圖書館資源介紹彙整 - NYCU陽明交大圖書館-陪你做研究

AI 素養世代來了！大學教學與研究的華麗轉身術

巴詠淳 — Fri, 03 Jul 2026 08:07:53 +0000

生成式人工智慧（GenAI）鋪天蓋地席捲高等教育殿堂，嵌入資料蒐集、研究工作流、出版平臺與校園資訊環境，大學教師正面臨「再專業化」（Reprofessionalisation）的挑戰。我們擔憂學生作業是否由 AI 代寫，為了可能的虛構幻覺而必須逐筆核對參考文獻，誠信危機考驗互信，其中更關心學習歷程是否在自動化中消失。

學者 Daniel S. Harrison 提醒，面對寫作焦慮，引導學生理解「不完美也沒關係」，嘗試、修正、容錯，並且包含文化獨特性，在 AI 看似捷徑的完美中，重塑認知歷程；教師角色也從知識傳授者，轉為學習設計者、人機協作引導者與學術責任把關者。教師-學生-AI，成為三足鼎立的協作關係。

圖書館支援教師啟動轉身術，在混亂的演算法浪潮中，藉由可信與可靠的學術資源服務，為教學與研究提供有人文溫度的靈活策略。

一、AI 素養遠遠超過工具素養

AI 教學議題容易從特定工具開始：指令怎麼下？如何整理資料？能不能生成考題、講義或簡報？

根據 UNESCO 教師人工智慧素養框架，AI 素養不只是會用工具，而是理解技術、倫理與教學面向，並維持人類能動性、課責與判斷。

AI 可以協助釐清概念、潤飾文字、摘要資料與提供回饋，但不能感知脈絡、開創論點、取代原文理解、承擔來源查證或教育責任。

學術研究與報告就像煮一鍋美味的湯，AI 可以快速洗菜備料（文獻搜尋與歸納分析），但要選用哪種湯底、放入哪些食材、品質好壞、什麼時機下鍋，還有最核心的風味（理論建構與詮釋）掌握在主厨（人類研究者）大腦中。

二、從一刀切的限制轉向區分使用情境

根據 OECD 研究，教師與 AI 的互動可逐步走向協同型。

教師專業性在於搭建鷹架，讓 AI 成為共同思考、共創教材與支援學習的夥伴。教師可依課程生命週期，將AI 引入以下情境：

課前準備期：AI 協助彙整資源，減輕結構化的教材開發負擔，利用 AI 快速檢索學術資源、彙整多語系文獻摘要，並為學生量身規劃客製化的閱讀清單與預習材料，更可產生文獻探討的範例，AI 是材料助手；
課堂互動期：生成討論題或展示素材，可由AI 協同設計創新的模擬場景，例如倫理審查委員會及計畫書匿名審查，共創出契合真實學術研究情境的動態教學素材，或例如實證主義解釋主義的辯論，AI 是打破思考慣性的催化劑；
課後評量階段：AI 負責初級回饋，例如讓 AI 針對作業中結構化的基礎問題，例如語法潤飾、格式排版、程式碼除錯、邏輯分析等，提供即時回饋；而教師主導學術研判與專業決策，把關評判與給分。

三、引導、體驗、反思中培養學生 AI 素養

AI 素養不是看完工具演示就能建立，比較有效的方式，是讓學生在具體任務中實際應用，練習倫理、脈絡理解與批判思考。

AI 使用規範可分三層：

鼓勵使用：適合於概念釐清、資料整理、腦力激盪、潤飾或摘要；
限制使用：適用於報告初稿、翻譯、程式除錯或初步分析，學生必須標示使用範圍並說明查核與修改；
不宜或禁止使用：例如核心測驗、獨立寫作、口試等需確認學生能力的評量。

教師可採引導、體驗、反思三階段，培養不會在技術浪潮中迷失主體能動性的優秀學生：

引導：先說明責任邊界與查核要求；
體驗：安排低風險任務，讓學生檢查 AI 是否遺漏限制、誤寫結論或產生錯誤引用；
反思：最後要求學生說明 AI 幫助了什麼、哪些地方不可靠，以及最終判斷如何由自己完成。

四、保留慢思考並且重視學習歷程

OECD 提醒，生成式 AI 可能提高短期任務表現，卻不一定帶來深度學習；若學生依賴直接給答案的工具，會繞過深度思考的生產性掙扎（productive struggle），引發後設認知懶惰（metacognitive laziness）與認知投降（cognitive surrender），短期表現看似優異，但實質成效與長期技能卻衰退，而有偽精通（False Mastery）的幻象。

因此，教師可以刻意延遲 AI 介入，例如：

閱讀文獻前先寫下題目理解，摘要前先標註研究問題、方法與限制，改寫前先完成自己的初稿；
在研究初期，保留手動操作（如整理文獻、篩選數據、格式引用），建立對文獻脈絡的深層記憶，以及對研究假設的掌握認知：
評量也應從只看最後作品，轉向作品與歷程並重，留下學生初步想法、檢索策略、AI 使用紀錄、修改版本、來源查核與最終反思；
作業連結課堂討論、實驗、臨床、研究室資料或個人經驗，也能降低直接複製通用答案的誘因。
以蘇格拉底式提問引導（scaffolded questioning），以多回合對話讓學生解釋推論、檢查前提，將思考的控制權保留予學生。

五、研究指導中的 AI 使用邊界

AI 不只影響課堂，也影響研究指導。

黃意植指出，AI 使用邊界會隨任務結構化程度與詮釋需求而調整。隨著 AI Agent 導入，研究者需要委派任務、設計指令與審查品質。基本原則是：AI 負責執行、整理與重複性任務；人類主導問題界定、理論詮釋、方法選擇、倫理判斷與最終品質保證。

研究指導可落實課責：

文獻、DOI、作者、期刊、年份與摘要均須 100% 逐筆回到圖書館資料庫或工具加以驗證，絕對不可用抽樣方式；
依期刊規範記錄並揭露 AI 工具名稱、版本、日期與用途；
未公開數據、敏感個資、智慧財產與審查中資料，不上傳至公開或未授權 AI 系統；
格式、潤飾、摘要與簡報草稿可由 AI 支援，但研究問題、方法、資料解讀、引用取捨與最終品質仍由研究者掌握。

六、陽明交大圖書館AI 素養支持服務

圖書館透過前沿 AI 工具、學科館員諮詢與工作坊，協助教師優化文獻探索、降低生成式 AI 幻覺並提升研究影響力。對於剛踏入學術叢林的研究生，素養奠定更強調資料隱私、偏誤辨識與幻覺查核。

