評估與心理計量
探討工具是否可靠、能否反映改變，以及分數對個案與臨床決策的意義。
PSYCHOMETRICS & OUTCOME MEASUREMENTMeasurement science · AI · Medical education
評估，是理解的開始。
也是改變的第一步。
從評估分數的意義，到 AI 輔助的學習與實務。
探索如何以更好的評估，理解個案的需要，
並讓研究成果走進教學與臨床。
謝清麟 Ching-Lin Hsieh國立臺灣大學 · 職能治療學系
「評估：解決個案問題的第一步。」應用心理計量學 ／ 醫療結果評量 ／ 生成式 AI 與醫學教育
01 / Research interests
讓評估更有意義，也更好用。
以臨床問題為起點，連結測量方法、人工智慧與學習，發展能回應真實需要的研究。
AI 與評估工具
運用電腦適性測驗、機器學習與生成式 AI，探索提升評估效率與品質的方法。
ADAPTIVE TESTING & ARTIFICIAL INTELLIGENCE溝通與醫學教育
結合訪談練習、回饋與反思，支持學員理解個案，並發展臨床溝通能力。
COMMUNICATION & MEDICAL EDUCATION02 / Selected publications
從問題出發的研究
理解分數、精簡評估、驗證 AI。
三篇精選研究，串起持續探索的方向。
2007臨床意義
改善多少，才對病人有意義？
Establishing the minimal clinically important difference of the Barthel Index in stroke patients.
結合患者感受與測量誤差，探討日常生活功能分數的改變，何時具有臨床意義。
研究重點與適用範圍
以住院與慢性中風患者資料，運用錨定法與分布法估計 20 分制 Barthel Index 的最小臨床重要差異為 1.85 分。此數值需連同量尺版本及研究情境解讀，不能直接作為所有個案的通用門檻。
Hsieh YW, et al. Neurorehabilitation and Neural Repair. 2007;21(3):233–238.
DOI: 10.1177/1545968306294729
評估分數的解釋閱讀論文 ↗
2023機器學習
用機器學習，讓中風評估更精簡
Development of a 13-item Short Form for Fugl-Meyer Assessment of Upper Extremity Scale Using a Machine Learning Approach.
以較少的評估題目，保留上肢功能及其變化的資訊，探索 AI 改善既有評估工具的可能。
研究重點與適用範圍
以 408 位中風患者既有資料比較不同題數版本，選出 13 題簡版，呈現良好的同時效度及相近的反應性。未施測題目的分數為模型預測，並非直接觀察結果。
Lin GH, et al. Archives of Physical Medicine and Rehabilitation. 2023;104(8):1219–1226.
DOI: 10.1016/j.apmr.2023.01.005
AI × 復健評估閱讀論文 ↗
2026生成式 AI
讓 AI 協助研究品質評讀
Development and Performance Validation of an Automated Generative Pretrained Transformer-Based Evaluation Tool for the Physiotherapy Evidence Database Scale.
將研究品質評讀規則轉為 AI 工作流程，並檢驗評分的穩定性與效度。
研究重點與適用範圍
使用 125 篇中風神經促進介入 RCT 進行兩輪評分。總分評分者內信度 ICC 為 1.00，同時效度 ICC 為 0.83。證據來自特定領域，仍需由研究者核對評讀結果。
Ju YJ, et al. Archives of Physical Medicine and Rehabilitation. 2026. 線上發表。
DOI: 10.1016/j.apmr.2026.02.011
AI × 實證評讀閱讀論文 ↗
延伸探索：另外四篇代表研究
CAT-5F：整合中風後五大功能評估 ↗
以電腦適性測驗整合日常生活、姿勢控制、上下肢動作與移動功能。既有資料模擬顯示，平均 12.7 題可兼顧施測效率與測量品質。
