參加 2026年奧地利維也納國際衛生專業教育學會年會 暨渥太華整合醫學教育與能力評估大會
The AMEE Conference 2026 featuring the Integrated Ottawa Event
Vienna, Austria｜22–26 August 2026
《 健康臺灣深耕計畫補助 》
服務機關：國軍左營總醫院
姓名職稱：黃柏瑋 教學研究室主任
摘要
本次赴奧地利維也納參加 AMEE 2026年國際衛生專業教育學會年會整合式 Ottawa Conference。依據 AMEE (Association for Medical Education in Europe)相關主題及目前國際醫學教育發展趨勢，可概括整理為「八大領域」，包括：
一、課程設計（Curriculum Design）
二、教學與學習（Teaching & Learning）
三、學習評量（Assessment）
四、師資培育（Faculty Development）
五、學習者發展與支持（Learner Development & Support）
六、人工智慧與科技輔助教育（AI & Technology-Enhanced Learning）
七、醫學教育研究與學術發展（Educational Research & Scholarship）
八、教育制度、領導與文化（Educational Systems, Leadership & Culture）
將上述領域加以整合，則可濃縮為醫學教育的「四大核心主軸」：
第一，課程設計（Curriculum）: 主要探討「教什麼」，包括能力導向醫學教育（CBME）、可信賴專業活動（EPA）、核心能力建構及課程規劃等。
第二，教學與學習（Teaching & Learning）: 主要探討「如何教、如何學」，包括臨床教學、模擬教育（Simulation）、回饋（Feedback）、教練制度（Coaching）及學習者中心教育等。
第三，學習評量（Assessment）: 主要探討「如何確認學習者是否真正具備所需能力」，包括 OSCE、mini-CEX、DOPS、職場評量（WBA）、進展測驗（Progress Testing）及整合性評量（Programmatic Assessment）等。
第四，師資與教育制度（Faculty & Educational System）: 主要探討「由誰來教，以及如何建立支持教育的制度與環境」，包括師資培育、教育領導、教學品質改善、教育認證、臨床學習環境及組織文化等。
會中著重研習人工智慧於健康專業教育與評量之應用、整合性評量、能力導向醫學教育、臨床推理、OSCE、學習者包容性及師資培育等議題。會議呈現醫學教育由單次考試轉向多元、縱向、低風險且重視回饋的發展趨勢；生成式人工智慧亦應由防弊思維，轉為兼顧倫理、透明、人為覆核與學習歷程設計。返院後擬將所學導入本院教學治理，強化 EPA、Mini-CEX、DOPS 與 OSCE 品質管理，建立 AI 輔助教材與評量指引，並透過師資培育、試辦課程及成效追蹤，提升臨床教學品質、病人安全與醫療韌性。
關鍵詞：能力導向醫學教育、整合性評量、人工智慧、臨床教學
● 目的
AMEE 年會為全球健康專業教育重要交流平台，涵蓋課程設計、教學評量、師資培育、教育研究、科技增強學習與社會責任等領域。凸顯評量制度、能力判定與學習支持的核心地位。本次出國目的包括：掌握生成式人工智慧對教學與評量的影響；研習整合性評量、EPA、OSCE 及工作場域評量的設計原則；了解多元與包容性評量作法；並與國內外醫學教育工作者建立交流網絡，作為本院教學制度精進與國際接軌之參考。
● 過程紀錄
