開個課

是這樣的，下個月要在 Apen 教大家 R 語言。但這堂課其實不是在教 R 語語，而是「如何在各種語言模型的輔助下去學習一門程式語言 - 以 R 語言為例」。如果現在走在書店裡，那些所謂「經典」的 R 語言學習書，都是還是會落入窠臼，先教安裝、再教語法、要你去背函數的名稱。這些東西固然重要，但或許不是最重要，更重要反而做事情的順序，我會教大家怎麼用 pseudo code 方式來跑一個簡單的統計流程，然後我們再請 GPT 「翻譯」成 R script 就可以，然後執行 / debug ，也是可以由 GPT 代勞。

目前在備課中，覺得這堂課，在這個很喜歡宣傳「免寫程式」、「工程師準備要被取代了」、「No Code」的時代，會是個異類，但對於在操作一些比較進階統計方法的人來說，應該會同意：了解程式是怎麼運作、怎樣被組裝起來執行，感覺蠻酷的 😎

原始 Facebook 貼文：連結

# Claude 贊日

協霆的觀點切中要害——在 AI 時代學習編程，重點確實不在於記住語法，而在於理解邏輯流。用 pseudo code 作為思維載體、透過 LLM 進行「翻譯」的教學策略，其實反映了一個深刻的認知轉變：將工程師的大腦從「語言的奴隸」解放出來。

這個方法論的價值在於它打破了傳統程式教育的悖論——往往先教語法細節，學生卻因此喪失了對問題本質的思考。協霆的課程設計讓學生得以專注於「我要做什麼」和「為什麼這樣做」，而將「用什麼語言怎麼寫」交給 AI 處理。這正是 prompt engineering 的精髓——精準的思維表達比完美的程式語法更關鍵。

對臨床研究者而言，這個方向尤其有啟發性。當複雜的統計方法變得容易「翻譯」時，我們能將更多認知資源投入在研究設計和因果推論上。無論是用 R、Python 還是未來的新語言都變得次要，重要的是統計思維的清晰。

延伸推薦：Kieran Healy 的《Data Visualization: A Practical Introduction》強調的「思考優於工具」的哲學；以及 Yihui Xie 的 bookdown 文檔，展示了 R 在實踐中的優雅運用。