Lin GH, et al. Archives of Physical Medicine and Rehabilitation · 模擬與驗證研究透過回饋與反思，培養溝通能力 ↗
將臨床訪談、教師回饋與學生反思結合。前後測觀察到整體及部分溝通領域改善，為教學設計提供參考。
Chen TT, et al. American Journal of Occupational Therapy · 前後測研究GPT 能如何協助評量醫病溝通？ ↗
以 80 份互動逐字稿比較 GPT 與人工評分，探索低風險總分輔助的可能；分領域評分一致性仍有限。
Ju YJ, et al. Medical Teacher · 2025 年線上發表，2026 年卷期ChatGPT 輔助結構化疼痛病史收集 ↗
CMP-EAS 以逐題詢問整理疼痛病史。36 位患者的初步研究提供內容效度、控制條件下重現性與使用經驗證據，尚非臨床成效驗證。
Chen SM, et al. Musculoskeletal Science and Practice · 2026 年 6 月線上發表Graduate mentorship
讓研究，在不同的道路上延伸。
記錄碩博士生的研究課題，連結研究、教學與實務，並逐步整理畢業後的專業發展。
從臨床問題出發
探索中風復健、精神健康、兒童發展與臨床溝通中的評估與學習課題。
建立研究與測量能力
以心理計量、電腦化評估與資料分析，探索如何回應實務需要。
持續拓展專業方向
逐步記錄博士校友在研究、臨床與教學中的後續發展。
03 / Learn with AI
讓 AI 成為練習的夥伴
讀懂一篇論文、釐清一個概念、練習一次對話。
從您現在想完成的任務開始。
顯示 6 個工具
GPT
讀懂研究論文
從研究目的、方法與統計，到結果、討論及反思，逐步掌握一篇論文。
開始方式：上傳論文 PDF，選擇想探索的章節。
JM／期刊論文閱讀與彙整
開始閱讀GEMINI GEM
檢查自己是否讀懂
透過問題與回饋，找出對研究方法、結果及限制的理解盲點，再進行練習。
開始方式：上傳已閱讀的完整論文 PDF。
論文閱讀測驗與診斷助教
檢核理解GPT
練習應用統計
用循序提問、概念練習與錯誤回饋，建立統計思考，將概念連結到職能治療。
試著說：「我想練習 t 檢定的基本概念。」
OT 應用統計教練
課程 PPT 知識庫：感謝黃怡靜博士提供
GEMINI GEM
理解病人的疾病經驗
釐清 FIFE 的概念，練習辨識病人語句，讓訪談更貼近個案的感受與生活。
試著說：「請先考我 FIFE 四個面向的基本概念。」
FIFE 教練
練習 FIFEGEMINI GEM
練習共享決策
透過出院規劃、家屬與病人意見不同等情境，練習共享決策與溝通。
試著說：「請用 OT 出院規劃案例評量我的 SDM 能力。」
SDM 概念與應用評估
進入情境GEMINI GEM
挑選合適的評估工具
從中風個案的評估需求出發，思考工具選擇的理由，練習臨床推理。
試著說：「請引導我釐清中風個案的評估需求。」
如何挑選適當的中風個案之評估工具
探索評估選擇工具用於學習、練習與輔助思考；內容與評分仍需核對。GPT／Gem 於外部平台開啟，可能需要登入。請使用可分享的文獻或虛構／去識別化情境。此處工具不預設等同論文驗證版本。
04 / Notes & reflections
研究之外，
持續記錄與交流。
教學中的提問、研究中的發現，以及 AI 帶來的新可能。
在 Blog 裡，分享一路思考與實踐的心得。
教學與學習TEACHING
研究方法與學術寫作RESEARCH
AI 的探索與實踐AI IN PRACTICE
從教學、研究與實務的交會處，持續探索。
05 / Teaching & resources
把問題帶進課堂，把理解帶回實務。
學術寫作學習地圖
從讀懂論文、組織段落，到精準表達研究結果。依學習需求選擇路線，透過精選文章、寫作練習與修改檢核，逐步建立獨立寫作能力。
12 篇核心閱讀 · 3 條學習路線 · 4 組寫作練習
06 / About
謝清麟
Ching-Lin Hsieh
任教於國立臺灣大學職能治療學系。研究關注應用心理計量學、醫療結果評量，以及 AI 在評估工具與醫學教育中的應用。
以「評估：解決個案問題的第一步」為核心理念，連結研究、教學與臨床問題。
與 AI 聊聊謝老師的研究旅程 ↗職涯問答由 AI 生成，經歷以正式簡介為準。
從一個問題，開始交流。
研究、教學與合作交流 · 國立臺灣大學職能治療學系