會議於 2026 年 8 月 22 日至 26 日在 Austria Center Vienna 舉行。研習形式包括會前工作坊、主題演講、研討會、研究論文發表、短講及電子海報。參與重點聚焦 AI 倫理與包容性、AI 輔助評量、整合性評量的非預期後果、OSCE 品質、臨床同理與臨床推理，以及科技增強學習等主題。
除正式議程外，亦參觀 AI／Technology Enhanced Learning、課程設計與評量等電子海報區，並與臺灣及國際學者交流各機構推動 CBME、數位教學與教師支持的實務經驗。此類面對面討論有助於理解制度落地時的文化、資源與工作負荷差異。
圖 AMEE Vienna 2026 大會現場與臺灣國防醫學大學代表合影
圖 參觀AMEE Vienna 2026海報展示區， 與講者互動熱烈
圖 與國軍桃園總醫院內科部長蕭博仁主任、國防醫學大學醫學人文教育中心王志嘉主任三軍總醫院家庭暨社區醫學部部張耀文部主任主任及國外學者合影
● 主要研習內容與心得
一、評量應由單次判定走向持續性學習支持
整合性評量強調以多次、低風險、多來源資料形成學習者全貌，再由能力委員會進行整體判斷。其價值不在增加表單數量，而在使每次觀察、回饋與後續行動形成連續循環。導入時必須避免勾選化、資料堆積及教師負荷失衡，並讓學習者理解評量資料如何支持成長。
圖 Pei-Rong Li, Xiao-Yin Huang – AMEE 2026 ePoster，No.A26EPODEM06
二、生成式 AI 應被設計成促進思考的工具
會議論述已由「如何防止學生使用 AI」轉向「如何重新設計學習與評量」。AI 可協助產生病例變化、教材初稿、回饋提示與資料彙整，但不得取代臨床判斷。較佳設計是要求學習者驗證 AI 內容、說明修正理由、揭露使用方式，並保留教師與臨床專家的最終覆核。
圖 Panut Hombut, Pitchsinee Oimpitiwong, Thanakrit Vichasilp – AMEE 2026 ePoster，No. A26EPODAITEL08
三、包容性與病人安全必須同時納入設計
合理調整並非降低專業標準，而是移除與核心能力無關的障礙。OSCE、書面測驗及工作場域評量應先界定不可妥協的專業能力，再檢視題目語言、時間、評分規準及考官差異是否造成不必要偏差；同時透過標準化、考官訓練與資料分析維持公平性與病人安全。
圖 Alia Hussain, Qasim Arain, Erum Anwer – AMEE 2026 ePoster，No. A26EPODAITEL04
四、科技成效仍取決於教師支持與教學設計
電子海報及研究顯示，VR、線上教材、學習分析與數位平台可提升可近性、標準化與即時回饋，但科技本身不必然帶來深度學習。有效方案仍需明確學習目標、適度認知挑戰、教師引導、反思活動及成效追蹤。此觀點對本院發展數位教材與模擬教學具有直接啟示。
圖 Lo-Yi Chang – AMEE 2026 ePoster，No. A26EPODOFD08
從障礙到賦能：運用生成式人工智慧突破模擬訓練困境
研究單位：**國立臺灣大學醫學院附設醫院新竹臺大分院
7 種醫療專業、32 名臨床教師參與，並透過教師半結構式訪談及 37 名學生課後問卷評估。
成果
1. 教師端：
- 93.75% 認為 GAI 可提升案例完整性及設計效率。
- 46.8% 為第一次執行模擬教學。
- 90.6% 表示使用 GAI 後，提高進行模擬教學的意願。
- 56.25% 的模擬情境能同時整合「臨床技能」與「溝通能力」。
2. 學生端：
- 81.7% 為第一次參與模擬訓練。
- 75.7% 認為模擬訓練具有高度學習效益。
