為什麼我們談 Bias？從兒童司法敘事看照顧者敘事的價值與限制

當家人開始覺得長輩「好像跟以前不一樣了」，這句話通常不是一個正式診斷，卻可能是照護歷程中非常重要的起點。

有些家屬會說：

「他出院後就沒有回到以前的樣子。」
「她一直重複問同樣的問題。」
「晚上比較混亂，白天又好像還好。」
「以前會處理的事情，現在突然做不好。」
「我也說不上來，就是覺得不太一樣。」

這些話很模糊，但它們並不一定沒有價值。相反地，許多認知、情緒、功能或生活能力的變化，最早往往不是出現在診間，而是出現在日常生活裡。家人和照顧者，常常是最早看見這些改變的人。

不過，這裡也出現一個重要問題：

照顧者的敘事會不會有 bias？

答案是：會。

但這不代表照顧者不可靠，也不代表這些敘事不能用。真正重要的是，我們不能把照顧者敘事當成「完全客觀的原始資料」。它應該被視為一種高價值、但需要小心處理的臨床溝通訊號。

這也是我們為什麼要談 BIaS：不是為了否定敘事，而是為了讓敘事更安全、更清楚、更能被專業者理解。

什麼是敘事 bias？

Bias 通常被翻成「偏差」，但在這裡，它不一定代表錯誤，也不代表說謊。

在照顧者敘事中，bias 可能來自很多地方：

照顧者很焦慮，所以特別記得危險事件。
某一次跌倒、走失或夜間混亂太令人害怕，因此在記憶中被放大。
病程其實很複雜，但家人事後會試著整理成一個比較簡單的故事。
照顧者可能把變化歸因於「老了」、「失智了」、「個性變差了」或「藥物影響」。
醫師、研究者或 AI 的提問方式，也可能影響家屬怎麼回答。

例如，如果一開始就問：

「他是不是常常忘記剛剛發生的事？」

家屬可能會被引導去回想「記憶問題」。

但如果換成：

「最近有哪些事情讓你覺得他和以前不一樣？可以舉一個具體例子嗎？」

這樣比較能保留家屬原本觀察到的生活情境，而不是太快把故事推向某一種解釋。

所以，bias-aware 並不是說「不要相信照顧者」。
它的意思是：

我們要更負責任地聽照顧者怎麼說。

從兒童司法敘事學到什麼？

談到敘事 bias，一個很有啟發性的領域是兒童司法敘事研究，特別是兒童在犯罪事件、目擊事件或受害經驗中的描述。

在這些情境裡，兒童的敘事非常重要，可能影響司法判斷、保護措施與後續介入。但研究者也很早就知道，兒童敘事容易受到提問方式、暗示、重複詢問、權威期待、情緒壓力與記憶重建影響。

因此，兒童司法訪談非常重視幾個原則：

使用開放式問題，而不是誘導式問題。
保留孩子的原始語句，而不是只保留大人的摘要。
記錄問題是怎麼問的，因為問題本身會影響回答。
不要強迫孩子把破碎的記憶整理成完整故事。
允許「我不知道」、「我不確定」、「好像是」這些不確定表達存在。

這些原則對照顧者敘事同樣有啟發。

照顧者不是兒童，認知老化照護也不是司法案件。兩個場域不能簡單類比。但是，它們有一個共同點：

這些都是高風險敘事。

所謂高風險敘事，是指一段描述可能影響後續判斷、資源分配、家庭決策、醫療處置或專業評估。因此，我們不能只問「這段話是真是假」，而應該問：

這段話是在什麼情境下說出來的？
是誰說的？
是原始觀察，還是事後推論？
時間點清楚嗎？
有沒有其他可能解釋？
有沒有被提問方式影響？
哪些地方需要再確認？

照顧者敘事不是 raw data，而是 communication evidence

很多 AI 系統喜歡把資料想像成乾淨、客觀、可以直接輸入模型的 raw data。

但照顧者敘事不是這樣。

當家屬說「他最近變得很奇怪」，這句話不是一個可以直接轉成診斷的資料點。它需要被拆開來看：

「最近」是什麼時候開始？
「奇怪」指的是記憶、情緒、睡眠、判斷力、語言，還是行為？
這個變化是突然發生，還是慢慢變明顯？
有沒有住院、感染、跌倒、藥物改變、睡眠失調或重大壓力事件？
這是一次事件，還是反覆出現的模式？
家屬有多確定？
原話是什麼？