於研究起步可善用 NYCU Library MCP、Web of Science Research Assistant、RHN、Research Intelligence、Primo Research Assistant、Scite 等工具，建立較通用型 AI 更可查證的研究起點。
其次，閱讀與知識管理可結合 NotebookLM、EndNote、Zotero 或個人知識庫。
期刊評估、寫作投稿、成果擴散與研究治理，則可搭配 Journal Citation Reports (JCR)、InCites、ESI、ORCID、期刊OA APC 補助、國內《個人資料保護法》、國際科研倫理遵循與 NYCU Dataverse 服務。
針對學生參考文獻，教師可掌握三個問題：文獻是否存在？書目資訊是否比對得到？內容是否支持論點？驗證來源包括：
1. 圖書館探索系統、Crossref、Google Scholar、PubMed、Scite、Web of Science 或出版社網站。
2. 中文參考資料查核，則可優先使用國家圖書館相關系統「臺灣博碩士論文知識加值系統」與「期刊文獻資訊網」，以及「Airiti Library 華藝線上圖書館」、「臺灣人文及社會科學引文索引資料庫」等工具。
3. 另可搭配「Turnitin 原創性比對系統」及「Symskan 文獻相似度檢索服務」，輔助檢視文字高度相似、改寫過近、引用不足或來源標示不清等問題。
4. 若文獻查無明確紀錄、DOI 無法連結或內容與主張不符，可要求學生補交檢索截圖、出版社頁面、PDF 首頁、引用來源紀錄或 EndNote Library；即使文獻確實存在，也仍須回到原文確認引用是否真正支持學生的論點。

AI 能力越強，教師與研究者的監督責任越不能減少。透過圖書館資源、學科館員專業支持，以及 AI 素養系列活動、「NYCU 陽明交大圖書館—陪你做研究」部落格、專屬YouTube 頻道與課堂支援服務，教師可以更有策略地運用 AI。

本文透過圖書館資料庫與學術資源篩選文獻，並使用 NotebookLM 與 ChatGPT 協助解讀、潤稿與編輯／推廣服務組王慧恆

七、主要參考文獻

Chiu, T. K. F., & Rospigliosi, P. A. (2026). Six global frameworks for human-centred AI literacy and competency: Comparative analysis and a way forward. Interactive Learning Environments, 34(3), 1003–1005. https://doi.org/10.1080/10494820.2026.2648342
Estlund, K., & Hudson Vitale, C. (2026). Strategic implications of AI futures for research libraries: Workshop report. Association of Research Libraries; Coalition for Networked Information. https://doi.org/10.29242/report.futurescape2026
Harrison, D. S. (2025). ‘Not perfect is okay?’: Exploring the use of AI in the writing classroom. CEA Mid-Atlantic Review, 33, 34–47. https://bowiestate.edu/academics/colleges/college-of-arts-and-sciences/departments/language-literature-and-cultural-studies/ceamag/ceamar-journal.php
Huang, Y.-C. (2026). From Labor to Collaboration: A Methodological Experiment Using AI Agents to Augment Research Perspectives in Taiwan’s Humanities and Social Sciences [Preprint]. arXiv. https://doi.org/10.48550/arxiv.2602.17221
Isaeva, R., Caner, H. N., Caner, M., Giray, L., & Karadag, E. (2026). Students’ engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study. Computers and education: Artificial Intelligence, 10, Article 100606. https://doi.org/10.1016/j.caeai.2026.100606
Le, T. H., Huynh, L., Dang, B., Pham, H.-H., Nguyen, N. T. V., & Nguyen, A. (2026). Development and evaluation of artificial intelligence literacy training for teacher education students. British Journal of Educational Technology. Advance online publication. https://doi.org/10.1111/bjet.70047
Mei, D., Moore, K., & Sayler, B. (2026). Preparing students for AI-powered materials discovery: A workflow-aligned framework for AI literacy, equity, and scientific judgment [Preprint]. arXiv. https://arxiv.org/abs/2605.09624
Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084
(2026). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. https://doi.org/10.1787/062a7394-en
Siau, K., & Wang, W. (2020). Artificial Intelligence (AI) ethics: Ethics of AI and ethical AI. Journal of Database Management, 31(2), 74–87. https://doi.org/10.4018/jdm.2020040105
Sun, D., Ba, S., Cha, Y., Yu, J., Chiang, F.-K., Dai, H. M., & Lim, C.-P. (2026). Empowering university teachers in higher education: A generative AI-responsive competency framework. Computers and Education. Artificial Intelligence, 10, 100542. https://doi.org/10.1016/j.caeai.2026.100542
Zhang, L., & Chen, S. C. (2026). Towards human-AI collaborative learning: Synergizing self-regulation and artificial-intelligence literacy. Education and Information Technologies, 31(7), 1879–1907. https://doi.org/10.1007/s10639-025-13880-3
教育部臺灣學術倫理教育資源中心（2026）。AI世代的學術寫作指南—給研究生的參考手冊。作者。https://ethics.moe.edu.tw/resource/ebook/
國家科學及技術委員會（2026，4月29日）。AI主權時代：學門建構與應用、研究應用倫理及數位透明度之配套措施〔立法院第11屆第5會期教育及文化委員會書面報告〕。立法院公報資訊網。https://lis.ly.gov.tw/lydbmeetr/uploadn/115/1150429/502.pdf

這篇文章 AI 素養世代來了！大學教學與研究的華麗轉身術最早出現於 NYCU陽明交大圖書館-陪你做研究。

NYCU LIBRARY · 2026 Library Guide for New International Students

湯春枝 — Thu, 11 Jun 2026 07:21:57 +0000

NYCU LIBRARY · 2026

Library Guide for New International Students

🌐 Chinese

Start by activating your library privileges, setting up library entry, and using NYCU Library Search. This guide also introduces campus libraries, collections, e-resources, Carrels, study spaces, interlibrary services, and new student events.

Activate Library Privileges Set Up Mobile Entry Search the Library

Start with Library Services

Complete these steps before borrowing materials or using selected online services.

Official Students

Activate Library Privileges

Sign the Statement of Patron’s Privileges before borrowing materials or using selected online application services.

Activate Your Account →

Library Entry

Set Up a Mobile QR Code

NYCU students and registered library users may sign in to generate a QR code for library entry.

Set Up Mobile Entry →

Before Registration

Temporary Library Barcode

This service is for newly admitted students who need library access before receiving an official student account.

