白色巨塔中的性別：性別意識對醫學生的職涯預期有什麼影響？

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

這集來分享學生必學的 AI 工具與操作！

本來是想做寫作業的 AI prompt，但肯定會被罵翻……因此這次聚焦在如何用 AI 協助整理筆記、職涯探索、製作歷程檔案等事情上。

廢話不多說，讓我們開始吧 ！

最後，附上本支影片的學習懶人包：

如果你有更多想要學習的操作技巧，歡迎在下面留言跟我們敲碗～有其他想要看的 AI 測試或相關問題，也可以留言分享喔！

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

泛泛泛科學Podcast這裡聽：

青春期對性總是「蠢蠢欲動」，不免會從某些管道獲得錯誤的「色色資訊」。本次「談性先修班」性教育專題，我們就來聊聊那些「看 A 片前就該了解的性知識」，內容絕對「非 18 禁」，適合所有大小泛糰一同「上車」收聽！

聽 y 編與 A 編兩位老司機介紹本次專題，「女性該如何面對初經？」「吃青木瓜真有豐胸效果嗎？」「晨勃從何而來？」「偶像劇、色情片中的愛或性都是真的嗎？」準備好就戴上耳機，一起上車吧！

• 01:18 性教育由家長還是機器人來教？

A 編曾看過「性經驗」網路調查分析，不論男女皆希望自己是對方的「第一次」，但又希望對方能在床第間指導自己，反應現代人對性的矛盾心態。y 編則分享漫畫《機器人會夢見愛嗎？》中，女主角的科學家父親留下具人工智能的「性愛機器人」讓她探索情慾，也是一種「性教育」的形式。《性的解析》也提及，4 到 5 歲的小孩對「性」產生好奇時，可能會感受到家長的閃避或尷尬，因此避免提出相關疑問，若家長能帶小孩解開疑惑，會是更好的選擇。

延伸閱讀：

性的解析 美國大學性教育講義（全三冊）

• 06:32 今年「談性先修班」絕對非18 禁

去年，泛科學隆重推出「看 A 片學性教育是否搞錯了什麼」專題，但當時較著重於「成年人」，從中意識到「未成年性教育」也同等重要，因此今年的「談性先修班」專題絕對「非 18 禁」，適合兒童與青少年收聽。y 編回想起，小時候家庭與學校給予的「性教育」均不足，因此進入發育期後，開始歷經初經、乳房隆起時，常會感到錯愕，家長也不知該如何解釋，同儕男性也會欺侮第二性徵較明顯的女同學，如同彈胸罩肩帶等。

延伸閱讀：

談性先修班——能看 A 片前你要知道的性知識

你認為，18歲以下應該如何學習性教育？｜【科科齊打交】

• 13:10 乳房何時開始發育隆起？

女性的乳房開始隆起發育，大約會發生在 8 至 13 歲之間，過程可能因荷爾蒙改變，產生腫脹或疼痛感皆為正常反應。 y 編提及觀察過往許多乳房發育較明顯的同學，成長經歷較為辛苦，可能會較不敢抬頭挺胸、跑步等，怕自己的胸部被「關注」；A 編則懺悔，過往也曾嘲笑過乳房發育較明顯的同學。

• 15:30 「胸大身瘦」是不切實際的幻想

乳房大小與雌激素大有關連，在發育期他會讓脂肪堆積在乳房，就連男性都可能因雌激素過高，而乳房隆起。雖然「基因」是影響乳房大小最關鍵的因素，但青春期少女多半受社會氛圍影響，常希望自己「胸大身瘦」，刻意節食瘦身。這可能導致脂肪量過少，無法充分堆積在乳房，影響發育。 y 編也提及，市面上的「豐胸食品」多半仍無法驗證其效果。因此在發育期穩定攝取營養，還是對乳房最為健康的做法。

延伸閱讀：

人見人愛的「歐派」如何發育？——關於乳房隆起，人人都該提早知道的三兩事

破解豐胸迷思：豐胸霜按摩加青木瓜可以從 A 到 D 嗎？

• 19:50 晨勃跟「想色色的事」無關

男性陰莖的勃起反應成因，主要分為以下三種類型。一、心因性勃起：藉由如A片等感官刺激或性幻想產生反應，二、反射性勃起：以物理方式刺激陰部神經末梢而有所反應，三、自發性勃起：多因身體過度放鬆而出現的無意識勃起（如晨勃）。A 編回想起求學期間，經常在課堂間因午休後晨勃而鬧笑話，朋友間也常互開「勃起」玩笑，相對於女性較不會因性而有羞愧感。

