18/05/2026

醫學、心理治療與人工智慧

醫學、心理治療與人工智慧

中國醫藥大學 安南醫院副院長
精神醫學及神經科學教授 

醫學頂尖期刊《刺胳針》(The Lancet 2026 May 16)最近刊登了一篇由哈佛大學人類學宗師 Arthur Kleinman 教授團隊撰寫的精彩專題評論〈醫學、心理治療與人工智慧〉(Medicine, psychotherapy, and artificial intelligence):

  1. AI 因缺乏道德情感自我,易因偏誤反射而有害地固化患者僵化認知,本質上只是人類孤獨的數位投射 
  2. AI 應定位於行政優化與臨床測量,並採取「人類主導」的混合模型,不可越俎代庖取代實體人類照護

生成式人工智慧(AI)的突飛猛進,以史無前例的速度重塑醫療與精神健康照顧的樣貌。當臨床醫學面對這場技術潮流時,其核心提問已從技術性的「模型能否執行治療?」進到哲學與臨床醫學的本質:「當我們試圖將心理治療交給電腦程式時,我們究竟遺漏了什麼?」哈佛大學 Gardner 與 Kleinman 教授在《The Lancet》發表的這篇專論,從神經科學與精神醫學歷史的角度,指明了跨越數位幻覺的關鍵指標:人類心智的動態潛意識與人際間的互為主體性(inter-subjectivity)。

文章指出,精神醫學長期以來存在一種將患者「去潛意識化」的機械論誤解,而 AI 的出現恰好迎合了過往對於「完美治療客觀性與中立性」的虛構幻想。然而,從神經科學、社會科學、文學和其他學門來看,動態潛意識的存在似乎是人類經驗的核心,因此也是我們所謂的精神病理學與心理治療經驗的核心。心理治療的本質並非單純的資訊交換或客觀指令的輸入,而是一個立體的生物心理社會過程。

人類心智的特質在於其動態性,也就是個體意識到與未意識到的事物是變動的,且取決於多種因素,例如情緒狀態的波動,而這些波動本身只有透過我們人類大腦的特定物理架構和神經調控模式才可能實現。同時,社會和我們的社交經驗也會影響我們的大腦與心智,無論是在童年發展還是貫穿一生的每時每刻體驗。因此,任何具有實質療效的臨床介入,都高度依賴於醫師與患者之間所建立的情感環境(例如轉移或反轉移),而這個環境最不可或缺的成分,是治療師身為「另一個擁有獨立、可識別之人類心智的社會動物」。

心理治療透過兩個心智在同一個物理空間中的意識與潛意識碰撞,才得以引導患者打破僵化的自我認知的故事。從這個視角審視 AI 聊天機器人,其臨床限制便昭然若揭。AI 無法感知的非語言訊息僅是表象,由於生成式 AI 的底層邏輯是基於人類數據的偏誤反射,它極易成為一面放大用戶潛意識渴望的鏡子,反而有害地固化了患者的病理認知。患者若對 AI 產生深層的共鳴感,本質上只是一種「數位投射」,如同夢境,其背後本質上「空無一人」。意即:AI 因為「一味迎合和缺乏主體性」,反而會強化精神疾病患者「僵化的自我」,這在臨床安全與倫理上是一記重大的警鐘。

照護與提供照護不可避免地是生物心理社會(biopsychosocial)與人類互為主體性(intersubjective)的 。沒有情感、道德自我以及在局部世界中的社會地位,聊天機器人無法取代臨床醫師,但我們確實相信 AI 可以作為臨床實務的輔助。例如,AI 在行政上的用途(包括病歷紀錄、筆記或在某些醫療系統中與第三方支付機構對接)相當直接,並具有讓醫師有更多時間陪伴患者。AI 有潛力以過往在大規模層面上不可行的方式,來測量並藉此提升照護品質 。

把 AI 放進心理治療(特別是需要講求人性的「動力取向治療」)其實很複雜。AI 的好處是隨手可用、很會抓重點;未來的做法,大概會是由經驗豐富的醫生來把關。患者平時可以先跟聊天機器人對話或寫作,AI 再把內容摘要報告給醫生,確保過程安全、符合倫理。但無論如何,患者和真人治療師的實體見面絕對不能省。就算見面的次數或時間變少,只要有真人互動,就能保住心理治療的核心靈魂,同時又能享受 AI 帶來的便利。