Apply for a Temporary Barcode →

A Day at the Library

JSTOR AI Research Tool 功能介紹

巴詠淳 — Tue, 19 May 2026 03:14:57 +0000

想快速掌握 JSTOR 文獻重點，或判斷一篇文章是否適合自己的研究主題嗎？本校讀者目前可在 JSTOR 支援的期刊文章、書籍章節與研究報告頁面中使用 AI Research Tool，透過 AI 輔助進行文本理解、內容探索與提問。此功能目前仍為 beta 測試版，JSTOR 仍會持續更新與調整功能。

一、適合什麼時候使用？

JSTOR AI Research Tool 可以作為閱讀文獻前的「初步導讀工具」，協助讀者更快掌握文章重點與研究方向。當您在 JSTOR 找到一篇可能相關的文獻時，可以先運用此工具初步判斷：

這篇文獻是否與自己的研究主題有關？
文章主要討論什麼問題？
是否值得進一步細讀全文？

不過，這項工具並不是用來取代閱讀原文，而是協助讀者更快進入文獻內容，作為研究過程中的輔助工具。

二、它可以怎麼幫助閱讀與研究？

JSTOR AI Research Tool 提供多種功能，協助使用者從不同角度探索文本。

1. 掌握文章重點或摘要

使用者可以選擇 What is this about?（這篇文本在說什麼？） 或 Show abstract（顯示摘要），快速了解文本的主要重點與論點。這有助於初步判斷該文獻是否符合自己的研究需求。

如果出版社已為該筆資料提供摘要，系統也可能顯示原有摘要供讀者參考。

2. 顯示相關內容

透過 Show related content（顯示相關內容），系統會推薦與目前文本在內容或使用模式上相似的 JSTOR 資料。這對於延伸探索相關文獻、尋找相近主題的研究很有幫助。

3. 推薦相關主題

Recommend topics（推薦主題） 會提供與文本相關的重要概念或主題。讀者可以將這些主題作為後續搜尋關鍵字，進一步擴展研究方向。

4. 針對文章或章節提問

使用者也可以透過 Ask a question（提出問題），直接詢問與該篇文本相關的問題。例如詢問文章的核心論點、研究方法、結論，或文中是否提到某個主題。

需要注意的是，AI Research Tool 的回答只會根據目前這筆資料本身，包括全文內容與 metadata，例如作者、頁數、期刊名稱等資訊，而不會參考 JSTOR 上的其他資料或一般網際網路內容。

如果正在閱讀的是書籍章節，系統也有提供 Show me answers from the whole book（從整本書中找出答案） 的選項。使用此功能時，工具會以 JSTOR 上可取得的該書其他章節作為脈絡，協助產生更完整的回答。

5. 反白選取段落進一步探索

除了針對整篇文本提問，使用者也可以在文件檢視器中反白選取特定詞語或段落，並使用以下功能：

Find related content（尋找相關內容）：根據選取文字，推薦 JSTOR 上最相關的前 5 筆資料，並可進一步查看更多搜尋結果。
What is this selection about?（這段選取內容在說什麼？）：整理所選文字的主要重點，協助讀者快速理解段落內容。

這項功能適合用在閱讀過程中，當讀者遇到陌生概念、重要關鍵詞，或想釐清某段論述時，可作為理解文本與延伸查找資料的輔助工具。

三、可以怎麼問？提問範例

使用 JSTOR AI Research Tool 提問時，可以直接使用自然語言，不一定要寫成完整問句。使用者可以輸入完整句子、片語，甚至單一關鍵字；即使有拼字或文法錯誤，工具仍會嘗試回答。

例如，可以輸入：

│ What is the article’s conclusion?
│ 這篇文章的結論是什麼？

也可以只輸入：

│ conclusion
│ 結論

以下整理幾種常見提問方向：

掌握文章重點
例如：What is the central argument of the text?
這篇文本的核心論點是什麼？
了解研究方法與限制
例如：Tell me about the study’s research methodology.
請說明這項研究所使用的研究方法。
或：Are the study’s limitations described in the text?
這篇文本是否有說明研究限制？
查找特定主題或書目資訊
例如：Does the article mention [topic]?
這篇文章是否提到〔主題〕？
或：When was this article published and in which journal?
這篇文章於何時出版？刊登在哪一本期刊？

如果想知道某個字詞或主題出現在文本的哪些地方，也可以使用文件內建搜尋功能，或詢問 AI Research Tool 文中是否提到該主題。工具會簡要說明該主題與文本的關聯，並提供可點選的相關段落連結。

四、對話紀錄與引用功能

使用者可將目前與 AI Research Tool 的對話紀錄下載為 PDF 或 HTML，方便後續保存與查閱。若需要引用工具本身或特定回覆，系統也可提供 MLA、Chicago 或 APA 等格式。不過，AI 工具引用方式仍在發展中，實際使用時仍應依照課程、學科或機構規範確認與調整。

小提醒：AI 是研究輔助，不是研究替代

JSTOR AI Research Tool 可以幫助讀者更快掌握文獻方向、理解文章重點，也能作為探索研究主題與延伸文獻的起點。不過，在實際使用時，仍建議留意以下幾點：

- 支援的資料類型仍有限制
  目前 AI Research Tool 主要支援 JSTOR 上的期刊文章、書籍章節與研究報告；圖片、音訊、影片與部分文字型一手資料（如原始文件、檔案材料等）尚未支援。實際可用功能仍以 JSTOR 頁面顯示為準。
- 留意工具的回答範圍，並確認是否有文本依據
  AI Research Tool 只會根據目前正在閱讀的單篇資料與其 metadata 作答，不會查找整個 JSTOR，也不會搜尋一般網路。工具提供的回答通常會附上文內引用，建議點選查看相關段落，確認 AI 的說明是否符合原文脈絡。
- 把 AI 回答當作初步參考，而不是最終結論
  AI 可以協助整理重點與提供方向，但正式研究、報告或論文寫作仍應回到原文查證。文章的論證是否成立、研究方法是否合適、資料是否能支持自己的研究問題，也仍需要讀者自行判斷。
- 此工具無法直接翻譯 JSTOR 文件
  JSTOR AI Research Tool 目前無法將文件直接翻譯成其他語言。如果需要翻譯文獻內容，仍需使用其他支援 PDF 翻譯的工具，並注意翻譯結果是否準確。

簡單來說，JSTOR AI Research Tool 很適合作為「進入文獻的輔助工具」：它能幫助我們更有效率地開始研究，但好的研究仍來自清楚的問題意識、細緻的文本理解，以及負責任的引用與查證。

參考來源

本文整理自 JSTOR Support 官方說明文件，並依圖書館讀者使用情境改寫：

- JSTOR’s AI Research Tool: Overview
- JSTOR’s AI Research Tool: Asking Questions About a Text

這篇文章 JSTOR AI Research Tool 功能介紹最早出現於 NYCU陽明交大圖書館-陪你做研究。

JoVE AI 全面解密：AI驅動的生科實驗與教學革新

巴詠淳 — Thu, 30 Apr 2026 06:48:54 +0000

人工智慧已成為推動科研轉型的核心引擎。隨著資料驅動（Data-driven）成為主流，研究人員同時面臨兩大挑戰：海量文獻的持續增長，以及實驗可重複性的嚴格要求。AI 的分析能力再強大，若底層數據無法被精準重現，結論的可信度則難以建立。

