上一篇奇美三堂結業文的最後說，這幾堂課都大量用 AI 備課，流程蠻好玩的，下一篇單獨寫。就是這篇～
一、流程其實跟沒有 AI 時一樣
這幾個月連著備了好幾場課，把自己的流程整個攤開來看，結論有點好笑：跟還沒有 AI 的時候長得幾乎一模一樣。
- 設定好對象、目標、時間
- 廣泛發想可能的元素、模組
- 分類排列出想講的內容與順序
- 寫出大綱
- 用既有模板做簡報
- 插入問答等互動（有餘力再做）
- 給個課後回饋單（有餘力再做）
沒有一步是 AI 時代才長出來的。差別是每一步都多了一個會做事的同事，他可以幫我做得更快、想得更深、看得更廣。讀問卷、生投影片這種手工變快了；大綱變深了，因為他會一直問到我把想講的東西講清楚；探索變廣了，他去找我不知道的東西回來。
還有一個以前沒有的動作：看 context 跟每個步驟的相依性，決定切成幾個 session。對象跟元素可以在同一個對話裡談，做簡報一定要另開一個，不然前面聊的東西會把他的記憶塞滿。
二、基礎操作：備課的七個步驟
1. 對象、目標、時間
這步聽起來像廢話，但後面全部的事都是從這裡長出來的。
以前「對象」是用猜的，現在是用問的。開課前先發一張課前問卷，題目不用多，核心只有一題：你現在屬於哪一層？ 完全沒碰過、用過聊天框、給過它檔案、還是已經讓它自己跑東西。這一層決定我從哪裡開始講，職類只是換案例，不決定深度。
問卷回來幾十份，我不會一份一份看。整包丟給他，請他告訴我這群人大概在哪一層、最擔心什麼、最想做出什麼東西。研究部那場八十九份，我看的是他整理出來的一頁，然後才決定大綱。
2. 元素、模組
這步我做兩件事。
一件是 fact check，確認我想的是不是對的。錯的東西沒在這裡攔下來，會一路長到投影片上，然後被我在台上講出來。
另一件是探索。網路或者文獻，儘量找官方或學術內容，最好看到我不知道的，讓我也學學。我給他一條判準：一個結論要有至少四個彼此獨立的來源才寫進教材，而且來源要分層記清楚，官方文件、一手研究、二手轉述是三種重量，不能混在一起算。判準是我定的，去找、去分層是他做的。
發想之前還有一個動作：先撈模組。前面幾場上過的內容已經拆成一張一張的教學模組卡（怎麼拆的，第三段講），下一場先從卡裡撈，撈不到的才發想。
3. 分類、排序
以前我照主題排，現在照相依性排。把要講的事全部列出來，每一件標「它依賴哪一件先講過」，依賴為無的放第一堂。 這張表是他列、我裁。
奇美三堂事後對照才發現，兩個最核心的觀念分別拖到第二、第三堂才講，就是沒有這張表的代價。
4. 產大綱
我覺得最重要的一步。
不要一下就叫他做。先對齊一下我們兩邊的想像，才不會做出一個不是心裡想的東西。跟以前做簡報都相同，不要到 AI 時代就以為可以全部交給他，那做出來的簡報也不會是自己的。
我的做法是反過來，先叫他問我（怎麼跟他講話，另一篇有完整版）：「你先問我問題，一次一題，問到你清楚為止再動手。」問完他出一棵課程樹，七個段落各用一個動詞當名字，我逐段裁：這段必要、這段選配、這段是口袋內容有時間才講。裁完再叫他標兩件事，超時先丟哪一段，還有哪裡要停九十秒讓大家動手。
不過那種不重要的報告，請他全部自己產生好像也不是不行🤣 這裡有個成本要算：有篇研究拿講義投影片讓模型生選擇題，九成三被病理科醫師評為 excellent，但同一批題目裡三成七含事實錯誤或誘導線索。所以全部交給他，省下的是產出的時間，省不掉的是覆核的時間。報告愈不重要，這筆帳愈划算。
5. 做簡報
原本都覺得他做出來的很 AI。改過幾次，叫他上網學學別人怎麼用，後來終於把色彩學、字體規範等抓回來。想一想我以前做簡報規矩也很多，又對他碎碎念了自己的規矩，最後丟給他以前的簡報，終於產出自己熟悉的樣子。雖然不是特美，但我知道是我的風格。