這就像是「對著牆壁練網球」。你一個人對著牆壁瘋狂練習,確實能流汗、能進步;但說到底,球場上還是需要一個活生生的對手,才能有真正的來回互動,也需要教練在旁邊看著。這意味著「人類臨床醫師主導」的混合模型(Hybrid Model)應確實可行。在最核心的治療關鍵上,保留人類醫師深思熟慮的判斷與不可或缺的互動,以在數據洪流中守護醫學的人文底蘊與病人的安全。





25/04/2026

音樂正在變簡單嗎?從大數據分析看見數位時代下的音樂結構萎縮與趨同

音樂正在變簡單嗎?從大數據分析看見數位時代下的結構萎縮與趨同
蘇冠賓

中國醫藥大學 安南醫院副院長

憂鬱症中心身心介面研究中心主持人

精神醫學及神經科學教授 


對我而言,音樂從來不只是耳機裡流淌的旋律,而是生命中不可或缺的呼吸與節奏。我對音樂的熱愛毫無邊界,清晨習慣讓巴哈無伴奏大提琴組曲以嚴謹深邃的邏輯開啟一天的思緒,午後則沉浸於爵士樂即興碰撞的自由浪漫,或在搖滾樂的生命張力與電子合成器的未來意象間尋找共鳴;而當靈魂渴望最壯闊的洗滌時,我總會走向馬勒,在如同交響宇宙般的宏大編制中,沈浸於他那跨越生與死、痛苦與昇華的純粹戲劇性。


無論是跨時空的古典對話、還是對當下情感的即興捕捉,每一種曲風,都是一種觀看世界的方式。無論是壯闊的管弦樂、孤寂的民謠,還是充滿實驗性質的前衛音軌,都可以讓聆樂者在不同的階段和情境,找到與靈魂共振的優雅語言。


然而,當科學家從這種感性的沈浸中抽離,以一種近乎「解剖」的角度審視音樂時,支撐起這些人類情感的音樂骨架,究竟經歷了什麼樣的演化?剛剛 Scientific Reports 刊登一篇音樂演化的研究,作者利用「網絡科學 (network-based representation of music)」分析了近四百年、約兩萬首涵蓋古典、爵士、流行、搖滾、電子及嘻哈等六大類型,並將音樂轉換為加權有向網絡,結果相當有意思


隨著時間推進,音樂整體正逐漸走向「簡化」與「同質化」。


研究團隊將音樂中的「旋律」與「和弦」轉化為數學上的加權有向網路,藉此捕捉音符轉換間的隱性邏輯。這項研究發現,音樂類型的區分不僅在於節奏或音色,更在於其網路拓樸結構。古典樂與爵士樂展現了高密度的網路特徵與豐富的層次感,這與其深厚的理論基礎與對非預期轉換的容許度有關。相比之下,流行樂與鄉村樂的網路結構顯得極為緊湊且具備高度預測性,反映了商業音樂對「洗腦旋律」與「公式化和弦」的偏好。



這項研究的方法論建立在將「時間序列」轉化為「空間網絡」的創新邏輯上。研究團隊利用大數據分析,將近兩萬首音樂作品解構為「加權有向網路(Weighted Directed Networks)」。在旋律網路中,每一個獨特的音高被定義為節點(Node),而音符之間的相繼出現則被視為有向邊(Edge),其轉換頻率則構成邊的權重。這種建模方式讓複雜的音樂作品轉化為可量化的數學拓樸結構,使研究者能跨越文化與美學的感性藩籬,利用網路科學中的指標—如效率(Efficiency)、熵(Entropy)與群聚係數,去精確測量音樂結構的資訊量與組織邏輯。


Figure 1為例,就是將上述抽象建模過程視覺化的關鍵過程。該圖透過四首代表性曲目:(1) Air on the G String(Bach G弦之歌)、(2) Autumn Leaves(枯葉,爵士曲)、(3) Never Gonna Give You Up(洗腦流行曲)、(4) Crazy Train(瘋狂列車,重金屬經典),展示了音樂網絡的具象特徵:節點的大小反映了該音符在曲中出現的中心性(度數),而邊的清晰度則標示了音符轉換的頻率。從圖中可以直觀觀察到,複雜音樂(如古典與爵士)的網絡呈現分散且豐富的連結路徑,展現出高度的非預期性;而流行音樂則呈現高度集中的核心結構,顯示出公式化與重複性的特徵。圖一不僅證明了不同音樂類型在數學結構上的本質差異,更為後續分析四百年來西方音樂「結構簡化」與「風格趨同」的趨勢奠定了實證基礎。


