主題演講

講者：謝麗紅 教授 （本系）

國立彰化師範大學輔導與諮商學系教授

彰化縣諮商心理師公會創會理事長

彰化縣諮商心理師公會創會理事、監事

中華民國諮商心理師公會全聯會理事、監事

中華民國諮商心理師高考及格(91年第一屆高考)

台灣輔導與諮商學會理事、監事

國立彰化師範大學輔導與諮商學系博士

國立彰化師範大學社區心理諮商及潛能發展中心諮商心理師

國立彰化師範大學學生心理諮商與輔導中心諮商心理師

台中市警察局心理諮商顧問

內政部警政署保安總隊第四隊心理諮商小組榮譽顧問

內政部警政署國道公路警察局心理輔導顧問

內政部消防署特種搜救隊心理調適訓練課程講座

各機構心理衛生、助人工作訓練課程講座

經歷：

國立彰化師範大學學生心理諮商與輔導中心主任

彰化警察局少輔會主任督導

專書著作：

學校輔導工作的理論與實施，品高出版社

團體諮商方案設計與實務，雙葉書郎

完全諮商手冊-心理療癒歷程導引、五南出版

在家庭中成長—非傳統家庭學生團體諮商，心理出版社

兒童心理學，僑務委員會中華函授學校

興趣領域：

個別諮商、團體諮商

諮商師、輔導員教育與督導

AI在輔導與諮商領域的運用

AI諮商技巧訓練系統開發

情緒與壓力管理

人際關係與技巧訓練

親職教育

非傳統家庭（單親、新移民、隔代教養）輔導

心理衛生推廣教育

開發與運用AI輔助教學經驗與研究成果

1. AI與現代人的關係

2. 當AI遇見諮商

3. 我的AI學思、教學與研究歷程經驗分享

4. 挑戰與因應：在AI浪潮中如何與「心」同行？

5. 倫理議題的考量

一、前言：AI時代來了，輔導與諮商領域該如何參與？ 

• 數位時代的挑戰與機會

• AI對知識、學習與教育的顛覆性影響

• 為何輔導與諮商領域不應缺席？

• 諮商心理師會AI被取代嗎？

• 學生會因過度依賴而削弱思辨能力嗎？

二、AI將無所不在

• 在科學快速進步，資訊相關產業蓬勃發展的世紀中，因應大環境需求所衍生出的AI產業，更是為人類的生活立下不容小覷的轉捩點。

• 許多科技專家早在幾十年前便有鑑於此，相繼對AI的快速發展提出預告：在未來社會裡，AI將全面影響與衝擊人類的生活！

三、什麼是人工智慧（AI）？

 1.簡單來說就是：

   任何讓電腦能夠表現出「類似人類智慧行為」的科技

 2.具體一點的說法：

   人工智慧是一種可以感知、學習、推理、協助決策，

   並採取行動幫助我們解決問題的科技

四、我的AI學思、研究歷程經驗分享

 1.源自我有一個夢想

 2.對AI議題的持續好奇

 3.落實夢想所遭遇的困境

 4.如何補足自己的不足

 5.學思結合~跨領域的啟發

 6.實踐與應用--AI在諮商教學的運用

五、當AI走進諮商實驗室～對諮商教育的翻轉

 1.教學目標：從知識傳遞、師徒示範，走向情境模擬與經驗反思

 2.學習歷程：AI可提供個別化、即時性、反覆性的學習經驗

 3.AI助教角色：AI協助學生在自主學習過程中『觀察—實作—回饋』成長

 4.降低學習壓力與學習成本

六、AI 在諮商與輔導教學應用的倫理議題與反思

 1.隱私與資料保護

 2.專業角色與責任

 3.偏誤與可靠性

 4.關係與倫理界線

 5.文化與教育情境

 6.知情同意與自主性

 7.長期影響與未來展望

七、結語

 1.AI不能取代的，是「與人相連的心與關係」

 2.數位輔助，不等於失去溫度～我相信可以與AI共存、共學與共榮！

 3.AI不是要取代人，而是『輔助』人、『輔助』學習

 4.為學生打造更安全、開放的學習空間，讓『練習』變得隨時隨地

 5.專業倫理與人性溫度仍是教育不可取代的核心

講者：

黃柏僩 副教授 （國立政治大學心理學系暨心理學研究所）

研究專長：

心理計量學、結構方程模型、機器學習

學歷：

國立臺灣大學心理學系博士

國立政治大學心理學系碩士

國立政治大學心理學系學士

得獎:

