本次講座主題為「教學成效與數據的智能管理：迎接CBME的AI共駕模式」，邀請臺北醫學大學陳建宇副教務長擔任主講人，旨在引導醫學教育工作者理解學習數據分析在當代醫學教育中的重要性，並探索如何運用大數據、學習分析（Learning Analytics, LA）、人工智慧（AI）等工具，優化勝任力導向醫學教育（CBME）的課程設計、學習評估與教學管理。

臺北醫學大學-陳建宇副教務長

　　講座首先指出，醫學知識爆炸性成長與資訊過載，已造成臨床工作者認知負擔，增加醫療錯誤風險，也要求醫學教育必須轉型，重視學習者「資訊素養」、「數據分析能力」與「後設認知能力」。陳副教務長引用美國AMA加速醫學教育變革計畫，指出國際間已廣泛推動以數據驅動的教育改革，強化實踐與教育之間的聯繫。隨後進一步介紹學習數據分析（Learning Analytics）的定義、四大組成部分（數據收集、分析、報告、行動），並探討其應用優勢，包括個別化學習、學習歷程追蹤、預測學習風險、即時回饋等功能。同時分享精準教育（Precision Education）理念，透過數位化學習歷程檔案、能力本位評估、教練指導等方式，為學生建立個別化學習路徑，促進自主學習與專業能力成長。講座中也詳細說明了「精通適應性學習者」（Master Adaptive Learner）模型與精準教育（Precision Education）理念，如何透過數位化學習歷程、個別化學習路徑、基於能力的評估與教練指導，支持學生持續學習與成長。重點部分，陳副教務長分享學習分析（LA）在CBME與臨床能力委員會（CCC）中的應用實務，指出當前教育數據整合的困難與決策挑戰，並介紹數據質量標準、數據可視化工具（如Power BI）、跨部門協作與SMART目標制定等解決策略。透過具體案例說明如何以視覺化管理支持CCC做出精準且可追蹤的教育決策，並提升學員能力發展。

本校黃建寧校長與陳教授互動交流

　　此外，講座也分享北醫附醫CBME推動藍圖，展示如何建立3C硬體系統（CCC、PEC、FDC）與3I軟體系統（Data Integration、BI、LA、AI），強化數據整合與教學決策支援。實際應用面包括課程數據監測、教師發展追蹤、學員學習歷程分析、能力進展預測等，均透過BI系統有效呈現與優化。最後，陳副教務長強調未來醫學教育須強化教育者的數據素養，推動跨領域團隊合作，打造以數據驅動的教學文化，實踐「AI共駕」與「共享心智模型」理念，進一步提升教學品質與學習成效。