- 59.5% 認為可提升臨床技能信心及跨專業合作能力。
圖 於展區與國際醫學教育工作者 (擬真教學)及國軍桃園總醫院急診部教學計畫主持人林彥瑜主任進行交流
圖 參觀課程設計與規劃主題電子海報，與國防醫學大學醫學院醫學系副系主任兼醫學人文中心蔡遠明主任討論，其中教學門診雖能培養同理溝通，但後續的 OSCE 評量可能使學生調整同理心的表達與自我評估。分數下降不一定代表同理心真正減少，而可能是「同理心校準」，因此教學門診與 OSCE 的學習目標及回饋方式必須一致，並加入結構化回饋與引導反思，才能持續支持學生同理心的發展。
● 重點主題深化分析
一、生成式 AI：從防弊轉向教學與評量再設計
生成式 AI 已改變學習者取得資訊、撰寫反思、準備測驗及解決臨床問題的方式。若教育制度僅著眼於偵測或禁止，容易忽略學習任務本身是否仍能有效呈現臨床推理、價值判斷與專業責任。會議的核心訊息，是將 AI 納入透明且可被檢驗的學習流程，而非讓 AI 取代學習。AI 可協助教師發展模擬病例、產生不同難度的提問、整理文字回饋、模擬病人對話及提供教材初稿；然而內容正確性、演算法偏差、資料隱私、著作權與病人安全仍須由教師負責。學習者應驗證 AI 內容、指出錯誤與限制、說明採納或修正理由，成為 human-in-the-loop validator。
◎ AI 融入教學的五項原則
- 揭露：清楚標示使用工具、目的、範圍與產出內容。
- 驗證：以教科書、臨床指引、原始文獻或可信資料進行交叉查核。
- 負責：AI 不具最終決策權，學習者與教師仍須承擔專業責任。
- 保護：禁止輸入可識別病人、同仁或機敏業務之資料。
- 反思：評量查核、修正與推理歷程，而非只評估文字成品。
◎ 本院可行應用
由低風險任務導入，例如課程摘要、測驗題目初稿、標準化病人腳本、模擬病例變化與回饋提示，再以小規模試辦評估正確性、教師節省時間、學習者認知投入及使用者經驗。經驗成熟後，始逐步形成院級 AI 教育治理規範。
二、整合性評量：以多元資料支持成長與能力判定
整合性評量（programmatic assessment）不是把更多評量工具堆疊在一起，而是依目的蒐集多次、低風險、多來源的能力證據，搭配敘述性回饋、學習者反思與後續改善，再由能力委員會於適當時間進行整體判斷。單一資料點的影響有限，但累積後可呈現可信賴的能力軌跡。
◎ 評量制度的四個關鍵環節
- 蒐集證據：依 EPA 與核心能力安排直接觀察，搭配 Mini-CEX、DOPS、病例討論。
- 形成回饋：以具體行為、造成的影響與下一步改善方式撰寫敘述性回饋。
- 促進行動：由學習者提出改善計畫，導師協助安排後續練習與再評量。
- 整體判定：由能力委員會綜合多來源資料，辨識趨勢、能力缺口與所需支持。
◎評量負荷的再思考
Assessment burden 不宜只以表單數量衡量。真正的負荷亦可能來自重複蒐集低價值資料、評量與教學脫節、平台操作不便、回饋無法轉化為行動，以及高風險考試造成的補救成本。改善方向應是刪減無決策價值的欄位，把短而高品質的觀察嵌入日常教學，並確保資料被導師及能力委員會實際使用。
◎對本院的啟示
可先盤點既有評量工具與 EPA 對應關係，辨識重複、缺漏及未被使用的資料，再選擇一個住院醫師訓練單位試辦。評估指標除完成率外，尚應包含敘述性回饋品質、再評量率、評分者差異、學習者感受與能力委員會決策的可解釋性。
三、包容性評量、OSCE 與病人安全
包容性評量的目的不是降低專業標準，而是移除與核心能力無關的障礙，使不同背景與需求的學習者在公平條件下證明能力。制度應先界定哪些能力直接關係病人安全、不得妥協；其餘如作答方式、環境刺激、設備與時間安排，則可依合理調整原則提供個別化支持。