112 年 吳大猷先生紀念獎 頒獎單位：科技部（國科會）

經歷：

國立政治大學心理學系副教授

國立臺灣師範大學教育心理與輔導學系副教授

國立成功大學心理學系助理教授/副教授

台北榮民總醫院復健部實習心理師

彰化基督教醫院精神科

專書著作：

胡昌亞*；范思美；黃柏僩；楊文芬；游琇婷；黃瑞傑；鄭瑩妮；王豫萱；陳怡靜；林義挺；陳燕諭

2022.07 「用 JASP 完成論文分析與寫作,

機器學習算則之特徵重要性與統計檢定

機器學習（machine learning，ML）算則擁有強大的資料適配能力，能捕捉變項間之複雜非線性關係。然而，典型ML算則所建立的預測式常被視為黑盒子（black-box），難以對其進行解釋。在此演講中，我們將對主流之ML解釋工具進行介紹，包括排序特徵重要性（permutation feature importance）、偏相依性圖（partial dependence plot）等指標。此外，我們將進一步介紹針對特徵重要性之顯著性檢定（significance test），包括殘差排列檢定（residual permutation test）、條件預測影響（conditional predictive impact）、逐一變數排除（leave-one-covariate-out）等檢定，並透過實徵範例來說明這些檢定於科學探究之應用價值。

講者：林淑君副教授（本系）

國立彰化師範大學輔導與諮商學系副教授/

兼學生心理諮商與輔導中心主任。

學術專長:

學校輔導、團體諮商與治療、兒童與青少年諮商與心理治療、

偏鄉青少年諮商與輔導、遊戲治療

大數據分析輔助大學新生高關懷學生預測模型建置與成效分析：以彰化師大為例

林淑君1.3、陳信諭2、鄧志平3、鄭鈴諭1、黃耀賢4、何明華2.5、謝睿栢1、鄧彗妤1

摘要

本校近幾年採用教育部版「大專校院心理健康關懷量表」進行新生高關懷學生篩選，發現「偽陽性」高達40-60%（意指，量表檢測結果為高關懷或高風險，但電話追蹤關懷時，學生表示適應良好），浪費了大量的專任輔導人員的心力與時間。為了解決這個問題，我們自112學年開始進行本研究，期待能聰明工作（work smart），提高正確篩選高關懷學生比率，減少人力浪費，提高效率。墊基於第一年（112學年）以新生心理健康普測所建立的預測模型（簽署研究參與同意書者，共計1059名，其中549名男性、510名女性），第二年（113學年）的研究重點在於效能分析與確認。以113 學年入學新生（共計1,302名，其中681名男性、617名女性、4名其他）資料驗證第一年研究所建立的預測模型，預測高風險/高關懷學生篩選效能是否提高。模型預測健康者為1,276人，是類學生如果屬於部版問卷的高風險/高自傷對象者，採用「E-mail」進行追蹤，成功追蹤114人，其中接受諮商協助共16人，占14.04%，無諮商需求者98人；模型預測為高風險/高自傷者為26人，採用「電話」進行追蹤，全數完成追蹤，其中接受諮商者共11人，占42.31%，無諮商需求者15人。本研究使用費雪精確檢定（Fisher’s exact test）來判定「模型預測結果」與「進行諮商」之間是否存在顯著關聯，結果顯示兩個變數之間有顯著的相關性（雙尾 p = 2.228 × 10-3），勝算比為 4.429。

作者服務單位：

1國立彰化師範大學學生心理諮商與輔導中心

2國立彰化師範大學校務研究中心

3國立彰化師範大學輔導與諮商學系

4國立彰化師範大學資訊工程學系

5國立彰化師範大學電子工程學系