古典與爵士音樂的結構最複雜

本研究的結果揭示了西方音樂演化中一個令人警示的趨勢:結構的「簡化」與「同質化」。透過分析跨越四百年的兩萬首作品,數據顯示音樂作品的網路複雜度(如資訊熵與網路效率)隨時間推移而顯著下降。特別是在二十世紀後半葉,儘管製作技術日益精進,但旋律與和聲的內在骨架卻趨於公式化。古典樂與爵士樂等歷史悠久的流派,原本擁有高密度的網路特徵與豐富的音符轉換邏輯,但近代作品在拓樸特徵上已逐漸向結構簡單的流行音樂靠攏,顯示出全球化與商業化競爭下,不同流派間的結構邊界正在模糊,導致整體文化多樣性的縮減。



圖四是本研究最精采的部分之一,它利用 UMAP(均勻流形逼近與投影) 技術,將音樂的「音程特徵」投射到一個高維空間,讓我們能以「鳥瞰」的方式觀察音樂流派的基因差異:古典樂與爵士樂明顯佔據了地圖上方的高複雜度區域,與下方的流行、搖滾等流派拉開了顯著距離。研究進一步將音樂特徵拆解為兩大核心維度,發現決定音樂深度的靈魂指標—「第二維度(加權效率與熵)」,與小二度及大二度等具備張力的不穩定音程高度相關。圖四的數據結果實證了古典大師們善於運用這些音程創造非預期性的聽覺層次,而現代音樂則傾向於使用更穩定、容易預測的音程組合 。


這種「同質化」現象反映了文化演化的多重因素。首先,錄音技術與廣播媒體的普及,使得受歡迎的結構範式被快速複製;其次,商業市場對低認知成本音樂的需求,促使創作者轉向更簡單、易記的旋律模式。雖然現代音樂在音色實驗與製作技術上日益精進,但其內在的骨架—即旋律與和聲的組織邏輯—卻正在喪失其原有的多樣性。

當我們讀到這些數據時,或許心中湧起一種複雜的惆悵。原來,當我們在演算法推薦的清單中感到「似曾相識」時,那並非錯覺,而是音樂骨架正在縮水。我們正身處一場「數位文化演化」!在Apple Music、Spotify、YouTube與演算法推薦的時代,我們聽到的音樂,可能正在被無形地「優化」成更容易被接受、記憶與傳播的形式。


Di Marco, N., Loru, E., Galeazzi, A. et al. Decoding the evolution of melodic and harmonic structure of Western music through the lens of network science. Sci Rep 16, 11121 (2026). https://doi.org/10.1038/s41598-026-42872-7

17/04/2026

病人早已經在用AI尋求心理支持,臨床醫師應主動聊聊病人怎麼用!

病人早已經在用AI尋求心理支持,臨床醫師應主動聊聊病人怎麼用!

蘇冠賓

中國醫藥大學 安南醫院副院長

憂鬱症中心身心介面研究中心主持人

精神醫學及神經科學教授 

  • 民眾正逐漸將生成式人工智慧作為心理健康資源。超過13.1%五百萬名美國青年曾向AI尋求心理健康建議,其中18至21歲族群的比例更高達22.2%。
  • AI能提供陪伴、心理教育,但也可能給出不準確或有害的回應。
  • 醫師若能了解病人從AI中獲得什麼,就能一起討論、澄清誤解,轉化成治療素材。
  • 把AI變成深化醫病關係的機會:詢問時先不批判、展現好奇,聽病人覺得有幫助的地方,再一起討論需要注意的部分!
  • 你們覺得呢?醫師該不該 routinely 問病人有沒有用ChatGPT談心理問題?
Ref: Saba SK, Weeks WB. Patients Use AI-Clinicians Should Ask How. JAMA Psychiatry. 2026 Apr 1. doi: 10.1001/jamapsychiatry.2026.0451. Epub ahead of print. PMID: 41920560. 


