科技融入高齡照護教學：AI人才培訓課程之實踐與反思

長照論壇

科技融入高齡照護教學：AI人才培訓課程之實踐與反思

中信科技大學健康照護系／中正大學成人及繼續教育博士生／汪明傑
信福居家護理所／吳靜雯
中信科技大學高齡健康照護系／陳彥君

摘要

因應台灣邁入超高齡社會所面臨的長照人力短缺、照服員精神負荷過重與數位落差等結構性困境，本研究採用「行動研究法」（Action Research），以跨領域「智慧健康照護與AI應用課群」為實踐載體，探討將人工智慧（Artificial Intelligence, AI）與生成式科技導入高齡照護高等教育之教學實踐歷程與成效。研究團隊整合高齡健康照護系、資訊工程系、休閒運動管理系與餐飲與健康養生系之跨域資源，透過「計畫—行動—觀察—反思」之循環歷程，推動主題式課群、教師共備增能、LINE Bot與居家照服員APP介面專題設計，以及場域鏈結見習。研究結果顯示，科技賦能不僅提升非理工背景學生之生成式AI應用工具操作與證照取得能力，更顯著降低學生對新科技的抗拒感；同時，透過情境實作與場域需求導向設計，有效將AI工具定位為「照護夥伴」，緩解第一線照護精神負荷並促進高齡者社交陪伴。最後，研究針對跨域課程串聯、產學共育機制及高等教育數位轉型提出具體建議。

壹、前言

台灣社會正經歷歷史性的人口結構轉變。根據國家發展委員會（2024）之人口推估，台灣於2025年正式邁入「超高齡社會」（Super-aged Society），65歲以上高齡人口比例突破20%。隨著高齡人口快速累積，多重慢性病、失能與失智人口大幅攀升，長照機構、社區及居家照護體系承載著前所未有的服務壓力（衛生福利部，2023）。然而，在少子化浪潮衝擊下，傳統照護體系正面臨嚴重的長照人力供給斷層。根據長期照護實務現場之觀察，健康照護產業目前面臨四大核心結構性痛點：

一、照護人力短缺與勞動／精神負荷過重

照顧服務員（照服員）長期處於高強度體力勞動與高壓精神陪伴情境中，缺乏情緒舒緩管道。依據Hochschild（1983）與Grandey（2000）之「情感勞務（Emotional Labor）」理論，照顧者需長期抑壓自身情緒以回應被照顧者之焦慮或異常行為，極易引發嚴重的心理耗竭（Burnout）與離職傾向（Chen et al, 2021；衛生福利部，2023）。

二、照護品質參差不齊與資訊斷鏈

跨機構間缺乏統一標準化流程，且居家照護與醫療體系數據共享機制不足，難以實現全人健康追蹤與個別化照護（Wang & Liu, 2022）。

三、基層與高齡者之數位落差

照護單位缺乏智慧技術導入資源，基層照服員與高齡者對新興數位工具抱持排斥或操作門檻過高，致使科技應用未能落地（Davis, 1989；Gao et al, 2021）。

四、社會支持系統薄弱與社交孤立

家庭照顧者負擔沉重，長者因缺乏長期陪伴與人際互動，易引發孤獨感與憂鬱傾向，進一步惡化身心健康（Holt-Lunstad et al, 2015；Mercer & Sams, 2006）。

為解決上述痛點，推動「智慧照護轉型」與「科技賦能照護」已成為產官學界之高度共識。然而，目前高等教育在高齡照護人才培育上，傳統課程多採單一學科分散授課，學生缺乏資訊科技整合能力；資訊科系學生則缺乏對照護現場人性化需求與倫理思維之深刻理解（Li & Zhang, 2023）。如何建構一套能兼顧「科技素養」與「人文關懷」的跨領域高齡照護AI培訓模式，成為當前高等教育急需突破之瓶頸。本研究之動機，源於技專校院在教育部（2025）智慧雨林產業創生人才育成計畫與高齡化趨勢下的教學革新使命。針對長照現場「高陪伴需求」與「高照顧負荷」之衝突，本研究期許透過將AI社交陪伴、生成式AI工具與智慧照護概念導入大學課堂，讓學生在真實場域情境學以致用。