◎OSCE 品質改善重點
- 藍圖與站數：依學習目標、病例類型及能力面向配置站別，避免過度集中單一技能。
- 評分規準：檢核表須明確可觀察，並搭配整體表現及病人安全關鍵項目。
- 考官校準：以示範影片、邊界案例及共同討論降低評分者間差異。
- 標準設定：依評量目的採合宜方法，保存決策依據與品質分析紀錄。
- 考後回饋：將錯誤型態、臨床推理與溝通問題轉為後續教學及補強計畫。
◎病人中心與評量倫理
評量所傳達的價值會直接影響學習者行為。若只重視速度、記憶與程序完成，可能弱化同理、溝通、團隊合作與不確定性處理。因此，病例與評分規準應適度納入共同決策、病人安全、文化差異、資訊揭露及跨職類合作，讓評量真正反映機構期待的專業行為。
對需要合理調整的學習者，宜建立保密、可申請、可複核的標準流程，並由教學、臨床、行政及必要的專業人員共同判斷。所有調整均應記錄其依據、有效性及對核心能力判定的影響，以兼顧公平、透明與專業責任。
四、科技增強學習、臨床推理與師資培育
電子海報與研究顯示，VR、360 度影片、線上教材、學習管理系統及學習分析，可提升可近性、標準化、重複練習與即時回饋。程序技能尤其適合採 blended learning：先以影片或虛擬情境熟悉流程，再於模擬環境練習，最後回到臨床接受直接觀察與回饋。
然而科技品質不等同教育品質。若缺乏明確目標、適度挑戰、教師引導與反思，精美平台仍可能只帶來被動觀看。部分研究亦指出，教師支持對自我調節學習與學業表現的影響，可能高於數位資源本身。因此，本院發展線上教材時，應同步設計導師提問、同儕討論、實作任務與學習證據。
◎使臨床推理可被觀察
臨床推理常被視為黑箱，傳統病例報告多只呈現最終結論。會議中結合螢幕操作、口述思考、時間事件與診斷脈絡的研究，顯示可將推理拆解為可分析的診斷節點，協助教師辨識過早收斂、資訊遺漏、反覆迴圈或缺乏驗證等模式。即使不建置複雜系統，本院亦可透過 think-aloud、病例時間軸與關鍵決策點回顧改善教學。
◎師資培育的新角色
教師須由知識傳遞者進一步成為學習設計者、回饋教練、資料解讀者與學習安全維護者。建議師資培育採短時、情境化且可立即使用的模式，主題包括有效觀察與回饋、AI 素養、評分者校準、包容性教學及教育資料倫理，並透過教師社群分享案例與共同修正工具。
圖AMEE 國際健康專業教育展示區留影
圖 與國防醫學大學交流合影
●結語
未來醫學教育的核心並非單一科技或單一評量工具，而是以學習者成長、病人安全與組織品質為中心，將課程、教學、回饋、評量及資料治理加以整合。本院將依採循序漸進原則、可評估及跨職類共作方式推動，將國際新知轉化為符合軍醫任務與臨床現場需求的制度創新，進一步提升教學品質與醫療韌性。
◎第一階段：盤點與共識
由教學研究室邀集臨床教師、住院醫師、醫事教師、資訊及行政代表成立小組，盤點 EPA、Mini-CEX、DOPS、OSCE 與現行課程評量，確認資料用途、重複欄位與品質缺口；同步完成生成式 AI 使用、揭露、資料保護及教師覆核原則草案。
◎第二階段：小規模試辦
選定一項住院醫師或一般醫學訓練課程，建立「觀察—回饋—改善—再評量」流程，安排導師定期檢視學習歷程；同時辦理 AI 素養、有效回饋、評分規準及考官校準工作坊，並蒐集教師與學習者使用經驗。
◎第三階段：修正與擴充
依完成率、敘述性回饋品質、評分者差異、再評量情形及工作負荷修正制度，建立能力委員會會議流程與決策紀錄，再逐步擴及其他訓練單位、跨職類教育、模擬教學與數位教材。
◎第四階段：制度化與成果擴散
形成院級規範、年度品質報告與教育資料治理機制；成熟成果可投稿國內外醫學教育會議或期刊，並與友院建立交流與標竿學習，持續提升本院教學能見度與國際連結。
