「我們得看看效果如何」：探討醫療人工智慧跨領域研究中的協作實務
arXiv - Computers and SocietyRafael Henkin, Elizabeth Remfry, Duncan J. Reynolds, Megan Clinch, Michael R. Barnes
本研究透過訪談探討醫療 AI 開發中，不同專業背景利害關係人如何應對跨領域知識共享的挑戰與張力。
AI 幫你先抓重點
AI 重點 1
理解 AI 開發的「社會技術」本質
滑鼠懸停看 AI 判斷理由
這改變了傳統將 AI 僅視為純技術工具的觀點。讀者應意識到技術開發與人的社會互動、倫理與專業知識交織在一起，這對於設計有效的跨領域協作流程至關重要。
AI 重點 2
溝通策略需具備高度的適應性
滑鼠懸停看 AI 判斷理由
這強調了在複雜的跨領域專案中，單一的溝通模式是不夠的。開發者必須具備「翻譯」知識的能力，根據不同專業背景的受眾調整語言與工具，才能降低協作成本。
核心研究發現
- 1
研究發現參與者必須根據溝通對象（如臨床醫生或患者）來調整使用的工具與傳遞資訊的方式。
- 2
AI 開發被視為一種「社會技術」過程，其技術模型與社會互動性質是密不可分的。
- 3
將 AI 引入醫療研究會為原有的跨領域協作帶來新的障礙，特別是在知識共享與角色定位方面。
- 4
研究識別出 AI 知識共享模式、參與 AI 研究的新穎性，以及臨床與患者視角的納入，是協作實務的核心領域。
對教育工作者的啟發
對於設計跨領域專題式學習（PBL）或協作式專案的設計者，本研究提供了重要啟發：首先，在設計跨領域專案時，應預期技術與專業領域間的「溝通斷層」，並在課程中加入「知識轉譯」的訓練；其次，應建立多樣化的溝通工具與協作框架，讓不同背景的成員（如技術專家與應用端使用者）能以各自理解的方式參與知識建構；最後，應強調技術開發不僅是演算法的優化，更是社會與技術系統的整合過程。
原始文獻資訊
- 英文標題：
- "We'll have to see how it works": An interview study to understand collaborative practices in interdisciplinary artificial intelligence and healthcare research
- 作者：
- Rafael Henkin, Elizabeth Remfry, Duncan J. Reynolds, Megan Clinch, Michael R. Barnes
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。