本研究旨在達成以下四大目的：

  1. 建構以產業痛點為導向之「高齡照護AI實務應用」跨領域主題式課群與課程地圖。
  2. 透過行動研究法，歷程性地記錄與檢討AI科技導入課程之教學實踐、學生學習成效與證照考照歷程。
  3. 發展產學共育機制，結合醫療機構與長照場域（如奇美醫院、麻豆新樓醫院、成功文化健康站等），進行實作專題與APP介面構想開發。
  4. 針對智慧高齡照護教學模式之推動困境，進行實務反思並提出後續教學革新與產業接軌建議。

貳、文獻探討

一、超高齡社會下智慧照護與長照人力需求

高齡化社會帶來的照護需求不僅是量能的擴充，更是質能的提升（國家發展委員會，2024）。衛生福利部（2023）指出，傳統照護體系高度依賴人力密度，但在人口結構失衡下，單純增加人力供給已難以為繼。智慧照護（Smart Healthcare）透過物聯網（IoT）、雲端運算與人工智慧，能將生理數據監測、生活照護與安全預警自動化，從而提高照護效率並降低照護者的實體負荷（WHO, 2021）。然而，許多智慧照護設備在設計時過於偏重技術規格，忽視高齡者與第一線照服員的使用體驗（User Experience, UX）。根據科技接受模型（Technology Acceptance Model, TAM）「知覺易用性（Perceived Ease of Use）」與「知覺有用性（Perceived Usefulness）」是決定使用者是否採納新科技的關鍵因素（Davis, 1989）。若介面過於繁複，極易引發焦慮並造成「高引進、低使用」的窘境（Gao et al, 2021；Wang & Liu, 2022）。因此，智慧照護的核心應在於「以人為本」的科技應用（Human-centered Technology），讓科技成為支援溝通、心理支持與健康管理之輔助工具。

二、AI與生成式科技在長照社交陪伴之應用

人工智慧（AI）與自然語言處理（NLP）技術的突破，特別是生成式AI（Generative AI，如ChatGPT、Gemini、NotebookLM等）的普及，為高齡社交陪伴與心理支持開創了全新契機。高齡者常因社交圈縮減或行動不便陷入孤立，而大型後設分析證實，長期社交孤立會使高齡者之死亡風險上升26%至32%，其危害等同於吸菸或肥胖（Holt-Lunstad et al, 2015）。智慧聊天機器人（Chatbots）或AI社交陪伴系統能提供24小時不間斷的情緒傾聽與言語互動，有效緩和長者之孤獨感（Mercer & Sams, 2006；Zheng et al, 2020）。在教育層面，根據Bandura（1977）之社會學習理論與自我效能感（Self-efficacy）概念，將生成式AI工具導入教學，能顯著降低學生面對未知技術的焦慮，增強其自主學習能力。生成式AI不僅能作為學生的「學習夥伴」（Learning Companion），幫助非資訊背景學生進行文獻整理、資料結構化與程式草案撰寫，更能使學生提早理解AI在長照現場如「銜接提醒」、「健康數據預測」及「情緒日誌」的具體應用邏輯（Li & Zhang, 2023）。

三、TPACK架構、跨領域教學與產學共育模式

跨領域學習（Interdisciplinary Learning）為解答複雜社會問題之核心策略（教育部，2025）。高齡智慧照護涉及健康照護、資訊工程、休閒促進與營養管理等多重範疇。傳統專業分工常導致「專業單打獨鬥」，資訊人員不懂臨床照護痛點，照護人員難以表達系統規格需求。在教學架構上，Mishra與Koehler（2006）提出了「科技整合教學知識（TPACK）」模型，主張現代專業教師與學習者需同時交疊具備「學科內容知識（Content Knowledge, CK）」、「教學與照護法知識（Pedagogical Knowledge, PK）」及「科技知識（Technological Knowledge, TK）」。此外，結合Barrows（1996）與Hmelo-Silver（2004）提出的「問題導向學習（Problem-Based Learning, PBL）」，引導跨系學生共組團隊，能促使學生在真實的臨床情境中進行批判性思考與團隊協作。產學共育（Industry-Academia Co-education）則進一步將業界專家（業師）、實務場域與大學課堂高度串聯，讓學生在學期間即進行情境演練，顯著減緩學用落差。

