本次的工作坊是由陳巧玲老師與蘇虹菱老師共同講授，分別介紹中、英論文摘要的撰寫架構與寫作重點。本次講座大致分為四個部分：首先介紹摘要寫作的基本概念與結構，其次說明中英文摘要的差異，再進一步探討AI工具在學術寫作中的應用策略，最後透過實作與案例分析，協助學員建立完整的摘要寫作能力，並掌握摘要編修的實務技巧。

在摘要寫作的基礎觀念上，蘇老師指出，摘要本質上是整篇研究的高度濃縮，應包含研究目的、方法、結果與結論等要素。相較於全文鋪陳，摘要更強調「精準與俐落」，需在有限字數內清楚呈現研究重點。因此，「關鍵詞語（signpost）」的使用格外重要，例如「本研究旨在……」、「研究結果顯示……」等句型，能幫助讀者迅速掌握各段落功能。此外，適當運用轉折語句以指出研究缺口，也是建立研究動機的重要技巧。

蘇老師亦整理了常見的摘要寫作問題，包括因時間壓力而進行段落拼貼，導致內容冗長且重結論過於模糊，未能清楚回應研究目的，以及語言表達過於口語化或冗贅等。這些問題皆會降低摘要的可讀性與專業性，因此需透過有意識的修訂與精簡來改善。而「關鍵詞」的訂定，也與整篇文章的能見度有很大的關連，可以從核心概念、研究方法、主題等著手，避免與題目完全重複，這樣也可以提高研究被搜尋到的機會。

在中、英文摘要差異方面，課程指出期刊論文中的中文摘要多為單段形式，較少使用小標題，並常與英文摘要並列呈現；而英文摘要則可依領域與期刊要求，分為不同類型。常見的類型包括「summary-driven」與「result-driven」兩種：前者為整體濃縮各段內容，後者則著重於研究結果，特別常見於理工領域。在專業性較高的期刊裡，摘要甚至可能直接以方法或結果開頭，以符合讀者已具備背景知識的情境。

此外，英文摘要中特別重要的一點為「時態使用」。一般而言，背景知識多使用現在式、長時間的趨勢用現在完成式、研究方法與結果則以過去式呈現、而研究意義與延伸應用則可能使用現在式或未來式。然而，老師也提醒，不同學門在時態使用上可能存在差異，這些細節往往是AI工具較難準確掌握的，因此仍需仰賴作者所具備的寫作知識下判斷。

在AI應用部分，陳老師以ChatGPT為例，說明其在學術寫作中的潛在用途，包括專案發想、語句潤飾、版本建議與結構優化等。不過，課程亦強調AI使用的界線：研究者不應依賴AI生成原創內容或分析數據，因為學術研究的核心在於「新發現」，而非既有資料的重組，且也容易將自己尚未發布的研究成果暴露在網路資料庫之下，增加風險。此外，隨著AI使用的趨勢，越來越多期刊會進行相關規範，甚至要求明確揭露AI工具的使用方式與範圍。

因此，我們該學會的是如何去正確的使用AI工具，並提升AI使用的效率。在符合學術倫理與可行性的前提下，可以使用「來來回回與多種AI工具互動」的方式進行寫作。最初必須由作者自行撰寫初稿，再利用AI進行段落層級的修訂，而後仍需進行人為檢核與調整，最後再透過AI進行細部潤飾。此過程強調「主導權在作者」，避免在尚未形成完整思路前，即將寫作任務外包給AI去做。

而在寫作的過程中，「如何下Prompt」也是一項重要的環節。課程中，陳老師提供了多項prompt的設計技巧，例如要設定好AI的角色、架構、格式、語氣等，同時限制AI不得新增內容或觀點、控制句子長度、用粗體字標示特定資訊、以及提供原文與修訂版本對照等。如果能善用這些指令，就能讓文章的撰寫更有效率。

值得注意的是，AI生成內容亦存在若干常見問題。例如過度簡化語氣（overgeneralization），將原本帶有不確定性的研究結果改寫為過度肯定的陳述；或刪除弱化詞（hedging），使論述失去學術上的精確度。此外，AI亦傾向使用過多分詞構句（V-ing）、長破折號，以及不自然的高階詞彙，這些都可能降低文章可讀性。因此，作者需具備辨識寫作問題的能力，並透過反覆修訂加以調整。

演講的最後，兩位老師再次強調，在AI快速發展的時代，學術寫作的門檻雖因工具而降低，但所需的核心能力並未改變。唯有奠定紮實的知識基礎，理解學術語言的邏輯與結構，才能有效運用AI工具提升效率，而非受其牽制。正如課堂中所強調的關鍵觀念：「AI只是輔助工具，而非寫作主體」，如何在便利與嚴謹之間取得平衡，將是未來學術寫作者所需面對的重要課題。

走筆至此，跟大家分享一個小Fun fact，這篇場記正是小編透過演講時及時紀錄的筆記，運用了講座中提到的摘要寫作技巧與AI操作方法，透過與 ChatGPT 的互動反覆編修完成。不知道各位在閱讀完這篇演講場記後，有什麼樣的觀察與想法呢？