在 3/14 邱富源教授的量化研究課堂中，我們討論的不只是統計公式，更是 AI 如何徹底翻轉研究範式。當 AI 成為協作夥伴，研究者的角色正從「操作者」轉變為「決策者」。
轉拍自教授的PPT
以下是今日課程的核心精華整理：
一、 趨勢思維：當聰明不再稀缺，熱情是唯一的動力
AI 的崛起改變了人才的價值定義。
- 從「發現」到「設計」： 黃仁勳曾提到，以前我們是「發現」藥物，現在是利用 AI 「設計」藥物（如蛋白質摺疊技術預測疾病）。
- 熱情（PQ/MQ）的重要性： 賈伯斯與黃仁勳都強調，在工具高度發達的時代，「熱情」才是支撐研究者運用第一性原理去創造價值的核心。
- 教育現場的轉變： 現代孩子生長於 AI 時代，過時的性向測驗已不具參考價值。美國實驗教育小學階段就開始強調分組與實作，這正是為了對應 AI 時代的協作需求。
二、 AI 輔助量化研究：1 天完成論文第二章？
過去寫論文最痛苦的文獻回顧（第二章），現在有了全新的高效路徑：
1.文獻獲取： 清大學生可利用利用清大圖書館 SDOL、Scopus、華藝等具公信力的資料庫搜尋 DOI。
2.AI 解析（NotebookLM）：下載全部論文PDF 並上傳至 NotebookLM。
- 關鍵秘訣： 盡量使用單一語言（純中或純英），付費版解析速度更快。
- 產出： 讓 AI 根據文獻建議論文題目、研究問題，並將其轉化為質性或量化研究或行動研究
3.避免抄襲： 務必將法條、法規列入參考文獻或附錄。
三、 實作指南：問卷設計與 SPSS 分析流程
量化研究的核心在於「信效度」。以下是標準化流程：
1. 問卷設計與工具轉化
- 對象差異： 成人建議使用 7 點量表；小學生則建議簡化為 4 點量表。
- 題目來源： 優先從現有文獻挑選合適題目（不隨意改編）。
- AI 協作： 將題目餵給 Gemini (Canvas 模式)，下指令：「請將以下 36 題製作成 Google 表單代碼」，它會引導你透過程式快速建立表單。
2. 進入 SPSS 統計分析
- 前置作業： 將 Google 表單匯出的試算表整理後，貼入 SPSS（變數在上，序列在左）。
- 信度檢定：執行「可靠性分析」。
標準： Cronbach's Alpha 須超過 0.7 才具信度。
優化： 若信度不佳，可參考 SPSS 建議刪除特定題目。 - 專家審核： 效度與信度建議找單數（奇數）位專家進行審閱。
四、 研究工具箱：關鍵資源清單
- 資料庫： 清大 SDOL、Scopus、華藝雲端書庫。
- 必備軟體： Office 365 (平板必備)、SPSS、NotebookLM。
- 證照趨勢： 新竹市教師必備 Apple Teacher，未來「生成式 AI 證照」將成為新標配。
結語：研究者的本質
量化研究不只是數字的遊戲，而是「向度」的藝術。將大向度細分為小向度，並將大向度透過可視化圖表呈現關係，能讓研究更具說服力。
在 2026 年的今天，我們不再需要當苦力，而是要學會當 AI 的「管理員」。