美國民眾正逐漸將生成式人工智慧(AI)作為心理健康資源。超過五百萬名美國青年(13.1%)曾向AI尋求心理健康建議,其中18至21歲族群的比例更高達22.2%。2025年一項針對有心理健康問題且使用大型語言模型成人的研究顯示,近半數受試者使用這些工具尋求支持,包括焦慮、憂鬱症及個人建議。

使用者尋求的情感支持、陪伴、心理教育,以及幫助處理困難經驗,常發生在療程之間,有時甚至取代臨床照護。雖然專業指引多聚焦於臨床醫師如何使用AI工具,但關於與病人討論其AI使用情況的對話至關重要,卻較少受到重視。

首先,AI使用情況能讓我們一窺病人的內心世界。人們很可能會向AI傾訴他們不願與臨床醫師分享的擔憂,例如尷尬的恐懼、擔心被評判的想法、看似明顯卻難以啟齒的問題,以及尚未成形的想法。

其次,AI會影響病人處理自身問題的方式。這些模型可能過度迎合,只提供認同而缺乏適當挑戰;容易產生幻覺,提供不正確或有害的資訊。如果臨床醫師知道病人從這些工具中獲得什麼,就可以用正確具有治療性的角度處理這些內容,探索病人尋求支持的原因、強化有益的部分、修正誤導性回應,並幫助病人發展對AI的批判能力

第三,AI使用情況應視為臨床評估的一部分。臨床醫師會關心病人的運動、物質使用、正念冥想應用程式、自助書籍及支持團體參與情況,因為了解病人的因應方式對醫療也很重要。AI作為一種科技與求助行為,也應視為臨床評估的一部分。社群媒體對心理健康的影響如今已有充分文獻支持,但臨床界曾經遲遲未將其納入常規評估,以致一代年輕人在缺乏足夠臨床支持的情況下使用這些平台。

臨床醫師無需成為AI專家,但基本的AI素養是必要的

醫師應該了解大型語言模型是根據大量訓練資料預測可能的文字序列並產生回應,所以病人可能面臨特定風險:(一)雖然回應聽起來權威,但往往不完整、缺乏危機處理協議與問責;(二)心理健康領域中AI使用的研究仍處於起步階段,且進行困難;(三)AI可能提供有害資訊、不能適當回應自殺意念、甚至強化有害行為,或反映社會污名與偏見;(四)病人可能未充分認識隱私風險;(五)過度依賴AI尋求社交連結也可能成為問題,尤其對仍在發展中的年輕人而言;(六)快速的變化使得制定明確臨床使用指引極具挑戰性,因此,持續掌握最新發展是AI素養的重要組成。最具臨床意義的是了解個別病人如何使用AI,並據此做出回應。


臨床醫師的會談技術很重要(表格列出實務方法)

第一,正常化(不批判、肯定)AI用於心理健康,並以開放態度提問,能傳達好奇心,病人較不會感受到不認同。

  • 「很多人都在使用像 ChatGPT 這樣的人工智慧工具,包括用來尋求心理健康支持。你有試過嗎?」

第二,先探索益處再討論疑慮,能展現真誠興趣,並幫助臨床醫師理解AI在病人生活中的具體角色。

  • 「你用它來做什麼?哪些部分對你有幫助?」

第三,先詢問病人的疑慮,再分享臨床醫師的疑慮,能開啟關於潛在風險的對話。

  • 「有沒有哪些回應讓你覺得不太有幫助,或是讓你感覺更糟?」

第四,病人有意願接受建議後再提供資訊(例如AI不準確、偏見、有害回應、污召化)。
  • 「我可以分享幾個需要注意的地方嗎?」
第五,邀請持續對話
  • 「我很希望能持續聽你分享這件事的發展、你覺得還有什麼有幫助的地方,或是出現任何疑慮。這可能有助於我們一起想出可以努力的方向。」
使用隱喻(如「一個知識豐富但有時過度自信的朋友」)能有效傳達AI的效用與限制。最後,表達希望持續討論AI的意願(包括邀請病人帶入相關提示與輸出),能將AI納入持續治療,而非視為一次性篩檢問題。這種方法能將AI使用轉化為治療素材,包括病人被吸引的主題、不確定的回應,以及可能正在學習的內容。

AI對心理健康有好有壞,兼具兩面,取決於情境。若未進行常規評估,臨床醫師就無法觀察病人與這些工具的互動,並可能遭遇無法預測的風險。既然病人已在使用生成式AI進行心理健康相關互動,臨床醫師無需等到有明確研究結果才開始詢問。臨床醫師應以好奇而非批判的態度進行對話,但也要提供資訊、信任,並隨著AI發展持續更新知識和素養。


16/04/2026

助人者的韌力之道:在危機中綻放永續的熱情(推薦序)

