與反思。
Michael Rowe 提出的健康專業教育人工智能理論框架,提供了另一個方向:不從工具開始,而從專業學習如何發生開始。
只聚焦能力的限制
不少框架描述人們需要具備的人工智能素養、能力、倫理意識與工具使用方式。Rowe 指出,它們仍留下另一個問題:甚麼條件能支援人工智能環境中的專業學習?
缺乏教學答案時,整合可能變得防禦性,只把人工智能視為需要控制的威脅;也可能變得機會主義,只追求效率而讓學習質素逐漸下降。當人工智能能生成看似合理的臨床推理或反思文章,我們需要重新檢視活動原本要發展甚麼。
四項理論,一個設計挑戰
框架結合四種視角。社會建構主義關注知識如何透過對話建構;批判教育學追問哪些假設與利益決定甚麼被視為知識;複雜性理論把實踐置於動態、關係性和依賴情境的系統中;連結主義則把知識視為分布於人、學科、工具與網絡之間。
四項理論的六個匯合點成為設計原則。即使沒有人工智能,這些原則仍然適用;人工智能卻令它們更迫切,因為它既可支援,也可讓學習者繞過這些條件。
1. 對話式知識建構
知識透過對話建構,而不是單向傳遞。若人工智能生成內容讓學習者直接接受,即使答案準確,也可能只形成表層理解。
活動應要求學習者評估、質疑、比較或延伸輸出。真正的學習在於對話與理據,而不只在最後答案。
2. 批判意識
學習者需要辨認哪些因素塑造了被接受的知識,包括人工智能的假設、遺漏、限制與內含利益。
在臨床個案中,學生可比較人工智能與自己的推理,追問兩者分別揭示或隱藏了甚麼,以及差異對實踐和病人有何意義。
3. 適應性專業能力
專業實踐並非重複已知程序,而是在程序不適用時仍能作出行動。人工智能愈來愈容易生成標準答案,但面對矛盾、邊緣個案和變化資訊時,安全調整仍依賴情境判斷。
學習活動應要求學生在陌生個案中調整,而不只是重現標準計劃。
4. 情境真實性
醫療實踐複雜、關係性強,而且具有特定情境。移除社會決定因素、資源限制、互相競爭的優先次序與溝通困難,也許令個案更容易評分,卻減弱了對真實實踐的準備。
人工智能可以協助教師加入有意義的變化與複雜性,但不應消除令專業判斷變得必要的條件。
5. 後設認知發展
正確答案可能令人以為學習已經發生。若缺乏對自身推理的覺察,學習者可能無法分辨真正理解與理解的表象。
學生應交代最初判斷、不確定性、人工智能的使用方式及後續修訂,讓推理過程變得可見和可評估,而不是只留下精修結論。
6. 網絡化知識建構
醫療問題跨越專業與學科界限。若學習停留在單一專業孤島,畢業生可能無法運用複雜實踐所需的知識網絡。
人工智能或可揭示其他學科的視角,但學習者仍須判斷哪些專業知識相關、不同視角如何連結,以及何時必須與真人協作。
設計限制,而不是另一張清單
六項原則最適合在活動建立之前使用。對每次人工智能互動,我會問:它打算支援哪項學習條件?同一互動可能如何破壞該條件?哪項學習者行動能令預期過程變得可見?
在課程與評估層面,框架帶來另一個難題:我們量度的是作品產出,還是背後的推理?這項弱點未必由人工智能造成;人工智能可能只是令我們無法再忽視它。
與其他框架如何互補
「我應否在這項工作使用人工智能?」關注個人決定;Health CARE-AI 關注使用是否切合情境、可問責、負責任及公平;Rowe 的框架再加入第三個問題:設計有否保留專業學習得以發展的條件?
三個問題都不可或缺。人工智能活動可以在個人層面合理,也符合倫理與管治要求,卻仍可能因繞過對話、適應、情境或後設認知而欠缺教育價值。
理論主張,而非成效證據
這是一項以預印本形式發表的理論綜合。六項原則來自學習理論之間的概念對照,而不是證明能改善學習或病人成效的試驗。
因此,這些原則是值得應用和研究的設計主張,而不是已確立的規則。未來研究需要把原則轉化為可觀察的教育實踐,並檢視它們能否改善推理、適應、遷移或後設認知準確度,而不造成新的不公平或工作負擔。
應保持不變的問題
人工智能能力會繼續改變,但教學問題不必隨每個新模型改寫:我們是否正在創造條件,讓學習者發展醫療實踐所需的推理、判斷與適應能力?
若一項人工智能活動無法回答這個問題,新穎或高效率並不足夠。目標不只是協助學生交出更好的作品,而是設計讓他們成為更好專業人員的參與過程。
參考資料
- Rowe, M. (2025). A theoretical framework for integrating AI into health professions education [預印本]. Open Science Framework. https://doi.org/10.31219/osf.io/c764f_v2。