2022年11月，ChatGPT3的推出引起高等教育界的關注，讓人擔心學生作品的真實性。雖然有負面看法，但我們認為教育者可以利用ChatGPT創造支持性的學習環境，促進品格發展。我們的研究探討了其在發展中國家教育中的影響，並提出負責任的整合策略，強調倫理使用、領導力和真實評估的重要性。儘管存在學術誠信的擔憂，ChatGPT同時具備促進學習和作弊的潛力。我們從學生和教師的角度分析其影響，並討論未來的教學趨勢。 PubMed DOI

生成式人工智慧，像是ChatGPT，最近因能生成類似人類的文本而受到關注，但在教育上的應用引發爭議。這篇回顧探討了整合這類技術所面臨的挑戰，並提出解決策略。研究發現抄襲是主要問題，還有責任、隱私、安全、歧視及數位鴻溝等風險。為了應對這些挑戰，提出了符合倫理和教學原則的實用策略。整體而言，這篇回顧強調了對生成式人工智慧在教育中影響的深入考量。 PubMed DOI

在醫學教育中整合大型語言模型（LLMs）有其優勢與挑戰。這些AI工具能改善資訊獲取與批判性思考，但也可能導致過度依賴及倫理問題。學生和教師需了解LLMs的限制，維護學術誠信，並負責任地管理數據。教師應重視內容質量，而非僅依賴AI檢測。LLMs應作為輔助資源，強調可及性與公平性。教育機構應制定符合其價值觀的指導方針，以支持負責任的LLM使用，並靈活應對科技進步。 PubMed DOI

將大型語言模型（LLMs）應用於醫療教育和臨床管理有很大潛力，但也帶來了一些擔憂。本研究評估了LLMs在醫療教育中的現況，並指出幾個需改進的重點，包括學術誠信、錯誤資訊、資訊完整性、獲取不平等、演算法偏見、道德問題、技術限制及監管不足。研究呼籲未來針對這些挑戰進行深入探討，以提升LLMs在醫療教育中的有效性。 PubMed DOI

將大型語言模型（LLMs）應用於醫療保健有潛力提升病患照護與運營效率，但需謹慎整合，面臨技術、倫理及法規挑戰。 技術上，封閉式LLMs易於部署但可能影響數據隱私；開放式LLMs則可客製化，增強數據控制，但需更多資源與專業知識。倫理上，必須遵循指導方針以保護病患機密性，並確保透明度與責任。法規框架也需建立以保障病患權益。 因此，臨床醫生、研究人員與科技公司之間的合作至關重要，能促進技術穩健且符合倫理的LLMs發展，最終改善病患治療結果。 PubMed DOI

生成式人工智慧（GenAI）為教育帶來創新，能提升教師和學生的動機及學習效果。雖然對學術不端的擔憂存在，但它能簡化課程設計、減少評估時間，並提供個性化反饋，支持翻轉教室和遊戲化等教學方法，促進互動學習。對學生而言，GenAI 促進自主學習，增強知識保留，提升動機。然而，整合過程中也需面對準確性、技術變革及社會經濟差異等挑戰。負責任地應用 GenAI，能使教育更可及和個性化，讓學習者和教師皆受益。 PubMed DOI

作者對於依賴大型語言模型（LLMs）解決認知技能下降和教育不平等表示擔憂。他們認為，雖然LLMs有其優點，但其勞動強度、經濟不切實際性及環境影響可能超過好處。特別是糟糕的空氣品質可能影響認知功能，進而影響教育。作者警告在教室中普及LLMs可能導致隱私侵犯、人際互動減少及教師技能下降，並主張應仔細檢視LLMs的潛在危害，類比過去的石化和煙草產業問題。 PubMed DOI

大型語言模型（LLMs）在醫療領域受到廣泛關注，但實際應用面臨幾個挑戰： 1. **操作脆弱性**：可能出現數據安全和生成錯誤資訊的問題，影響病人照護。 2. **倫理與社會考量**：涉及病人隱私和決策偏見的倫理問題，影響健康公平。 3. **性能與評估困難**：在臨床環境中評估其有效性複雜，傳統指標可能不適用。 4. **法律與監管合規性**：現有法規無法完全應對 LLMs 的特性，需要新的合規框架。 解決這些挑戰對於充分發揮 LLMs 在醫療中的潛力至關重要。 PubMed DOI

AI 尤其是大型語言模型，正快速改變醫學教育，從招生、課堂到臨床學習和評量都有影響。AI 可簡化審查流程、提升學習體驗、協助臨床決策與自動評分，但也有演算法偏見、透明度不足和倫理疑慮等挑戰。建議審慎、以實證方式導入，才能負責任地應用 AI。 PubMed DOI

**重點摘要：** 雖然大型語言模型（LLMs）在教育上有其好處，但過度依賴它們可能會讓人減少直接閱讀，進而削弱深度識讀能力，這在兒童身上尤其明顯。認知科學家和教育工作者必須攜手合作，找出哪些能力可能受到影響，並發展教學策略，以維持閱讀與寫作帶來的獨特認知優勢。 PubMed DOI