JoVE 透過以下三項 AI 功能，將文獻閱讀、實驗操作與教學準備緊密串聯，協助所有研究人員與教學者在提升效率的同時，強化對科學知識的理解與應用。

亮點 ❶：JoVE Visualize — 視覺化研究網絡

⭐️核心價值：消除文字歧義，讓研究操作細節「看見即所得」。

JoVE Visualize 由 AI 驅動，將超過 4,000 萬篇peer-reviewed學術文獻與 25,000 支以上的實驗影片進行配對，讓研究人員得以直接從抽象結果與文字難以傳遞的關鍵資訊，快速跳轉至具體操作細節。研究者除了可減少花時間翻找補充資料，或在 YouTube 上碰運氣的時間，更能有效確認研究的「可重復性」，是進行文獻探討、掌握新技術的利器。

立即體驗：https://visualize.jove.com/

亮點 ❷：Chrome 擴充功能 — 無縫整合的即時影片推薦

⭐️核心價值：將資源嵌入日常檢索流程，消除平台切換的摩擦力。

JoVE 的 Chrome 擴充功能 JoVE: Accelerate research with scientific videos，讓研究人員在 Google Scholar、PubMed等檢索網站搜尋文獻時，擴充功能會自動在搜尋結果旁，逐項推薦對應的 JoVE 實驗影片，不必離開當前頁面就即時接軌JoVE的影片資源，獲得可視化的操作支援。

亮點 ❸：JoVE AI Co-Pilot與智慧搜尋 — 加速知識理解

⭐️核心價值：從關鍵字過渡到「概念理解」，提供互動式的實驗輔助。

面對複雜的實驗步驟、抽象而較難理解的科學概念時，即便觀看影片後仍可能產生技術疑問。JoVE AI Co-Pilot 是資料庫的AI導覽助理，是「輔助查找」與「加速學習理解」的好幫手。

目前除了出現在影片旁邊，能提供重點摘要與步驟問答之外，JoVE 搜尋欄現在也支援「Ask AI」的智慧搜尋功能。使用者可以直接使用「自然語言」（例如：「我該如何進行 DNA 萃取？」）提問，透過生成式AI技術解析提問，並進行說明以及影片內容配對。

延伸閱讀：《What Artificial Intelligence Means for the Way We Do Research》

✅ 我是訂戶，如何在校園內外使用JoVE？

為了獲得最佳的使用體驗與個人化服務功能，建議使用者建立個人帳號：

❶ 馬上進入 JoVE（歡迎收藏為書籤 📣）
❷ 身份識別與使用權限：

校園內：透過校內/院內 IP（含Wi-Fi或遠端認證），連線即可使用。
校園外：使用校內/院內 Email 註冊帳號，系統會自動辨識 Email Domain 並賦予對應的資料庫權限。

❸ 登入帳號後，除了觀看影片，歡迎多加利用「建立播放清單」等個人化管理功能，期待陪伴各位在科學研究的漫長旅途中，增添專屬自己的學習秩序與從容～

※可觀看內容，視機構實際訂閱之權限而定。

這篇文章 JoVE AI 全面解密：AI驅動的生科實驗與教學革新最早出現於 NYCU陽明交大圖書館-陪你做研究。

化學研究好幫手：認識 Reaxys 資料庫與 AI 強化新功能

ping — Wed, 11 Mar 2026 07:49:21 +0000

在化學研究中，找到可靠的反應條件、化合物資訊與相關文獻，是進行研究與實驗設計的重要基礎。若你需要查詢化學物質性質、反應路徑或相關文獻，Reaxys 是一個非常值得使用的專業資料庫。

本文將簡單介紹 Reaxys 的特色，並帶大家看看近期推出的 AI 強化搜尋與文獻摘要新功能。

什麼是 Reaxys

Reaxys 是由 Elsevier 建置的專業化學研究資料庫，整合了化學文獻、化合物資料與化學反應資訊，廣泛應用於有機化學、無機化學、藥物化學、材料科學等研究領域，收錄包含超過 3.53 億筆化學物質、7300 萬筆反應、1.25 億篇文獻以及 4900 萬筆專利等豐富資料。透過結構式搜尋、性質搜尋與反應搜尋等多種檢索方式，能幫助研究人員快速找到可信的實驗與文獻資訊。

二、Reaxys 可以做什麼？

對於化學研究者而言，Reaxys 不只是文獻資料庫，更是一個強大的整合研究工具。常見用途包括：

🔬 查詢化學物質資訊：例如化合物結構、物理化學性質、光譜資料等。
⚗️ 尋找化學反應與合成方法：可查詢反應條件、試劑、催化劑與產率。
📚 探索相關文獻與專利：追蹤研究發展與最新研究成果。
🧪 設計化學合成路徑：協助研究者規劃實驗方向。

三、新功能：AI 強化搜尋與文獻摘要

為了幫助化學研究人員更有效率地尋找、理解與驗證相關文獻，Reaxys 推出了結合 AI 技術的搜尋與文獻摘要功能，並搭配了全新改版的使用者介面。

支援自然語言的「快速搜尋」 (Quick Search)

自然語言搜尋：以一般自然語言提出化學相關問題，系統自動解析並擷取、排序最相關的文獻，大幅降低了查詢門檻，特別適合跨領域或初期探索階段使用。
語意與意圖導向搜尋機制: 結合了傳統的關鍵字搜尋與自然語言理解能力，系統自動處理同義詞、拼字差異與語意脈絡，精準解析使用者的查詢意圖，提升搜尋結果的完整性與相關性。
保留熟悉工作流程：既有的功能依然完整保留，包括結構搜尋、性質搜尋與 Query Builder（查詢建構器）等，不需要改變原本的習慣，使用者可以依自己的節奏逐步採用 AI 功能。

幫助快速掌握核心的「AI 生成文獻摘要」

快速理解主題：使用 Quick Search + 自然語言查詢 時，系統會根據 Reaxys 中最相關的文獻與專利資料產生重點摘要，協助快速理解研究內容，掌握主題的整體概況。
資料嚴謹可靠： AI 摘要並非來自一般的通用型大型語言模型（LLM），是基於 Reaxys 所收錄的化學資料所生成。系統以最相關的文件(最多20篇)萃取包含文獻與專利的標題、摘要及關鍵字等資訊，資料每週更新。維持科學嚴謹性與可信度。
輕鬆驗證來源：生成摘要的相關參考文獻會清楚標示於結果清單中，點選即可查看完整的引用資訊。能輕鬆驗證摘要內容的正確性，並進一步探索原始來源或直接連結至全文進行深入審閱。

全新設計的結果頁面改版後的結果頁面具備了更簡潔的版面配置、更新的配色與圖示，以及更清楚的視覺層級。這能讓您更快速、直覺地檢視搜尋結果。

四、小結

透過這次推出的 AI 強化搜尋與文獻摘要功能，研究人員可以：

更自然地提出研究問題
更快速掌握文獻重點
更有效率地規劃研究方向

Reaxys 升級讓研究減少繁瑣的搜尋時間，把更多心力專注於真正重要的問題解決與科學發現上。如果你正在進行化學相關研究，不妨試試 Reaxys，讓資料庫成為你的研究好助手。

