/tags/statistics/林協霆醫師 (statistics)Hugo -- gohugo.iozh-twhttps://htl.physician.tw/favicon-32x32.pnghttps://htl.physician.tw/3232https://htl.physician.tw/favicon-32x32.pnghttps://htl.physician.tw/android-chrome-512x512.png5bbad5Sat, 04 Apr 2026 00:00:00 +0000/blog/learn-r-with-ai-2026-04-04/Sat, 04 Apr 2026 00:00:00 +0000/blog/learn-r-with-ai-2026-04-04/<h2 id="introduction引言" > <div> <a href="#introduction%e5%bc%95%e8%a8%80"> # </a> Introduction（引言） </div> </h2> <p>R 是臨床研究與生物統計的事實標準語言之一，但對非工程背景的醫師而言，學習曲線陡峭。傳統教材以語法為主軸，往往讓學習者在抵達真正分析任務前便放棄。本書主張一種新的入門路徑：「先利用 AI 跑出第一張統計圖，再回頭學語法」。這個順序顛倒並非偷懶，而是對學習者動機與認知負荷的合理回應。</p> <h2 id="methods方法" > <div> <a href="#methods%e6%96%b9%e6%b3%95"> # </a> Methods（方法） </div> </h2> <p>書籍以 R 與 Quarto 為基礎撰寫，每章從一個臨床問題出發，提供「給 AI 的標準提示詞」、「AI 產出的程式碼」、「逐行解釋」、「常見錯誤」與「自行挑戰」。內容由淺入深：從基本語法、tidyverse 資料整理、視覺化（ggplot2）、統計檢定到生存分析。所有章節皆可在瀏覽器互動執行（搭配 WebR 或類似環境），降低初學者環境設定的痛苦。</p> <p>教學重點為「結構化提問」：書籍鼓勵讀者每跑出一段程式後，以三輪追問（「請解釋」、「請改寫」、「請泛化」）深化理解。如此學習者不只是會用，而是能主動駕馭 AI 工具。</p> <h2 id="results結果" > <div> <a href="#results%e7%b5%90%e6%9e%9c"> # </a> Results（結果） </div> </h2> <p>完成此書的讀者預期能在臨床研究情境中獨立完成基本資料分析任務，並具備繼續以 AI 為伴自我擴展技能的能力。對教學者而言，本書亦提供可被改編為短期工作坊的素材，特別適合住院醫師、研究助理與生統入門課程。</p> <h2 id="discussion討論" > <div> <a href="#discussion%e8%a8%8e%e8%ab%96"> # </a> Discussion（討論） </div> </h2> <p>本專案實踐了當代教育學與 AI 工具結合的可能性：將「學習」重新定義為「結構化提問與反思」，而非「背誦語法」。限制方面，R 語言生態快速演化，部分套件 API 變動可能使範例失效；對於完全沒有程式概念的讀者，仍需要前置的「為何要學程式」章節。未來方向包括：繁體中文版本、面向特定臨床研究情境（生存分析、Meta 分析）的延伸章節，以及與作者其他工具（<code>meta-pipe</code>、<code>r-with-ai-eng</code>）的串接。</p> <h2 id="連結" > <div> <a href="#%e9%80%a3%e7%b5%90"> # </a> 連結 </div> </h2> <ul> <li>GitHub：<a href="https://github.com/htlin222/learn-r-with-ai">htlin222/learn-r-with-ai</a></li> <li>主要語言：R</li> <li>最後更新：2026-04-04</li> </ul>