參、研究設計與方法

本研究採用Kemmis與McTaggart（1988）提出的「行動研究法」（Action Research），此方法特別適用於教育現場之實踐革新與教學品質提升。研究團隊即為教學執行團隊，透過「發現問題—規劃計畫—實施行動—觀察記錄—反思修正」之螺旋式循環歷程（Spiral Process），持續優化課程體系與教學策略，本研究之行動研究五階段螺旋循環歷程（圖1：行動研究之螺旋式循環歷程圖）如下：

  • 第一階段：發現與界定問題 ——長照人力短缺、照顧員負擔沉重、學生跨域能力不足。
  • 第二階段：第一輪計畫與構想 ——跨院系資源整合（護理／資工／休運／餐飲）、規劃主題式課群與場域實地圖。
  • 第三階段：第二輪行動與實施 ——先導課程開設、辦理教師增能工作坊及場域見習。
  • 第四階段：第三輪觀察與評估 ——學生學習成效（修課人數／場域證照數量）、產出APP介面與評估指引。
  • 第五階段：第四輪反思與修正 ——修正陪伴師資、實施策略調整、明確後續推動架構。

一、研究實施架構與資源整合

本行動研究整合學校「健康休閒學院」與「半導體工程學院」之跨系資源：

  1. 高齡健康照護系（主導）：負責照護專業知能、長照流程與倫理規範，連結照護場域。
  2. 資訊工程系：提供AI技術支援、自然語言處理、LINE Bot與系統開發教學。
  3. 休閒運動管理系：設計高齡者健康促進、體能活動與互動遊戲內容。
  4. 餐飲與健康養生系：導入高齡飲食提醒、營養衛教與膳食建議模組。

課程設計推動亦連結外部產業資源，包括奇美醫院、麻豆新樓醫院、成功文化健康站、信福居家長照機構等，形成產官學醫共同培育網絡。

二、課程體系設計與主題式課群

行動計畫設計「高齡照護AI實務應用」主題式課群，採用「照護專業基礎—AI技術導入—實務應用—專題統整」之漸進式結構，如圖2「高齡照護AI實務應用主題式課群」所示（資料來源：本研究自行整理）：

場域應用 平台開發
能力類別 健康照護知識管理、AI技術導入應用、溝通技巧流程優化、智慧環境賦能強化、高齡者應用體驗
真實場域情境 智慧照護、技術優化 人工智慧、高齡AI設計應用
產業需求案例融入AI賦能 數位健康照護、照護學導論、居家照顧技巧、居家安全照顧護理務、實務專題 精準健康產業AI技術應用、HTMLApp程式設計、智慧機器人實務應用、人工智慧實務應用、實務專題

（兩軌之實務專題以「課程學士跨域合作」串聯。）

三、資料收集與分析方法

本研究採多元質性資料收集（Triangulation），以確保研究之嚴謹性與可信度，質性資料採用內容分析法（Content Analysis），針對學習障礙、科技接受度、跨域協作歷程及教學模式修正進行系統化編碼與主題萃取，資料收集如下：

  1. 課程實踐文件：包含課程大綱、單元教案、主題式課群手冊及實作專題手冊。
  2. 教師行動反思紀錄與共備會議紀錄：包含啟動會議、苗圃初階工作坊及各場次AI增能工作坊之記錄。
  3. 學生學習成果與學習歷程：包含32名修課學生之作業、NotebookLM AI知識庫產出、TQC證照通過率（13人取得）及專題介面設計圖。
  4. 場域見習與產業交流紀錄：麻豆新樓醫院、成功文化健康站參訪紀錄及產業諮詢會議紀錄。

肆、研究結果與討論

一、科技賦能與生成式AI工具於教學之創新實踐

在行動研究的第一輪滾動歷程中，團隊優先以「先導課程」策略推動《精準健康產業AI技術應用》與《照護學導論》兩門核心課程。在《精準健康產業AI技術應用》課程中，打破過去偏重繁複程式碼編寫的教學盲點，導入生成式AI（ChatGPT、Google Gemini、NotebookLM、Felo）作為學習輔助介面。結合語音辨識與OCR技術，引導學生將紙本教材轉化為數位內容，並彙整建置於NotebookLM形成課程專屬的「AI知識庫」。實務分析顯示，非資訊背景學生初期對AI技術存在明顯畏懼感（Davis, 1989）。然而，透過生成式AI工具的「對話式學習」與NotebookLM的自動摘要、心智圖及測驗卡生成，學生能顯著提升自我效能感（Bandura, 1977），快速掌握健康產業四大模組。課程最終有13位學生成功考取TQC生成式AI應用與技術（實用級）證照，驗證了科技賦能教學模式能有效協助跨領域學生克服數位落差，建立職場即戰力。