參考文獻 (References)

Reaxys (2026). AI 強化快速搜尋與文獻摘要
Elsevier | Life Sciences. (2026, February 26). Reaxys Demo – New AI powered natural language search and summaries [Video]. YouTube. https://www.youtube.com/watch?v=jnZ6UkC7u0Y。

推廣組巫惠屏 / 本文搭配 AI工具進行寫作輔助。

這篇文章化學研究好幫手：認識 Reaxys 資料庫與 AI 強化新功能最早出現於 NYCU陽明交大圖書館-陪你做研究。

CAS SciFinder 功能升級！2026 年 2 月更新重點

ping — Wed, 04 Mar 2026 03:41:42 +0000

American Chemical Society 旗下 CAS 推出的研究檢索平台 CAS SciFinder，於 2026 年 2 月 23 日發布最新功能更新。本次升級聚焦於「SearchSense 搜尋透明度提升」、「IP Connections 視覺化強化」與「逆合成分析流程優化」，這些更新大幅強化了研究人員在物質特性篩選與合成規劃上的決策速度。

以下為本次更新重點整理：

一、SearchSense 強化：讓搜尋更透明、更好理解

為了讓使用者清楚掌握系統如何解讀搜尋條件，本次強化了 SearchSense 的「查詢解讀（Query Interpretations）」功能。

🔎 物質與反應搜尋顯示查詢解讀
當搜尋內容包含文字時，結果頁面將顯示系統如何理解您的查詢，包括：

顯示系統解讀邏輯
顯示套用的受控詞彙

這項功能有助於研究者確認搜尋是否被正確解析，必要時也能即時調整關鍵字策略。

📚 參考文獻搜尋全面顯示查詢解讀
所有包含文字的文獻搜尋，也將同步顯示查詢解讀內容，提升搜尋處理的透明度與可解釋性。

📄 移除「Load More」機制
隨著搜尋精準度提升，參考文獻結果將一次完整呈現，不再需要額外點選「載入更多」，瀏覽體驗更流暢。

二、IP Connections 視覺化擴充：物質資訊一目了然

IP Connections 原有的結果視覺化功能，現在擴展至「物質」搜尋結果。使用者可以更直觀地掌握：

物質在反應中的角色（例如反應物、生成物、催化劑）。
商業可得性（可購買性）。
物質類別（例如有機化合物、聚合物等）。
成分數量等資訊

透過圖像化呈現，研究者一眼即看到物質的研究脈絡與應用情境，能快速掌握重點，提升資料判讀效率。

三、工作流程優化：提升研究操作效率

🧪 物質性質表新增篩選功能
在物質詳細頁面的實驗與預測性質表中，新增「依性質篩選」功能。
當資料欄位眾多時，研究者可快速篩選出所需性質，加速分析與比對。

🔬 互動式逆合成（Interactive Retrosynthesis）升級

強化環化反應處理：當目標分子包含環系統時，系統會優先套用環化規則，並將相關路徑納入替代方案評估，使逆合成規劃更完整。
移除限制條件頁面：系統改以預設參數自動產生合成計畫，使用者可先檢視結果，再依需求調整條件，讓操作流程更直覺、有效率。

本次更新帶來哪些改變？

整體而言，本次升級聚焦三大方向：

✔ 提升搜尋透明度與可解釋性
✔ 強化結果視覺化與資料篩選能力
✔ 優化逆合成研究流程與使用體驗

對於經常進行物質查詢、反應檢索或合成規劃的研究人員而言，此次更新將有助於更精準掌握搜尋策略，並加快研究決策流程。

資料來源：

Chemical Abstracts Service. (2026, February 23). What’s new: February 23, 2026. CAS SciFinder Product Help. https://cas-product-help.zendesk.com/hc/en-us/articles/43586645252749-What-s-New-February-23-2026

推廣組巫惠屏 / 本文搭配 AI工具進行寫作輔助。

這篇文章 CAS SciFinder 功能升級！2026 年 2 月更新重點最早出現於 NYCU陽明交大圖書館-陪你做研究。

Naxos Music Library 幫你找回留白的溫柔

chher — Fri, 23 Jan 2026 00:29:59 +0000

拿索斯古典音樂圖書館（Naxos Music Library, 以下簡稱NML），曲目齊備，包含管弦樂、協奏曲、歌劇、器樂曲、室內樂、聲樂、合唱-聖樂、合唱-世俗、聲樂合唱、芭蕾、輕歌劇、管樂合奏、影視音樂、現代器樂、當代爵士、世界音樂、流行及搖滾、中國音樂等。從中古時期音樂到現代作曲家作品等，包羅萬象。

在這裡，沒有演算法會因為你點了一首悲傷的歌就認定你心情不好；也沒有歌詞會強迫你跟著情緒起伏。這裡只有橫跨千年的純粹聲響。它不需要你「懂」它，不需要你分析這是巴洛克還是浪漫派。它存在的意義，就是提供一個巨大的、流動的背景，把你從「必須有用」的慣性中隔絕開來。

關於 NML：你的數位音樂宇宙

當然，作為全球最全面的古典音樂串流平台，NML 的資源深度與廣度也是你探索音樂世界的最佳後盾：

海量館藏與多元曲目：收錄超過數十萬張唱片，涵蓋四萬多位作曲家。
品牌大集合：匯集了 Naxos、Warner、Sony、Marco Polo 等數百個以上國際知名廠牌。
永保新鮮：每月平均增加一千張以上新專輯，讓你的耳朵永遠有新發現。

隨身攜帶的聽覺饗宴

為了讓你隨時隨地都能享受這份「留白」，NML 提供了完善的行動支援與個性化功能：

行動版 APP：支援 iOS 與 Android 系統。只要在機構網域內註冊帳號，即可跨平台登入，隨身聆聽。

專屬播放清單：透過「個人播放列表 (Playlists)」與「我的喜愛 (Favourites)」功能，你可以建立屬於自己的心情歌單。
深度檢索與學習：若你突然想認真研究，強大的「關鍵字檢索(Keyword Search)」與「高級檢索(Advance Search)」能幫你精確找到特定時期的錄音；平台內的「音樂學資源」更提供了專業評論與學習指南。

使用小叮嚀

為了維護全校教職員生的使用權益，請遵守以下規範：

註冊與啟用： 請務必於校園網域內進行帳號註冊與 Email啟用。若長期未登入，需再次於校內網域連線以確認權限。

善用「登出」功能： 這是最重要的！全校共享 10 個珍貴的線上席次。當您結束聆聽（含電腦與 APP），請務必記得點擊「登出」（Log Out），將這份美好的聽覺體驗，即時釋放給下一位等待的讀者。