延伸閱讀：

「勃起」能測出性傾向？關於陰莖充血——多的是你不知道的事！

• 26:02 同志的成長經歷與直男直女大不同

同志在發育期身心同樣會起變化，但相較於異性戀會花更多時間探索性向，大約會在 9 至 12 歲間開始發生。若相關性別教育資源不足，青少年同志恐難以理解為何自己與多數異性戀同儕「不一樣」，例如： A 編便有同學是透過看同志色情片，才確認自己的性向。前集 Podcast 來賓：同志諮詢熱線的夜盲也分享，現今因社會氛圍較開放，對同志接納度提高，相關資源較為豐沛，也讓青少年摸索、確認性向的時間大幅縮短。

延伸閱讀：

想和誰做愛＝你的性傾向嗎？青少年的性向探索與出櫃困境

• 30:16 兩位編輯的「探索」性向體驗

即便 y 編對自身性向發展很「開放」，學生時期也交過男友，但到研究所、出社會受到同性吸引時，仍會感到困惑，擔心是否因性向而人生有所轉變；A 編則曾被朋友帶去同志酒吧，被酒吧內同志們灌酒，而後有些親密接觸，但卻感受不到愉悅，藉此確認自己就是個「百分百直男」，卻也因此感受同志友人在異性戀環境下成長的不適。

• 33:56 不只「月經不平等」而已 

近年來，各國政府因意識到徵收生理用品的稅金，恐對女性產生「月經不平等」與「月經貧窮」等問題，進而修法調降或免徵「月經税」。​y 編表示，過往把買來的衛生棉裝在紙袋內，避免被人發現，同時也只會和同儕討論生理議題，並未從家中或學校教育中獲得相關知識。她也提及，購買內衣對女性也是負擔，並且社會皆會要求「穿品質好的內衣維持乳房形狀」是女性的責任，但實際上乳房不對稱是很常見的情況。

• 37:09 別把女友心情差歸因於「月經來」

​y 編表示，經痛時常被外人叮嚀要好好「照顧身體」，才得以維持子宮的生育功能，種種社會對經期的指點，都令她感到不舒服，甚至曾想摘除子宮「一勞永逸」，後來才得知能吃調節激素的藥來調經，也不會影響子宮與身心健康。另外，五成以上女性會有「經前症候群」，月經來前會感到不適，情緒會因此不穩直至經期結束。兩位編輯也提醒廣大直男聽眾們，別因女友心情不好，便直接歸因於她「月經來」，還是得判斷是否還有其他具體原因。

延伸閱讀：

月經來臨前，為何會情緒低落、夜晚失眠？

避孕藥不只用於避孕！認識荷爾蒙與月經週期的關係

• 41:45 男生買衛生棉很奇怪還很暖？

A 編說小時候會替家人買衛生棉，但常引來店員「側目」而感到不舒服，長大後因買衛生棉會被視為「暖男行徑」，才變得不再排斥。不過，他在購買保險套、驗孕棒時，仍會被店員或藥劑師投以異樣眼光，可見大眾還無法「正常化」看待人們對生理用品的需求。​

• 45:17 偶像劇逼男生得「要打去練舞室打」

A 編曾做過小論文，研究「偶像劇對高中生戀愛觀的影響」，結果得出收看越多偶像劇的人，越會認為戀愛模式要越貼近劇中的「公式化情節」，理想對象也會接近男女主角的形象，例如：女生希望男友能勇猛去「練舞室打」，為自己挺身而出。《性的解析》一書也提及，傳播媒體中呈現的「性」，重點在於製造娛樂性，並且從中獲取商業利益，因此大眾還是得認知到影劇裡的性與愛，多半與現實有所差距。

• 52:51 被「Deepfake」了該怎麼辦？

日前，網紅小玉因以 Deepfake（深偽）技術將女性公眾人物的面孔，移植至色情片並公開販售而遭到逮捕，國外的類似案例也層出不窮。因此，泛泛泛科學將邀請「法律白話文」來節目中，分享 Deepfake 技術的趨勢、該如何破解，以及國內外法規發展的動向。日後，泛科學也還會再推出一系列性教育內容，請大家鎖定網站文章、Youtube 頻道與 Podcast 節目，繼續與我們一起「談性說愛」！

延伸閱讀：

科技在走，A片進步要有：技術與慾望交織的網路

• 作者/劉俊毅（臺北醫學大學醫學系學生）

2019 年台灣的同性婚姻合法化，性別差異也隨著教育普及、時代前進而不斷改善。儘管男性數理強、女性文科強的刻板印象依然存在，但傳統上以男性為主的醫學系中，女生的數量卻明顯增加，甚至有幾間醫學系男、女學生人數相去不遠！