模板怎麼做出來的，講細一點，這部分可以照抄。
第一步，先量再寫。 我把 2023 到 2026 的五份舊簡報丟給他量。量出來我自己也有點意外：色碼跟手法完全沒變。重點色永遠是同一個藍，子條列淺一階，螢光筆是同一個藍的六成透明、只刷在貼進來的文獻圖上，底永遠純白。量出來之後才有辦法寫成規矩。
第二步，寫成一份規範。 現在那份文件裡最硬的三條：一頁最多兩處藍，超過就等於沒有重點；螢光筆只用在圖上，純文字要強調就轉藍，不加底色；全份不出現第二種色相，要區別只能靠深淺。字級那條最有戲。我 pptx 的 28pt 換算成畫面高度是 5.2%，AI 產的 HTML 基準只有 2.7%，等於他給我的字只有我自己簡報的一半大。修正之後會發現現有內容全部塞不下，那正是重點：塞不下就砍字或拆頁，絕對不縮字級。
規矩寫下來之後有一件事變得很清楚：他的預設審美跟我是相反的。 他挑 teal 綠，我用藍；他做彩色粗體的段落標籤，我的段落導航是淺灰、刻意退到後面；他愛圓角卡片、左側色條、陰影漸層，我十年來一次都沒用過。他沒有做錯什麼，只是他的預設值不是我。所以規範裡有一份清單就叫「AI 味清單」，逐條列出不准出現的東西，包含他最愛自己用 SVG 畫插圖那招。缺圖就去要真材料，不要畫一張假的填滿。
第三步，做成起點檔。 一個模板 HTML，每一場都從它起手，不從零寫。規範只有那一份，不在別的地方另存複本，複本一定漂移，我已經犯過一次。
第四步，驗收交給腳本。 投影片改完，上線前跑一支檢查：有沒有字小於下限、內容有沒有超出畫面、句子中間的粗體有沒有被撐成獨立一行。第三項那個 bug 出現過四次，所以它被寫進腳本裡。三項全綠才算改完。
丟舊簡報給他學這招，正式名字叫 few-shot。已知的限制我順手查了：兩三個例子是甜蜜點，超過五個報酬遞減，而且它會把你偶然的壞習慣一起學走。舊簡報裡有病人資料或學員名單的，不要上傳。
最後補一個今年五月的研究。他們找學生評 AI 做的投影片跟老師自製的，品質評分沒有顯著差異，學生也認不出哪一份是 AI 做的。但品質評分愈高的，愈不會被判定成 AI 生成。換句話說，大家其實是把「爛」直接等於「AI」。
6. 課程互動
最近都用 HTML 上課，大家可以同時開網頁，即時按按鈕互動，滿好玩的。
側欄是他寫的：節奏拉桿（太快／剛好／太慢）、選擇題即時計數、留言板，還有我手機上的一個小審核台可以開題、靜音。互動題要放在哪一頁、選項怎麼出，我先叫他提議，再自己改。 有一條後來才定的規矩：互動題一律獨立成一頁，嵌進內容頁會跑版、選項看不清。
研究部那場，開場第一句就指封面右下角的 QR，一分鐘內五十二個人掃進來，全場一百四十人連線。以前沒有人會為了一堂課寫一個側欄，現在有了。
證據面老實講：這類課堂即時回饋系統，Kahoot 有 meta 分析，學業成就跟動機的 effect size 都很漂亮，但異質性很高、保留跟動機那兩項有發表偏誤的跡象。自己架的按鈕沒有直接證據，只能借用整類系統的通則，大班能提升參與度，認知成效是小而正向。
我踩過一個坑。第一版側欄每三秒去問一次伺服器有沒有新東西，而且不會停。三台忘記關的分頁掛在那裡，一天打了九萬次，免費額度是一天十萬。改成長輪詢之後延遲反而降到 0.08 秒。
7. 課後回饋單
最近都設定回饋完才可以拿到整份 PDF，讓大家好好填。
問卷頁跟結果頁都是他做的，這沒什麼好講。重點是題目怎麼出：由目標倒推。每一堂的課前單，核心只有一題，「你跑出來的東西，哪裡跟你想的不一樣？」那題的答案就是下一堂的教材。奇美第二、第三堂的內容都是從上一堂的問卷長出來的。用得太久太自然，會忘記第一次接觸的人卡在哪裡，這種知識的詛咒只能靠問卷來對齊。