在危機中綻放永續的熱情

蘇冠賓

中國醫藥大學 安南醫院副院長

憂鬱症中心身心介面研究中心主持人

精神醫學及神經科學教授 


羅東聖母醫院郭約瑟醫師所翻譯的《慈悲枯竭》,以生理、心理、行為及社會支持的多維視角,建構了一套全面的助人者韌力提升框架。此書延續郭醫師前譯作《韌力》的精神,提供了在高壓照護環境中增進韌力的實用策略。作為精神醫學與神經科學領域三十餘年的臨床醫師與研究者,我深感此書對台灣醫療專業人員而言,宛如一盞明燈,照亮韌力,指引助人者在危機中守護自身心理健康並蛻變成長。

臨床實務中的真實啟示

在三十年的精神醫學生涯中,我多次目睹助人專業人員,包括我自己在內,因未能及時察覺自身狀態,陷入職業倦怠與慈悲枯竭的困境。此現象不僅危害個人健康,更威脅醫療體系的穩定性。台灣護理人力短缺危機尤為顯著,高離職率反映出倦怠與支持系統不足的雙重挑戰。

數年前,我遇到一位年輕的急診護理師,她在高壓環境中持續工作多年,她因身心俱疲選擇辭職。她形容自己「被掏空」,無法再面對病患的痛苦或職場衝突。她的經歷並非特例,而是台灣醫療體系的縮影:部分醫院的護理離職率高達15%,不僅因長工時與低薪資,更因缺乏心理支持與毒性職場環境。這些系統性問題不僅削弱醫療服務品質,更對患者安全構成威脅。

助人專業韌力的核心價值

《慈悲枯竭》直面這些挑戰,提供了建構心理韌力的實用工具。其核心理念「前瞻式專業韌力」強調自我調節、循意向行事及情感成熟等技能,使助人者在逆境中尋求平衡與成長。此策略與我長期倡導的「助人者自我照護」理念一致:唯有善待自己,助人者才能持續為他人提供有力支持。本書提出的五大核心技能——從自我調節到建立支持網絡——既是抵禦倦怠的防線,亦是助人專業長遠發展的基石。

全民心理健康韌性計畫

本書在個人韌力策略的建構上表現出色,但對系統性職場問題(如霸凌、績效壓力、毒性組織文化)的探討相對有限。這些結構性因素對慈悲枯竭有顯著影響,卻缺乏對其形式、成因及系統性解決方案的深入分析。

近期一場悲劇—勞動部公務員因長期職場壓力輕生—凸顯了這些問題的迫切性。作為總統府健康台灣推動委員會委員,我於2024年11月28日會議中提出「全民心理健康韌性計畫」,獲總統認同,並於2025年3月26日由衛福部正式啟動為期6年、50億元的計畫,其中包括職場的反霸凌機制。現代社會的壓力和創傷型態已大不相同,急速變化中的數位化社會的職場壓力和青少年創傷、不健康社群媒體對Z 世代心理健康傷害,不要說學校的老師或輔導人員不懂,醫院心理師、精神科醫師不熟悉,甚至精神醫學或教育心理學的專家學者們,都仍然不斷在研究、學習,以因應新的挑戰。

結語

《慈悲枯竭》不僅是一部助人專業韌力的實用指南,更是一份對奉獻於改善他人生活者的致敬。它為助人專業人員提供工具,確保他們在燃燒熱情時不致耗盡,成為他們旅途中的堅實夥伴。期望本書能激勵照護者優先關注自身福祉,確保以韌力與慈悲持續其重要使命。




14/04/2026

善用醫院教學與研究資源:迎接臨床學術生涯的挑戰和樂趣(演講摘要)

 善用醫院教學與研究資源:迎接臨床學術生涯的挑戰和樂趣(演講摘要)

蘇冠賓

中國醫藥大學 安南醫院副院長

憂鬱症中心身心介面研究中心主持人

精神醫學及神經科學教授 

  • 今天的主題是「醫院的研究發展」,是我在行政管理部分的主要的專長。
  • 「學術研究發展」在醫院經營追求卓越和續效過程中,是較為「形而上、難度高,但卻相當具有代表性的指標」。
  • 有些人過度強調其重要性,但很難具體評核教學研究做的好,是不是真的會對醫院的營運有直接的幫助。
  • 有些人認為只是評鑑才需要,但事實上,卓越經營的醫院,教學研究也都做的傑出,這是假造不了的。

  • 醫學評鑑的歷程,對醫院、科部、個人發展學術的生涯,都是難能可貴的機會。
  • 如果全院對發展教研有共識,那麼機構對於這項任務會投入大量的研究、教學、臨床資源, 可以讓個人在職涯發展上有更多的可能性、讓主管在科部發展上面落實理想。
  • 由於看不到立即的成效,所以如果沒有全院的「共識」,光靠院長和副院長是做不動的!