二、教師增能、跨域共備與教學模式轉型

行動研究強調「教者亦為研究者」。為了推動跨領域教學，本計畫系統性舉辦多場次教師AI增能、設計思考與高齡照護研習活動，如表1所示。

表1：AI增能、設計思考與跨域共備推動歷程表

活動類別 代表性活動名稱 核心推動目標與教學轉化成果
辦公室增能 啟動會議暨設計思考工作坊
教師AI增能工作坊		 凝聚跨院系教學共識，確立以使用者為中心之課程規劃方向。
AI技術增能 高齡AI健身與肌力訓練實務
AI陪伴新關係，從寵物療癒到高齡照智慧共生
高齡AI照護跨域專題實作工作坊
AI照護個資保護、隱私權與法律責任		 將AI社交陪伴、肌力訓練與法規倫理議題，融入課程單元教案。
設計思考 苗圃工作坊前導研習
苗圃初階工作坊		 引導教師採用PBL與情境演練，設計專題製作指引。
高齡照護增能 高齡照護工作坊
高齡慢性病與失智症預防
高齡者自立支援生活模式探討		 強化工程與管理學系教師對高齡者生理、心理與自立支援之正確認知。
校外見習與產學 麻豆新樓醫院見習
成功文化健康站參訪
台北國際照護博覽會觀摩		 帶領師生對接真實場域，收集第一線照服員與長者之實務痛點。

資料來源：本研究自行整理

透過上述多維度的增能活動，教師由傳統「知識單向傳授者」轉變為「跨域學習引導者」，深化了TPACK模型中的整合應用力（Mishra & Koehler, 2006）。不同系所教師在共備過程中，調整了過去過度偏重技術硬體或過度偏重照護理論的單一視角，發展出具一致性與串聯性的課程體系。

三、場域導向之實作專題與APP介面創新

為回應長照現場「人力短缺」與「服務流程繁瑣」等痛點（Grandey, 2000；衛生福利部，2023），本研究引導學生將學習成果轉化為具體的實作專題，開發出「居家照服員APP介面設計構想」與「潛在失智風險評估系統專題指引」。在專題實作中，跨學系學生進行明確分工：

  1. 高齡健康照護系：主導需求分析，紀錄高齡者行為模式、情緒變化與照護記錄需求。
  2. 資訊工程系：提供技術選型支援，優化自然語言處理、口音辨識與後台邏輯。
  3. 休閒運動管理系與餐飲養生系：分別設計「運動處方建議」與「健康餐盤／衛教提醒」模組。

居家照服員APP介面系統模組規劃依據TAM模型之「知覺易用性」（Davis, 1989），以「操作直覺、視覺清晰、降低作業負擔」為核心概念，包含四大核心模組：

  1. 照護統計報表與個案基本資料：快速掌握個案歷史病史與健康趨勢。
  2. 照護紀錄與日誌：支援語音輸入轉文字，簡化照服員行政書寫負擔。
  3. AI健康預測與處方建議：健康預測分析（即時評估）、運動處方與餐盤建議。
  4. 遊戲互動與社交陪伴：透過LINE Bot與AI社交陪伴軟體提供情緒支持與遊戲互動。

四、行動研究之反思與滾動式修正

在計畫執行歷程中，研究團隊依據Kemmis與McTaggart（1988）之架構進行了深刻的行動反思：

（一）學習負荷與推進節奏之修正：原規劃於第一學年同時推動多門高階AI程式課程，發現跨系學生基礎差異懸殊後，滾動式調整為「先導課程先行」策略。

（二）由「技術導向」轉向「情境與需求導向」：初期的課程討論易陷入盲目追求高深演算法的誤區，經實地見習後反思到高齡照護最需要的是「低門檻、高溫暖、極簡介面」的科技介入。

