🤖 MINA：生成式 AI 驅動的兒童敘事能力評估與臨床建議系統

TL;DR
MINA（Mandarin Intelligent Narrative Assessment for Children） 是由 台北市立大學資訊科學系陳鯨太助理教授（Ching-Tai Chen, Ph.D.） 領導的 Machine Learning and Bioinformatics Lab（MLB Lab） 所研發的創新系統。
它結合 生成式 AI（Generative AI）+ 自然語言處理 (NLP) + 臨床語言治療專業知識，可自動評估兒童的中文敘事能力、分析語言結構，並生成臨床建議報告。
MINA 已獲 2025 中技社 AI 創意競賽 佳作，並於 ROCLING 2025 被接受為口頭發表論文，成為 AI 跨足語言醫學與教育的具體落地案例。

一、研究背景：當 AI 開始「聽懂孩子的故事」

敘事能力（Narrative Ability）是兒童語言、思維與社會互動的綜合表現。
一個能夠把「時間順序、因果關係、情緒」說清楚的孩子，通常擁有更完整的語言組織與理解能力。

然而傳統敘事評估仰賴治療師逐字聽寫與主觀評分，耗時又難以標準化。
陳鯨太教授團隊發現，若能結合 生成式 AI 與 臨床語料分析，
即可將人工語言診斷轉化為可重現、可量化的智慧評估流程。

二、系統介紹：MINA 的設計理念與功能架構

💡 系統定位

MINA 以中文兒童為對象，整合 AI 模型與語言治療理論，
協助專業人員快速完成 敘事能力分析 → 量化評分 → 臨床建議生成。

⚙️ 核心架構

三、研究與競賽成果

• 🏆 中技社 AI 創意競賽 2025 佳作
  題目：MINA -- 兒童敘事能力評估與臨床建議系統
  由 MLB Lab 成員 王睿孺、李亞欣、陳韜宇 共同開發。
• 🎤 ROCLING 2025 （自然語言與語音處理研討會）口頭發表論文
  論文題目：MINAS – Mandarin Intelligent Narrative Assessment of Syntax for Children
  展示 LLM 在兒童語法與敘事結構分析的可行性。
• 📘 跨領域合作
  與聽力暨語言治療專家合作，結合臨床語料與 AI 模型訓練，
  開創「AI 臨床語言評估」新方向。

四、技術創新與學術價值

🧬 1️⃣ 多層語言分析

MINA 同時分析敘事的「巨構造（故事邏輯）」與「微構造（語法詞彙）」指標，
並以 AI 自動量化 完整度、語法錯誤率、情緒詞頻與連接詞多樣性。

🤖 2️⃣ 生成式 AI 臨床報告

以 Large Language Model 自動生成臨床建議：

「建議使用故事接龍訓練強化事件順序表達。」
「提升孩子在因果連結與情緒詞使用的意識。」

此模組能依據分析結果產生可行的教學或治療方案，輔助臨床人員決策。

🧠 3️⃣ 跨領域融合

MINA 結合 AI 演算法、心理語言學與臨床語言治療，
不僅是工具，更是一個可持續優化的學術平台。

五、MLB Lab 的願景與科研能量

由 陳鯨太 博士領導的 MLB Lab（Machine Learning and Bioinformatics Lab）
隸屬於台北市立大學資訊科學系，研究重點包括：

• 🧩 蛋白質與胜肽藥物預測
• 🧬 AI 於生醫文獻與臨床文字的資訊抽取
• 💬 生成式 AI 在語言障礙與心理健康領域的應用

🔬 跨領域專案

六、應用場景與社會影響

• 🏥 臨床語言治療：提供客觀評估報告，協助早期診斷與追蹤。
• 🏫 教育現場：教師可依 AI 建議調整語言訓練活動。
• 📈 政策層面：為教育部、衛福部提供語言發展大數據分析依據。

MINA 的核心價值：
讓「AI 理解人類故事」成為推動兒童語言發展的新起點。

七、結語：從 AI 到 Empathy

MINA 不僅是演算法的結晶，更是一種教育與臨床的橋梁。
當 AI 能聽懂孩子的故事，臨床語言學也將迎來新的篇章。
在 陳鯨太 教授與 MLB Lab 團隊的推動下，
生成式 AI 正從學術研究走向真實應用——
讓科技成為孩子表達世界的第二種語言。

📚 參考資料

1. Machine Learning and Bioinformatics Lab（MLB Lab），University of Taipei
   🔗 https://ctchen.weebly.com
2. 中技社 AI 創意競賽 2025 成果公告
3. ROCLING 2025 會議接收名單：MINAS – Mandarin Intelligent Narrative Assessment of Syntax for Children
4. 陳鯨太 等（2024–2025）。科技部 AI 跨域計畫「利用生成式 AI 預測兒童發展性語言障礙」。
5. npj Digital Medicine (2025)。Leveraging Large Language Models for the Deidentification and Temporal Normalization of Sensitive Health Information in Electronic Health Records.