案例01｜開始使用：健康資料拆表、折線圖與 AI 分類驗證

一、案例定位

附錄 A Activity 1 從 AppendixA/health_log.xlsx 開始：三位匿名個體 A／B／C 的 HeartRate、SpO2、Temperature 隨 Altitude 變化。Helena 先讓 ChatGPT 拆成三張工作表，再建立 9 張折線圖並嘗試分類狀態。

二、學習目標

將混合資料拆成 person-specific worksheets。
每個 metric 建立 altitude line chart。
對 AI 自行提出的分類規則進行追問與修正。
區分「模型給出的 label」與可信專業判斷。

三、案例情境

來源 altitude 約從 7,000m 到 8,300m；Person C 的圖呈現 HeartRate 上升、Temperature／SpO2 下降。第一次 AI 分類被 Helena 質疑不符合 extreme-altitude context，之後要求重新考慮登山情境。

四、開始資料

欄位群	內容
Altitude_m	量測高度
Person A／B／C HeartRate	心率
Person A／B／C SpO2	血氧飽和度
Person A／B／C Temp	體溫

五、Excel／R／AI 分析方法

ChatGPT Prompt 1：為 A、B、C 各建立 worksheet；Prompt 2：每張表各為三個 metrics 畫 line chart；Prompt 3：新增 Status 分類。Helena 發現第一次分類不合理後追問 Which criterion did you use?，再要求 Consider also a logic for climbers working in extreme conditions.

六、計算結果

重新分類後，來源敘事稱 A、B 一直為 normal，而 Person C 約從 8,100m 起被標為 critical；作者同時指出最後一列仍被分類為 normal，看起來有問題。

七、結果分析與管理解讀

此案例真正教學重點是不能把 AI 自行產生的臨床／安全閾值當成權威規則。來源本身就展示使用者質疑、要求 criteria、再驗證輸出的流程。這些分類是小說情境中的 AI-generated example，不能用於真實高山醫療或救援決策。

八、AI 提問詞

請先說明你用來分類的來源、假設與適用範圍，再輸出 label。若規則涉及醫療／生命安全而缺少可信專業來源，請標示「不可作為真實決策依據」，不要用模型常識自行製造權威閾值。