伍、結論與建議

一、結論

本研究透過行動研究法，歷程性地建構並實踐了「科技融入高齡照護教學」之創新模式，獲得以下核心結論：

  1. 成功建立跨領域主題式課群體系：整合四大系所發展出具邏輯串聯之課程地圖，實踐TPACK架構（Mishra & Koehler, 2006）。
  2. 生成式AI工具顯著降低跨域學習門檻：透過NotebookLM等工具與TQC考照機制，提升學生自我效能感，有效減緩科技拒絕感（Bandura, 1977）。
  3. 開發出貼近長照實務之智慧介面與教案：產出居家照服員APP介面構想與失智評估指引，實質回應現場人力短缺與精神負荷過重痛點。
  4. 形成永續之跨院系教師共備社群：完成教學模式由傳統講授向PBL實務專題導向的成功轉型（Hmelo-Silver, 2004）。

二、建議

（一）對高等教育教學革新之建議

  1. 持續深化「先導式」跨域課程銜接機制：宜先以生成式AI工具與無程式碼平台為切入點，建立學生信心後再深化至專題實作。
  2. 制度化教師跨域共備與獎勵機制：學校應於制度面提供社群補助、彈性授課時數與教學升等支持。

（二）對產業合作與長照政策之建議

  1. 擴大產學共育之長照場域試驗床：提供實體場域讓AI社交陪伴系統進行長期臨床驗證。
  2. 推動長照從業人員之數位素養培訓：將基礎AI工具與智慧介面操作納入照服員繼續教育積分。

（三）對未來研究之建議

後續研究可擴大追蹤修課學生在進入第二學年實務專題後的系統開發進度，並對被服務之長者進行定量與質性成效評估。

參考文獻

  • 教育部（2025）。智慧雨林產業創生人才育成計畫申請與推動作業要點。台北：教育部。
  • 國家發展委員會（2024）。中華民國人口推估（2024至2070年）。台北：國家發展委員會。
  • 衛生福利部（2023）。長期照顧十年計畫2.0執行成效與展望。台北：衛生福利部。
  • Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84 (2), 191-215.
  • Barrows, H. S. (1996). Problem-based learning in medicine and beyond: A brief overview. New Directions for Teaching and Learning, 1996 (68), 3-12.
  • Chen, L. Y., Wang, H. C., & Lin, C. H. (2021). Emotional labor, professional burnout, and turnover intention among home care workers in Taiwan. Journal of Nursing Research, 29 (4), e162.
  • Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13 (3), 319-340.
  • Gao, Y., Li, M., & Zhang, X. (2021). Artificial intelligence and robotics in elderly care: A systematic review of practical applications and user acceptance. Healthcare Informatics Research, 27 (3), 185-197.
  • Grandey, A. A. (2000). Emotion regulation in the workplace: A new way to conceptualize emotional labor. Journal of Occupational Health Psychology, 5 (1), 95-110.
  • Hmelo-Silver, C. E. (2004). Problem-based learning: What and how do students learn? Educational Psychology Review, 16 (3), 235-266.
  • Hochschild, A. R. (1983). The managed heart: Commercialization of human feeling. Berkeley, CA: University of California Press.
  • Holt-Lunstad, J., Smith, T. B., Baker, M., Harris, T., & Stephenson, D. (2015). Loneliness and social isolation as risk factors for mortality: A meta-analytic review. Perspectives on Psychological Science, 10 (2), 227-237.
  • Kemmis, S., & McTaggart, R. (1988). The Action Research Planner (3rd ed.). Victoria: Deakin University Press.
  • Li, X., & Zhang, Y. (2023). Interdisciplinary curriculum design in smart healthcare education: Combining AI and nursing practice. Computers & Education, 194 , 104689.
  • Mercer, N., & Sams, C. (2006). Teaching children how to use language to think together. International Journal of Educational Research, 45 (6), 307-321.
  • Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108 (6), 1017-1054.
  • Wang, S. J., & Liu, T. M. (2022). Dialogic digital divide in long-term care: Challenges and opportunities for higher education. Educational Technology Research and Development, 70 (5), 1821-1840.
  • World Health Organization. (2021). Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: World Health Organization.
  • Zheng, R. J., Fan, X. Y., & Tsai, C. F. (2020). Caregiver burden and quality of life in home-based elderly care: The moderating role of smart assistive technologies. International Journal of Older People Nursing, 15 (2), e12301.