還有一條規矩：信心一到五分那題，每一場用一模一樣的字。它是前後比較的錨點，動了就對不起來。
回饋完才給 PDF 這件事我查了一下別人怎麼看。醫學教育界其實是常規，ACCME 的學分本來就要求完成 evaluation 才給。批評也有，強制會讓人隨便填，回收率高不等於信度高。柏克萊有個溫和版本，把用途講清楚、課堂內留時間填、保留不填的選項，回收率一樣到九成四。
三、進階操作：用 AI 讓內容更好的地方
這一段是以前根本沒有的事。
叫他聽我上課
我會把上課的內容錄音或錄影，回到家後讓他認真聽。反正都付錢請一個「人力」了，就用好用滿，叫他聽我上課XD
會請他做四件事：
- 根據他的知識或教科書，確認我講的內容沒有錯誤。 他會把「學員可能會記走的錯誤說法」逐條列出來，附上建議的定版句。順便把我在課堂上講過的每一個承諾核實一遍：我說改好了，是真的改好了嗎？我說填完拿得到 PDF，那顆按鈕真的在嗎？
- 統計我的語速，讓我知道這堂課是否講得太快。
- 冗言贅字一直重複，我超愛講「那」「然後」，他每一堂都幫我數。
- 對於線上互動課程，他可以把我講的每句話對應到具體段落。 當同學回饋說某段太快或太慢，或提出問題時，他就能完整了解我的課程，並充當教練，教我下次怎麼講得更好。
轉逐字稿之前有個小技巧：先請他從投影片抽一份術語表，錯字少一半。
個人化的課後包
除了對自己進步，也可以按照課後回饋，快速生成課後延伸閱讀等，個人化的給學員，應該會學得更好？
實際做起來是這樣：課堂上沒答完的問題、回饋裡最多人勾「沒聽懂」的那段、互動題答錯最多的那題，他整理成一頁課後包。有一條紀律：回收，不加課。 延伸閱讀每週最多一篇，勘誤誠實補正，不放新工具。
把這堂課拆成下一場的零件
最後一件事是模組。一堂課上完，逐字稿跟問卷都在他手上，我請他把這堂課拆回一張一張的教學模組卡，現在累積一百張左右。每張卡有幾個欄位：這內容是常青的還是會過期的、上次查證是什麼時候、它依賴哪些外部事實（例如「某某指引還是現行版」）。講得特別好的段落，逐字留在卡上。
下一場備課，第一件事就是叫他把卡撈出來，可能過期的先查一遍。這就接回第二段的第 2 步了，整個流程變成一個圈。
所以呢
看一看就發現，真的還是得跟以前備課差不多。就跟其他任務一樣，把原本要做的步驟拆開，每一步講清楚，他就做得好；講不清楚，就先叫他問你。
差別是以前上完課就上完了，現在上完會被拆成下一場的零件。備課變成一件會累積的事，這是我覺得最好玩的地方😁
還有什麼想到再說，大家都怎麼用 AI 備課啊～
參考資料：
- AI 生選擇題的品質與錯誤率（Pathol Int 2026）：https://doi.org/10.1111/pin.70083
- AI 投影片的學生評分研究（Leinonen, Zhang, Hellas 2026）：https://arxiv.org/abs/2605.13532
- Kahoot meta 分析（JCAL 2025）：https://onlinelibrary.wiley.com/doi/10.1111/jcal.13084
- 強制填評鑑的回收率與偏誤：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5785205/
- 柏克萊的溫和作法：https://teaching.berkeley.edu/teaching-strategies/assessing-learning/encouraging-students-complete-final-course-evaluations
- few-shot prompting 的限制：https://www.promptingguide.ai/techniques/fewshot