這些問題不是為了質疑照顧者，而是為了讓敘事變得更可理解。

因此，我們更傾向把照顧者敘事稱為：

communication evidence，溝通中的證據。

它有價值，但需要保留脈絡。
它有訊號，但不能過度推論。
它能幫助專業者理解生活中的改變，但不能被 AI 直接轉成診斷標籤。

AI 可以幫忙，也可能製造新的偏差

AI 在照顧者敘事中有很大的潛力。

它可以幫助整理時間線，區分「家屬實際觀察到的事情」和「家屬自己的解釋」。它也可以提醒哪些背景資訊還缺少，例如睡眠、藥物、感染、住院、跌倒或情緒壓力。它可以把一段混亂、零散的敘事整理成比較容易讓臨床人員閱讀的摘要。

但 AI 也可能造成新的風險。

如果 AI 問得太誘導，家屬可能會被帶往某個方向。
如果 AI 過度摘要，原本重要的細節可能消失。
如果 AI 為了讓報告看起來完整，自動補上因果關係，就可能製造 false coherence。
如果 AI 把「家屬擔心記憶變差」直接寫成「疑似失智」，就會產生過度推論。
如果 AI 沒有保留原始語句，專業者就無法回頭檢查摘要是否合理。

因此，AI 的角色不應該是「替照顧者下結論」，而應該是：

幫助照顧者的敘事被更安全地保存、整理、標記與交給專業者確認。

我們認為比較安全的做法

一個 bias-aware 的照顧者敘事流程，至少應該包含幾個原則。

第一，使用開放式提問。
不要一開始就把問題導向失智、記憶退化或某個疾病名稱，而是讓照顧者先描述具體生活事件。

第二，保留原始語句。
AI 摘要可以有，但不能取代照顧者原話。原話是後續判讀與驗證的重要依據。

第三，標記脈絡。
例如事件發生時間、是否住院、是否感染、是否跌倒、是否改藥、睡眠是否改變、照顧者是否處於高壓狀態。

第四，分開觀察與解釋。
「爸爸昨天晚上找不到廁所」是觀察。
「爸爸應該是失智了」是解釋。
兩者都可以記錄，但不能混在一起。

第五，保留不確定性。
「好像是」、「我不太確定」、「可能是出院後」不是雜訊。這些話反而告訴我們，時間線或因果關係還需要再確認。

第六，交由人類專業者驗證。
AI 可以協助整理，但不應取代臨床判斷。

BIaS 不是不相信人，而是更認真地聽人說話

當我們談 bias，很多人第一反應可能是：「你是不是覺得照顧者不可靠？」

其實正好相反。

我們之所以重視照顧者敘事，是因為照顧者看見了很多診間看不到的變化。家屬知道一個人原本的樣子，也知道哪些改變是「和平常不一樣」。這些生活中的細節，對認知老化、功能變化與照護決策都非常重要。

但也正因為這些敘事重要，我們更不能粗糙地使用它們。

兒童司法敘事研究提醒我們：在高風險情境中，好的傾聽不是只把故事快速整理成結論，而是要保留原話、避免誘導、記錄脈絡、標記不確定性，並讓專業者有機會回頭檢查。

照顧者敘事也是如此。

真正負責任的 AI，不是讓敘事看起來更確定，而是讓敘事中的不確定性能夠被看見、被保存、被澄清。

這就是我們談 BIaS 的原因。

不是為了否定照顧者。
不是為了讓 AI 取代專業者。
也不是為了把每一句家屬的擔心都變成診斷。

而是為了建立一種更安全的方式，讓照顧者的聲音被聽見，也被正確理解。

FAQ

照顧者敘事有 bias，是否代表它不可靠？

不是。Bias 不等於說謊，也不等於沒有價值。照顧者敘事常常包含重要的日常生活觀察，但它需要被放回情境中理解，而不是直接當成診斷結論。

為什麼要參考兒童司法敘事？

兒童司法敘事研究長期處理高風險敘事，包括如何避免誘導式提問、如何保留原話、如何標記不確定性。這些方法學原則可以啟發照顧者敘事的安全整理方式。

AI 可以用來分析照顧者敘事嗎？

可以，但 AI 應該用來協助整理、標記、追蹤來源與提醒缺失資訊，而不是直接診斷。AI 的輸出應該交由專業者確認。

什麼是 bias-aware caregiver narrative？

它指的是一種偏差敏感的照顧者敘事處理方式。重點包括開放式提問、保留原文、標記脈絡、區分觀察與推論、保留不確定性，以及人類專業者驗證。

為什麼不能只看 AI 摘要？

因為摘要可能遺失原始語氣、細節與不確定性。安全的系統應該同時保留原始敘事與 AI 整理結果，讓專業者可以回頭檢查。