給自己一些「留白」的溫柔

現在，就讓 NML 和你一起，單純地『聽』——不為了什麼而聽。

🔗 進入 NML，開始你的留白

推廣組何佳欣 / 本文搭配AI工具進行寫作輔助

這篇文章 Naxos Music Library 幫你找回留白的溫柔最早出現於 NYCU陽明交大圖書館-陪你做研究。

投稿選刊全攻略：從策略、評估到善用圖書館資源，為你的研究找到最合適的發表平台

巴詠淳 — Wed, 31 Dec 2025 02:34:38 +0000

當傾注心力的研究告一段落，接下來最關鍵的一步，就是在眾多學術期刊之中，為它選擇最合適的發表平台。選擇一本優質期刊，不僅是確保研究成果被看見與肯定的基石，更是建立學術信譽的里程碑。我們將提供一套清晰的投稿選刊指引，如同航海地圖，指引你從建立策略、客觀評估到善用資源的完整路徑，並說明圖書館如何在你學術發表的航程中，成為最強大的後盾。

一、策略起點：建立健康的投稿習慣與安全防護網

要避開學術界的隱形陷阱（如掠奪性期刊），最佳策略並非被動地辨識黑名單，而是採取「正向防禦」——從一開始就建立健康的投稿習慣，優先選擇優良且熟悉的刊物。這能為你打造最堅實的投稿安全防護網。

建立投稿信任圈有兩個核心方法：

從熟悉處著手：優先考慮系所建議、指導教授推薦，或是你在研究過程中經常閱讀參考的權威期刊。這些是你學術生活圈中已經建立信任的選擇，最為安全。
向社群取經：追蹤你研究領域內權威學者與指標性實驗室的發表紀錄，將他們選擇的期刊作為你的優先目標。同時，積極與師長、學長姐交流投稿經驗，這些真實回饋是無可取代的寶貴資訊。

二、客觀評估：善用查證工具，做出數據導向的決策

當你考慮投稿至較為陌生的期刊時，多方查證是不可或缺的一環。請勿僅依賴 Google 的搜尋結果來挑選投稿目標，因為部分「掠奪性期刊」會透過搜尋引擎優化技術包裝其網站，營造專業形象，進而誤導投稿者。為確保投稿安全，建議務必使用具公信力的學術評鑑工具進行驗證。

研究者應善用專業工具來評估期刊的品質與影響力，例如查詢期刊的影響係數（Impact Factor, IF）及其在同領域中的排名（Rank）。確認期刊排名不致過於落後相當重要，否則可能出現以下情況：當你費盡心力完成的論文，歷經漫長的審稿流程終於發表後，卻發現該期刊因品質問題已遭主流資料庫剔除，導致研究成果無法計入學術點數，甚至影響畢業資格。除了透過 JCR 掌握期刊相關數據外，針對開放取用 OA 期刊，也建議進一步查詢 DOAJ（Directory of Open Access Journals）等具公信力的平台，以確認其出版流程是否正派且可靠。

若欲進一步了解如何建立完整的投稿安全防護網，以及具公信力的學術評鑑工具之推薦，請參考〈建立投稿安全防護網避開掠奪性刊物之金鐘罩〉。

三、關鍵支援：認識圖書館的Open Access期刊投稿優惠方案

除了提供查證工具，圖書館更直接為你的學術發表提供實質支持。為了提升校內研究的全球能見度與學術影響力，陽明交大圖書館積極與多家國際知名出版社簽訂了「轉型協議 (Transformative Agreement)」。

這些協議的核心目標，是讓陽明交大的研究者在投稿至協議出版社旗下的開放取用OA期刊時，能夠減免甚至完全免除本應由作者自行支付的文章處理費 (Article Processing Charge, APC)，大幅降低你的發表成本。

請注意，要符合所有優惠方案，必須滿足以下兩個共通基本條件：

論文的通訊作者 (corresponding author)必須是陽明交通大學所屬機構人員。
文章的接受日期 (Accepted Date)必須落在該出版社協議的有效期間內。

四、實戰應用：如何聰明運用圖書館的 OA 出版優惠

在確認目標期刊的學術品質符合你的研究後，下一步就是檢查是否能利用圖書館的優惠方案，為你的發表爭取最大效益。為協助你策略性地導航這些選項，請依循以下的評估順序：

費用減免級別：資源有限，效益最大化是關鍵。全額免付 APC 的出版商（如：ACS, CUP, IOP），折扣方案的出版商（如：Elsevier, IEEE）；詳細資訊請參考Open Access期刊投稿優惠方案。
補助額度與時效：部分協議設有年度篇數上限，額度用罄後即不再補助。投稿前務必至圖書館網站確認當年度餘額，或是聯絡學科館員詢問。
期刊類型限制：轉型協議的優惠範圍各不相同，需確認目標期刊屬於「混合型 (Hybrid)」或「完全OA (Fully OA)」，並選擇符合條件的方案。例如 Springer 與 Taylor & Francis 的方案主要適用於混合型期刊。
文章類型限制：檢查方案是否涵蓋你的文章類型。部分協議僅限特定文章類型，例如 Taylor & Francis 的方案僅適用於 Original research articles（原創研究論文）。
特殊排除條件：部分出版商會將旗下的頂級旗艦期刊排除在優惠方案之外。投稿前請務必留意相關細則，例如Elsevier的方案就排除了 Cell Press 與 The Lancet 系列的期刊。

為你的研究成果選擇一個優質的發表平台，是確保學術價值被適當展現的重要環節。研究者可以依據期刊的學術領域與品質，規劃投稿方向，同時參考相關資源與限制，做出符合需求的投稿決策。

本文所介紹的選刊策略，從建立良好的投稿習慣、運用工具進行客觀評估，到善用圖書館提供的 APC 優惠方案，能協助你降低投稿風險，將研究成果發表於可信賴的學術期刊。圖書館是你學術研究中的重要夥伴，若在選刊或投稿過程中有任何疑問，歡迎隨時與我們聯繫。

推廣組巴詠淳 / 本文搭配AI工具進行寫作輔助

這篇文章投稿選刊全攻略：從策略、評估到善用圖書館資源，為你的研究找到最合適的發表平台最早出現於 NYCU陽明交大圖書館-陪你做研究。

玩轉 PubMed：混合技檢索術 × 專業搜尋全攻略

syinghe — Fri, 26 Dec 2025 07:31:04 +0000

1. 啟程之前：認識你的強大盟友 PubMed

PubMed 是由美國國家醫學圖書館 (National Library of Medicine, NLM) 維護的、全球最大且最重要的免費生物醫學文獻資料庫。它像一座巨大的數位圖書館，收錄了超過三千九百萬篇來自世界各地的期刊文獻、報告與書籍摘要，涵蓋了臨床醫學、護理、公共衛生、基礎科學等多個領域。

你可能會想：「這跟 Google 搜尋有什麼不同？」這是一個很好的問題！Google 擅長在大海中撈取所有可能的資訊，但結果良莠不齊；而 PubMed 則像一位專業的圖書館員，它使用一套名為 MeSH (醫學主題詞) 的標準化語言來整理每一篇文章。這使得 PubMed 的檢索不僅是「文字比對」，更是「概念搜尋」，能讓你更精準、更全面地找到高品質的學術資料。