那麼，在這個醫學系男女學生比例逐漸平衡的同時，我們是否可以期待這些未來的準醫生們在性別意識上也能大幅領先，進而影響到傳統醫學領域中由男性主導的慣習，使女性醫生的地位逐漸抬頭呢？

醫學系男女比例的平衡，代表了白色巨塔中的性別平等嗎？

如果仔細檢視不同科別、不同層級的醫師，便能清楚看見醫師群體隱而未顯的性別差異：院長、副院長、主任等主管多由男性醫師壟斷；而女性醫師則高度集中於兒科、眼科、婦產科及家醫科，鮮少選擇泌尿科、神經外科、骨科等科別。

進入醫學系的性別差距日益縮小，但醫師科別的選擇卻有著高度的性別差異化──這不禁教人好奇：

介於其中的「醫學生」，其性別觀念在求學階段究竟產生了甚麼樣的轉變？不同性別的醫學生，又是如何看待未來的家庭與職涯規劃？

為此，高雄醫學大學的陳建州老師展開一項研究：蒐集超過 400 名醫學生的問卷，試圖了解不同性別醫學生的性別意識是否具有差異，以及自己的性別對未來職涯發展又會產生甚麼樣的影響。

性別角色態度影響職涯發展？

研究分成「性別刻板印象」以及「性別對職涯的影響」兩個部分。首先，研究發現相較於男醫學生，女醫學生較不具有「男主外、女主內」、「男性應該陽剛、女性應該陰柔」、「男性數理好、女性文科好」這三類刻板印象。

而在「男性社經地位優於女性」和「男生應該懂電腦與水電、女生應該懂烹飪」這兩類與工作有關的刻板印象上，醫學系的男孩和女孩的態度差不多，但整體來說女孩的觀念更傾向性別平等。

有趣的是，隨著年級的增加，男、女醫學生皆在「男主外、女主內」的態度上越傾向於男女有別，且醫學系女學生對「男性社經地位優於女性」的態度漸趨於平等。而正是這些對於性別角色態度的差異，造成了男女醫學生對於工作與家庭態度上的不同！

醫學系女生：為了家庭必須妥協自己的職涯

醫學系女生愈認同「男主外、女主內」和「男生應該懂電腦與水電、女生應該懂烹飪」的話，她評估婚姻、生育對於自己工作的衝擊就會越高。換句話說，一位傾向男女有別的女性，可能會預期自己必須肩負母職，所以當工作與家庭面臨選擇時，就必須調整原有的工作、配合男性進入家庭。

醫學系男生：為了家庭必須積極爭取職場升遷

反觀醫學系男生，若越認同社經地位應該男高女低的話，他認為家庭對工作的衝擊就越高；而越認同「男性數理好、女性文科好」的話，他認為家庭對工作的衝擊就愈低。換句話說，一位強調男性地位應該高於女性的男醫師，可能會預期自己在為人夫、為人父的時候，必須調整原有的工作，積極爭取職位升遷，或者努力加班賺錢養家。而另一方面，一位強調男性與女性在擅長的學習領域上有所差別的男人可能認為，女性更應該配合家庭犧牲工作。

最後，醫學系的男孩擔任主管的企圖心，明顯高於醫學系女孩；並且女孩較有可能認為結婚和生育對於「擔任主管」會有負面影響，所以當面對家庭與升遷的抉擇時，醫學系女孩的企圖心便會低於醫學系男孩。

醫學教育應更重視性別平等

從這項研究中，我們發現儘管醫學系的男女比例日趨平等，但隨著年級越高，男女醫學生在「公/私領域分布性別差異」的態度上越傾向於男女有別，「性別平等」很可能是醫學系中，始終缺少的一堂重要課程。

醫學院作為一個教育系統，不但不能降低醫學生對於傳統性別角色的態度，更可能隨著年級的發展，漸漸形成「男、女分別有適合的科別與職級」，導致男女醫師在醫療職場上發展出大不同的結果。

我們無法得知這樣的情況是否因醫學教育（包括潛在課程）所致，但進一步檢視醫學教育確屬必要。或許未來，我們更應該在醫學教育與生涯規劃中，強調醫師生涯與性別意識，才能減少那些被性別耽誤的「女」醫生。

• 看完整的「醫學系男女學生的職業生涯想像差異與影響因素」成果報告！

本文轉載自 科技部補助性別與科技相關規劃推動計畫 科研成果科普好文，原文〈醫學院沒教的性別課─被性別耽誤的「女」醫生？！ (105年陳建州教授計畫)〉

介紹由高雄醫學大學醫學社會學與社會工作學系陳建州副教授所主持的科技部 105 年度性別與科技研究計畫「醫學系男女學生的職業生涯想像差異與影響因素」之研究成果。