文章介紹
後設認知是臨床診斷推理的核心能力，但現有教學模式缺乏系統性的後設認知鷹架，難以將其融入實際臨床訓練中。
王嘉瑜博士團隊針對這個問題，提出並評估「MIND 學習模式」（Metacognition-Integrated Instruction for Novice Diagnostic），建立一套能將後設認知明確嵌入診斷教學的結構化框架，並探討其對醫學生後設認知能力及各維度間結構關係的影響。
研究採前後測設計，招募 127 名正在進行兩週急診醫學輪訓的六年級醫學生。介入方式為一日的 MIND 工作坊，課程依自我調節學習理論設計，涵蓋認知知識、客觀性、問題表達、監控和評估等五個後設認知維度，並以結構化引導問題嵌入真實急診診察情境。
工作坊結束後，在後續兩週的輪訓中持續強化後設認知的應用。使用「診斷問題解決後設認知自我調節量表」（IMSR-D）評估各維度的表現變化，並以偏最小平方法結構方程模型（PLS-SEM）分析維度間的結構關係。
介入後，五個後設認知維度均達到顯著進步，效果量均大（Cohen’s d > 0.98），其中以「客觀性」與「監控」的進步幅度最為突出，這兩個面向在初學型診斷者中尤其不足。結構模型比較顯示，前後測的整體結構關係維持穩定，但「認知知識→問題表達」的路徑係數在介入後顯著增強（β = .29 → .50），顯示 MIND 模式有助於學生將對自身推理策略的自覺，更有效地轉化為組織臨床問題的能力。這些結果支持在急診醫學訓練中導入明確後設認知鷹架的可行性，並為臨床教育者提供具體可行的設計參考。
恭喜王博士！
AI 可以爬網路資訊，能夠找到所有的文獻嗎？來看看講師的建議。
