知識工程：從原子句到組合式創新的的路徑
你是否也曾面對著滿櫃子的筆記卡片，卻發現它們只是一堆靜止的資料，長不出任何創新的果實？
“問題往往不在卡片數量的多與少，而是在一開始我們就用錯卡片盒編碼（X），讓原子句寫不出清楚的因果脈絡（M），最後就算堆滿一整櫃筆記，也長不出真正的組合式創新（Y）。”
前言：嬰兒恆溫箱的故事
19 世紀 70 年代後期，75% 早產與體重過輕新生兒會因體溫過低，在幾周內死亡，這讓滿心的期待的父母悲痛不已。
在一次無意間，巴黎婦產科醫院的一名年輕醫生 斯蒂芬·塔尼（Stephane Tarnier）在動物園散步時，看到剛剛孵化出來的小雞，待在恆溫環境中活蹦亂跳。這畫面讓他靈光一閃、興奮不已，於是這項跨領域的靈感，發明了世界第一台嬰兒恆溫箱，讓早產體重過輕的嬰兒死亡率從 75% 下降至 32%。
當年讀到這個嬰兒恆溫箱的故事，相當震攝到我，因此在就讀 DBA博士班時反覆咀嚼好幾回，它也恰巧體現了我今天想要拆解部分論文研究要講述的三個點：
- 知識遷移：
- 從「小雞孵化器」這個 C1（動物園／家禽飼養）
- 遷移到「嬰兒恆溫箱」這個 C2（新生兒醫療）。
- 組合式創新：
- 把「家禽飼養員的專業（I1）」
- ＋「婦產科醫生的專業（I2）」
- 組合出一個全新介入：嬰兒恆溫箱。
- 我為什麼想要做原子句的提煉？
確實是受到這故事的感動與啟發，因此透過我這幾個月大量閱讀的文獻資料設計科學研究法 DSR(Design Science Research)，模擬出適合的結構：IF–AND–THEN–LEADS TO寫成原子句，剛好就是「一張會產生組合式創新的卡片」。
管理科學中的知識工程典範轉移
歷年來累積無數的管理科學知識、碩博士論文，如果能從這些深厚描述（thick description）的脈絡，與龐大的語庫中，將非結構化的質性知識透過原子句提煉出來，就能夠做到將孤立的洞察過渡到一個穩固、互聯的知識大廈。
這也是在全國七所大學合辦的 DBA 方舟論壇中，元智大學管理學院 謝志宏執行長提及的：DBA博班具備高度產業的專業技能，必須更著重 Re-Search。即是從「開採礦石」到「燒製磚塊」，最終達到「建造教堂」—— 這是一個嚴謹的知識工程過程。這個過程本質上是一場先行去脈絡化（De-contextualization）隨後進行再結構化（Re-structuring）的工程。
在這個高階研究語境下，去脈絡化並不意味著剝離知識的本質意義。本文在此不做整篇論文的探究，也只是把我在文獻研究的一部分，僅就透過 DSR (設計科學研究法) 的某一個邏輯框架，讓我找到如何將這種流動的敘事文本轉變為原子句（Atomic Sentences；具備邏輯意義的基本、不可分割單位）的技巧提出來跟大家分享。特別針對論文題目還沒定標的同學，這篇值得你閱讀收藏喔！
一句高品質的原子句應該長成什麼樣子？
原子句不是感人的金句
很多人寫卡片盒時，缺乏問題意識，只記下「有趣的故事」或「感人的金句」，卻沒有把這種跨情境的因果結構寫出來 (包含之前的我)。
這也就是為什麼，許多人天天做筆記、寫原子句，卻幾乎 92%的人沒能像這位醫生一樣，真正做出組合式創新。
在 DSR (設計科學研究）本身沒有一套「官方標準」的原子句提煉流程，但在實務上，多數做法是把理論命題或設計知識拆解成「每一句只表達一個可真可偽的主張」的最小命題，再用邏輯或規則系統來管理與推論。
實務上常用的提煉步驟
在 DSR 文獻裡，多數是「借用邏輯與自然語言處理」的概念，手動或半自動提煉原子句，可概括為：句子分解、鎖定「主詞–謂詞」核心、移除多重焦點與修飾、轉成命題或規則形式。
人工＋人工智慧的程式設計
- 在資訊系統與 AI 融合的 DSR 裡，有人採用「規則式原子句抽取」或「依存句法分析」等技術，把複雜自然語言分解成多個原子句，以利後續推理與證據追蹤。[https://www.arxiv.org/abs/2601.00506]
- 常見流程是程式設計：
- 用 NLP 工具先自動切句、抽出子句與主詞–謂詞結構。