  • 「重視研究的共識」不表代所有人都要做研究!教學、研究、臨床、行政同要重要,沒有人可以全部都做的很好的!
  • 事實上,一個機構只要有重視研究的風氣,鼓勵有興趣做教學研究,就相當不錯了!假設我不想研究,但我支持研究做的好的人去全力發展,就是重視研究的共識!
  • 所以,發現自己的熱情、發揮自己的長處,視才而用!
  • 受醫學教育的人,以及在醫院工作者,骨子裡就是一個科學家。
  • 而且醫院工作者,兼具「行政、教學、臨床和研究」的特質,四者相輔相成。
  • 比如說:行政經營看數據,分析結果,擬定對策,其實就是在做研究;帶學生、帶資淺者、衛教病人或家屬,其實都是在做教學。
  • 我的學生有好幾位都是開業多年之後,發現自己對研究的熱情,回到研究所做研究!有些學生是工作上主管要重點培養,鼓勵升遷,加上自己強烈的求知慾和上進心!
  • 寫論文和寫計畫和品味何干?
  • 「看報喝糖茶」、「突然有一天」、「專心嘗茶,減糖、感受茶香和風味」、「不滿足於超商」、「Harrods」、「熊貓茶大熊貓糞便當肥料,種植於四川雅安的熊貓生態茶山」、「明朝專用瓷杯」;
  • 「多久可以養成品味?」花多久時間,有一天才突然有了「用心體驗的覺醒」、「深入了解的企圖」、「培養長期經驗的管道」!
  • 科學:對雜誌的品味、對論文的品味


AI 時代的寫作來臨!把Gemini Notebooks變成你的研究助理

AI 時代的寫作來臨!把Gemini Notebooks變成你的研究助理:利用NotebookLM 建立「專屬研究資料庫」,整合文獻與數據。透過 LLM自動摘要、比較文獻並挖掘研究缺口;再回到LLM產出結構化大綱與文獻回顧。藉由設定「學術專用指令」確保語氣與格式準確,透過「資料、產出、優化」的循環迭代,將 AI 從聊天工具轉化為深度思考的研究助理,提升資訊整理與寫作效能。



⚠️ 應避免的倫理與濫用原則

在享受 AI 便利的同時,必須嚴守學術誠信,避免以下行為:

  • 虛假引用 (AI Hallucination): AI 可能會生成看似真實但不存在的文獻或連結。必須人工核對每一條引用來源的真實性與準確性。

  • 抄襲與剽竊 (Plagiarism): 嚴禁直接將 AI 生成內容「複製貼上」作為論文主體。AI 應定位於「輔助修改」或「大綱發想」,最終觀點與文字撰寫需由研究者主導。

  • 數據隱私與保密: 避免將未公開的敏感研究數據、受試者隱私資訊上傳至雲端 AI 平台,以防數據外洩或被用於模型訓練。

  • 過度依賴與學術怠惰: AI 無法取代研究者的批判性思考。若論文缺乏作者自身的分析與創新觀點,僅由 AI 拼湊而成,將損害學術價值。

  • 違反期刊投稿規定: 許多國際學術期刊(如 NatureScience)要求必須明確揭露是否使用 AI 及使用範圍。隱瞞使用 AI 可能導致論文被撤稿或列入學術黑名單。





介紹時間管理的愛森豪矩陣
  • 我們常常被緊急的事情牽著走,危機和臨時狀況會帶來壓力與疲勞;問自己工作的核心目標是什麼、現階段最需要聚焦在哪裡
  • 避免沉溺於雜事、社交媒體、低價值活動,學習分辨哪些事其實只是打擾、可以捨棄
  • 但重要的、非緊急的部分才是影響我們長遠發展的關鍵,但關係經營、個人成長、身體健康,這些非急迫但重要的事,是維持生命力的來源,要有意識地把時間分配給真正對人生有意義的事
  • 讓每一天的行動都服務於自己的大方向,不只是應付燃眉之急,還能預防未來的危機,持續調整步調,追求平衡和成長

參考資料