了解 PubMed 的強大之處後，讓我們來學習一套專業且高效的五步驟檢索法，讓你像專家一樣找到想要的資料。

2. 檢索的藍圖：高效檢索五步驟

一個成功的檢索，始於一張清晰的作戰地圖。這套五步驟流程能確保你的檢索過程有條理、不遺漏，並且可以隨時回溯調整。

拆解問題 (PICO)
確認關鍵字與 MeSH
個別檢索
合併查詢
篩選結果

這個結構化的流程能確保你的檢索過程清晰、有條理，並且可以隨時調整策略，避免像無頭蒼蠅一樣亂找。

這就是我們的作戰地圖！現在，讓我們拿起放大鏡，從第一步「拆解問題」開始實際操作。

3. 第一步：拆解你的臨床問題 (PICO 框架)

PICO 是一個簡單而強大的框架，它能幫助我們將一個日常語言中的問題，轉化為四個清晰、可檢索的概念。我們的核心範例是：「魚油可以預防健康成年人的心血管疾病嗎？」

讓我們用 PICO 框架來拆解它：

PICO 元素	概念	說明
P (Patient/Problem)	健康成人	我們的研究對象是誰？
I (Intervention)	魚油	我們關注的介入措施是什麼？
C (Comparison)	安慰劑或不吃魚油	對照組是什麼？(在檢索中常被省略)
O (Outcome)	預防心血管疾病	我們想觀察的結果是什麼？

很好！我們已經將問題結構化了。接下來，我們將為這幾個核心概念找出最適合在 PubMed 中使用的關鍵字與「主題詞」。

4. 第二步：尋找黃金關鍵字與 MeSH 主題詞

4.1. 認識 PubMed 的超能力：MeSH

MeSH (Medical Subject Headings)，中文譯為「醫學主題詞」，是 PubMed 的超能力所在。你可以把它想像成 PubMed 的專屬索引標籤，或是整理醫學知識的標準語言。

它的最大好處是什麼？統一術語，避免遺漏。

舉例來說，當你想研究「癌症」時，你可能會想到 Cancer、Tumor 或 Malignancy 等不同的詞彙。如果你只用其中一個詞去查，很可能會漏掉使用其他詞彙的重要文獻。MeSH 解決了這個問題，它將這些同義或同概念的詞彙，全部統一在一個標準化的主題詞 Neoplasms (腫瘤) 之下。當你用 MeSH Neoplasms 檢索時，PubMed 會自動幫你找到所有被標記為這個概念的文章，無論作者原文用的是哪個詞。

4.2. 文獻檢索的黃金法則：MeSH 與關鍵字聯手出擊

既然 MeSH 這麼強大，是不是只要用 MeSH 查就好了呢？這是一個常見的迷思，也是許多新手會掉入的陷阱。

專業祕訣：只用 MeSH 檢索會錯過最新發表的文獻！

原因是所謂的「時差(Time Lag)」。一篇新文章發表後，需要經過專家人工閱讀和標記，才能被賦予 MeSH 主題詞。這個過程需要時間，因此新發表的文章會先被歸類為「處理中引用 (In-process citations)」或「出版商提供之引用 (Publisher-supplied citations)」，這些文獻都還沒有 MeSH 標籤。如果你只查 MeSH，就會系統性地排除掉這些最新的研究。

因此，真正的黃金檢索策略是：MeSH 與一般關鍵字聯手出擊。

我們的策略公式是：(“MeSH 主題詞”[mh] OR “一般關鍵字”)

這種組合可以同時兼顧查準率（透過 MeSH 找到已被精準索引的文獻）與查全率（透過關鍵字捕捉到最新的、尚未被索引的文獻）。

4.3. 實戰演練：為我們的 PICO 概念配上詞彙

現在，讓我們為 PICO 中的 P、I、O 三個核心概念，配上它們的「一般關鍵字」和「MeSH 主題詞」。

PICO 概念	一般關鍵字 (Keywords)	MeSH 主題詞 (MeSH Terms)
P (健康成人)	adult, “healthy adults”	Adult
I (魚油)	“fish oil”, “omega-3”	Fish Oils
O (心血管疾病)	“cardiovascular disease”, CVD	Cardiovascular Diseases

彈藥都準備好了，現在讓我們進入 PubMed 的進階檢索頁面，一步步建立我們的查詢。

5. 第三步與第四步：個別查詢與合併（積木法實戰）

我們將採用「積木法 (Building Blocks Strategy)」：將 P、I、O 三個概念視為三個獨立的積木，先分別建立它們的查詢，最後再用 AND 把它們組合起來，找到它們的交集。

在我們開始實作前，先來解碼專業檢索式中的兩個重要語法：欄位標記 [tiab] 與雙引號 “ “。欄位標記 (Field Tags) 就像是給 PubMed 的精確指令，告訴它該去哪裡找資料。[tiab] 代表 Title/Abstract (標題/摘要)，這能將你的關鍵字搜尋範圍限縮在文獻最核心的部分，是專業檢索者用來平衡查全率與查準率的關鍵技巧。

雙引號 則是用於「片語搜尋」，例如 “cardiovascular disease”，它會告訴 PubMed 必須尋找一模一樣的完整詞組，而非拆開的單字，這能大幅提升檢索的精準度。

1. 前往 PubMed 首頁，點擊搜尋框下方的 “Advanced” 進入進階檢索頁面。

2. 在 Query builder (查詢建構器) 中，輸入第一個概念的黃金組合策略。例如我們的 O (結果) 概念： “Cardiovascular Diseases”[Mesh] OR “cardiovascular disease”[tiab] 輸入後，點擊右側的 “Add to history”，不要按 “Search”。這會將查詢存入下方的檢索歷史中。

3. 清空 Query builder，重複步驟 2，分別為 I (魚油) 和 P (成人) 建立檢索歷史。

- “Fish Oils”[Mesh] OR “fish oil”[tiab]
- “Adult”[Mesh] OR “adult”[tiab]

4. 完成後，在下方的 History and Search Details 區域，你現在會看到 #1, #2, #3 三筆獨立的檢索紀錄。

5. 現在我們要進行合併。點擊每筆紀錄右側的 “…”，選擇 “Add query”，將 #1、#2、#3 依序加入上方的 Query builder 檢索框中。接著，在它們之間手動輸入大寫的 AND。最終的檢索式會像這樣：(#1) AND (#2) AND (#3)

6. 點擊 “Search”，完成合併查詢！請記住，使用 AND 就像在畫文氏圖 (Venn diagram)；你正在告訴 PubMed，只找出同時存在於我們三個概念（疾病、介入措施、研究對象）交集處的文獻。