- 研究者再人工校正，確定每一句是清楚、可真偽判定的原子命題，並標註其在 DSR 中的角色（問題、設計決策、機制、結果等）。[http://www.cs.columbia.edu/~filatova/filatovaRANLP03.pdf]
以 IF–AND–THEN–LEADS TO 提煉原子句，儲存成 Scrintal 原子卡片為案例
來源書籍：《深度案例思考法》
作者：井上達彥；日本早稻田大學商學院教授
本書籍提煉出五張原子句，存入 Scrintal 卡片盒筆記軟體，相關卡片敘述如下：
卡片 1：AS-001
標題：AS-001 細微公益行動被放大成組織質變
內容：來源：《深度案例思考法》教會公益案例（細微變化與組織變革）
標籤： #組織變革 #非線性 #細微變化 #公益 #教會
註記：可延伸為碩博士論文常使用的 SEM結構方程模型（Structural equation modeling）題目「微小干預強度（X）→ 非線性組織變革程度（Y），由環境與互動放大機制（M）當中介因子。在職涯文章則可以談：如何從小行動，去撬動職涯轉機？
卡片 2：AS-002
標題：AS-002 報社獨立線上部門突破慣性扭曲
內容：來源：《深度案例思考法》傳統報社數位轉型案例（吉爾伯特研究摘要）
標籤： #數位轉型 #慣性 #扭曲效應 #組織設計 #媒體
註記：可延伸為「結構分離程度（X）→ 數位轉型績效（Y），由慣性/扭曲效應降低（M）中介因子」的 SEM；也可對接傳統產業導入 AI，公司是否需要獨立 AI/數位單位的碩博士論文題目。
卡片 3：AS-003
標題：AS-003 現場＋原型比對提升創造型人才甄選
內容：來源：《深度案例思考法》好萊塢編劇甄選案例
標籤： #人才選拔 #創造力 #現場調查 #原型 #職涯
註記：非常適合你連結「職涯諮詢、企業內部人才盤點」，可設計題目「現場互動評估強度（X）→ 創造型人才甄選準確度（Y），以原型比對品質（M）中介因子」。
卡片 4：AS-004
標題：AS-004 差異法揭露醫療革新的認知壁壘
內容：來源：《深度案例思考法》日本醫療革新普及研究案例
標籤： #醫療革新 #差異法 #假設修正 #認知壁壘 #研究設計
註記：可以延伸為「差異法運用程度（X）→ 關鍵變數識別品質（Y），由研究者偏見降低（M）中介因子」，也可用在碩博士論文：例如比較「導入/未導入職涯服務的兩組單位」，找出真正影響留任與學習成效的因子。
卡片 5：AS-005
標題：AS-005 併購雙向信任對稱決定合作與欺瞞
內容：來源：《深度案例思考法》企業併購信任研究案例
標籤：#併購 #信任 #信任對稱性 #機會主義 #關係治理
註記：可發展 SEM「信任對稱性（X）→ 併購成功／整合品質（Y），由合作／欺瞞傾向（M）中介因子」，也可以轉換為碩博士論文：「導師制、主管 — 部屬關係」等職涯研究情境。
結論：沒有結構，再多原子句也只是「資訊碎片」
讀到這裡，你會發現：真正決定卡片盒上限的，從來不是卡片的數量，而是每一句原子句背後，有沒有清楚的結構。當原子句只停留在「好句子」「感人故事」，卻沒有說清楚在什麼情境下、做了什麼、透過什麼機制、導致什麼結果，本質上就只是被精緻包裝過的資訊碎片，無法支撐嚴謹的推論與後續設計。
在文獻探討與高階實務研究的語境裡，這種差異尤為關鍵：
- 結構不清楚的原子句，只能被動地「被閱讀」，很難被拿來組裝成假說、設計命題或介入方案。
- 具結構的原子句，才有機會成為可檢證、可重複、可遷移的知識單元，進一步在不同情境中被重新組合，形成新的理論與實務創新。
因此，第一篇想留給你的核心觀念是：先把「一句有清楚因果結構的原子句」當作最低標準，不再滿足於「有抄到就好」。
當你重讀自己的卡片時，如果發現它無法在不依賴前後文的情況下，清楚說明一個可真可偽的主張，那就表示這張卡還停留在「輸入品質不足」的階段。加油，我的朋友。有任何見解、疑問，也歡迎你留言分享，願我們一起學習、一起成長，一起遇見更卓越的自己吧。
下一篇，我會假設你已經擁有一批寫得不錯的結構式原子句，帶你往前一步，思考：要如何透過卡片盒筆記系統，讓這些結構化的原子句不只是「靜態收藏」，而是能持續產生縱效的知識資產。