我們已經成功將三個概念交集，找到了初步的結果。下一步，我們要學習如何使用篩選器，從中淘選出證據等級最高的文獻。

6. 第五步：使用篩選器精煉結果

在檢索結果頁面的左側欄位，你會找到 Filters (篩選器)。它們是精煉結果的利器，而其中最常用的就是 “Article type” (文章類型)。

點擊 “Article type”，並勾選以下幾種在實證醫學中證據等級最高的文獻類型：

Systematic Review (系統性回顧)
Meta-Analysis (統合分析)
Randomized Controlled Trial (隨機對照試驗)

勾選後，PubMed 會立即刷新結果，只保留符合這些類型的文獻。

請記住一個重要陷阱：側邊欄的篩選器（如文章類型、年齡、性別）和 MeSH 一樣，都依賴於人工索引。這意味著，一旦你使用了這些篩選器，系統會自動排除所有尚未被標記的最新文獻。在追求最新資訊時，這是一個必須注意的權衡。

現在你眼前的就是高度相關的精選文獻了。但點進去卻發現只有摘要？

別擔心，最後一哩路，我們來教你如何順利取得全文。

7. 最後一哩路：如何真正「獲取」全文

首先，我們必須破除一個常見的迷思：PubMed 主要是「索引摘要」資料庫，而不是「全文」資料庫。它提供的是文章的「書目資訊」和摘要，如同文章的地圖，而非目的地本身。

在文章頁面的右上角，你會看到通往全文的連結，最常見的有三種類型：

Publisher / 期刊出版社連結：
這會連到期刊的官方網站。通常需要個人付費或你所屬的機構（大學、醫院）有訂閱才能下載。
PubMed Central (PMC) 連結：
通常會標示為 “Free full text”。這是美國國家衛生院 (NIH) 的數位文獻庫，點擊後通常可以直接免費下載全文。
圖書館專用連結 (LinkOut)：
৹ 例如 “Find It @ NYCU”，一鍵助你取得全文!!
৹ 當你從圖書館網站的連結進入 PubMed 時，系統會自動啟用圖書館的全文查找服務 (LinkOut)。這樣一來，即使文章不是免費的，只要你的學校或醫院有訂閱，專屬的全文連結按鈕就會出現，引導你順利下載，大幅提高成功獲取全文的機率。

8. 總結：你的 PubMed 專家之路

恭喜你！你已經走完了專業PubMed 檢索旅程。讓我們快速回顧一下核心重點：

高效五步驟：拆解 (PICO) -> 找詞 (MeSH + 關鍵字) -> 個別查 -> 合併 (AND) -> 篩選。
黃金組合法則：永遠使用 (“MeSH 主題詞”[mh] OR “一般關鍵字”[tiab]) 的策略，兼顧查準與查全。
全文獲取祕訣：務必從你所屬機構的圖書館網站進入 PubMed。

你現在掌握的，已經是一套專業的資訊檢索思維。如同任何技能，熟能生巧是唯一的途徑。請持續練習，將這套方法應用到你感興趣的任何主題上，PubMed 將是你學術研究與臨床決策的強大引擎。

推廣組何思瑩 / 本文搭配AI工具進行寫作輔助

參考文獻

The Cochrane Library: Shou Ray Information Service. (2019).Trusted evidence. Informed decisions. Better health[PDF]. Shou Ray Information Service. 檢自https://exdep.edah.org.tw/lib/images/Educational/20190327102211.pdf

這篇文章玩轉 PubMed：混合技檢索術 × 專業搜尋全攻略最早出現於 NYCU陽明交大圖書館-陪你做研究。

從「奇蹟」到「實證」：18 公分腫瘤消失後的深層思考

chher — Mon, 22 Dec 2025 07:04:11 +0000

最近，陽明交大附設醫院「18 公分腫瘤全消」的案例，成了醫學社群最熱門的話題。無論在研究室還是社群媒體，大眾驚嘆於那 18 公分的巨大轉變，急切打聽是哪位醫師執刀？使用了哪種標靶藥物？

面對超出認知的康復，人們的第一反應往往是將其封為不可思議的「奇蹟」。但在這份渴望背後，其實隱藏著對醫學「不確定性」的集體焦慮：如果沒遇上名醫、沒買到特效藥，生命是否只能交給機率去博弈？

拒絕讓奇蹟僅是偶然

如果我們只盯著「結果」看，醫學就成了一場殘酷的運氣競賽。

身為研究者，真正的價值不在於等待下一個神蹟，而在於：「拒絕讓奇蹟僅是偶然」。我們的任務是在海量數據與文獻中，將偶然的「幸運」拆解成可以被複製、被預期的「科學路徑」。

為了支持這份使命，圖書館已為您備妥研究與臨床的利器，助您在迷霧中拓出生機：

核心文獻檢索（解構機制）：透過 PubMed 與 Web of Science 交叉研究肝癌與標靶藥物的耐藥性，從基礎科學找尋突破點。
臨床決策支援（證據帶進診間）：藉由 UpToDate 掌握與國際臨床指引（如 NCCN）一致的治療建議，同時使用Micromedex 查證藥物資訊與交互作用，讓臨床決策更有依據也更安全。

成為創造奇蹟的人

宋女士的康復固然令人振奮，但對陽明交大師生而言，這背後並非偶然的好運，而是無數實證研究積累而成的必然。我們深知，檢索文獻不只是在找資料，而是在迷霧中為下一個患者，親手拓出一條由科學支撐、且能被複製的生機。

透過圖書館提供的分析工具，我們不只能見證奇蹟，更能成為參與創造奇蹟的人。當證據在手，「走在癌細胞前面」就不再只是口號，而是我們能帶給患者最安定的底氣。

國立陽明交通大學附設醫院腫瘤醫學中心. (2025, 12 月 8 日). 肝癌婦「數百顆腫瘤」被判末期！返鄉陽明交大醫院求治，2 個月腫瘤全消創奇蹟！ 國立陽明交通大學附設醫院. https://www.hosp.nycu.edu.tw/index/message/news/10244-%E8%82%9D%E7%99%8C%E5%A9%A6%E3%80%8C%E6%95%B8%E7%99%BE%E9%A1%86%E8%85%AB%E7%98%A4%E3%80%8D%E8%A2%AB%E5%88%A4%E6%9C%AB%E6%9C%9F%EF%BC%81-%E8%BF%94%E9%84%89%E9%99%BD%E6%98%8E%E4%BA%A4%E5%A4%A7%E9%86%AB%E9%99%A2%E6%B1%82%E6%B2%BB%EF%BC%8C2%E5%80%8B%E6%9C%88%E8%85%AB%E7%98%A4%E5%85%A8%E6%B6%88%E5%89%B5%E5%A5%87%E8%B9%9F%EF%BC%81.html

推廣組何佳欣 / 本文搭配ChatGPT進行寫作輔助

這篇文章從「奇蹟」到「實證」：18 公分腫瘤消失後的深層思考最早出現於 NYCU陽明交大圖書館-陪你做研究。