雙向知識 × 神經科學
大腦不只活在頭顱裡?Two-Eyed Seeing 正在把土地、社群與文化帶進神經科學
神經科學需要精準,但精準不等於把人縮成腦區。Two-Eyed Seeing 提醒研究與服務同時看見身體、關係、土地與文化脈絡。
阿將伊崮喜瀾|大學教授|長期關注原住民族傳統知識、雙向知識、文化資料治理與 AI 時代的知識詮釋

本圖為原傳媒AI依專題概念製作之示意封面。
腦不是一個脫離世界的盒子
「大腦不只活在頭顱裡」不是否定神經元、影像或生理量測,而是反對一種過度簡化:彷彿只要看見腦內訊號,就已經理解一個人的健康。人如何睡眠、承受壓力、感到安全、取得照顧,始終和家庭、工作、語言、環境、歷史與可用資源相連。當研究把這些條件排除成雜訊,結論也可能只適用於被切割後的情境。
近年的原住民族腦健康討論指出,研究與服務需要面對殖民歷史、不平等與社群優先事項,而不是只從缺損或風險出發。Nature:原住民族腦健康研究觀點這不是要求神經科學放棄可檢驗的方法,而是要求它對自己的問題設定更誠實:誰決定什麼值得量?資料最後回到誰手上?哪些生活條件被當成背景,卻其實正是健康的條件?
Two-Eyed Seeing 帶來的不是文化加註
Two-Eyed Seeing 的核心是同時使用不同知識系統的長處,並知道兩者不必互相吞沒。放在神經科學,它不等於在研究報告最後加一段文化致意;它要求研究設計前就讓社群參與問題的形成。若社群在意的是青年睡眠、哀傷、語言使用、照顧者負荷或離鄉後的孤立,那些關切應能改變研究問題,而不是只成為招募海報上的友善語言。
這也改變「資料」的意思。腦影像、心率、睡眠紀錄可以提供重要線索,但它們不會自動說明一段關係為何斷裂、一個地方為何讓人安定,或某個人為何不願進入服務。研究者可把量測、敘事、社群討論與歷史條件分成不同層次來呈現,避免讓一張腦圖替代所有人的說話權。Two-Eyed Seeing 與心理健康對話的研究將這種做法視為跨系統溝通的哲學:重點在於如何共同工作,而不是誰取得唯一解釋權。Two-Eyed Seeing 與心理健康對話研究
土地、社群與文化如何改變問題
土地不是抽象背景。通勤距離、可步行的路徑、季節勞動、飲水與食物、可相聚的公共空間,以及人能否安全回到熟悉的地方,都會影響壓力、睡眠與社會支持。把這些條件納入,不表示可以把「土地」直接換算成某個腦區的活性;它表示研究不該把環境和關係當成個人失敗的附註。
社群也不是單一變項。有人從親屬網絡獲得支持,也有人恰好在其中承受衝突、污名或沉默。真正的脈絡化研究要允許這些差異存在,並讓參與者有權不同意研究者的分類。研究者可以清楚說明樣本、任務與統計限制,同時在結果解讀時邀請社群檢視:哪些說法貼近生活,哪些可能造成傷害,哪些資料根本不適合公開。
不能把關係直接變成腦區
神經科學的價值在於能把某些問題看得更細:睡眠不足如何影響注意力、壓力反應如何與身體症狀交織、情緒調節的練習可能如何被追蹤。但精細量測不等於全知。用神經語言替文化經驗背書,容易產生另一種簡化:好像只有能被掃描的關係才是真的,只有能被量化的經驗才值得照顧。
更穩妥的原則是把推論分層。研究可說明觀察到了什麼訊號、在什麼條件下觀察到、結果與既有研究如何對話;但不能由此斷言某個民族天生具有某種能力,或某種實踐必然產生特定療效。與文化實作者共同工作的文獻,同樣強調溝通與關係條件,而非把其中一方降格為另一方的證據來源。文化實作者與精神醫療合作研究
對研究、教育與服務的可操作改變
研究團隊可從共同設定問題開始:在計畫書之前談資料的用途、保存、回饋、署名與退出;在資料分析後用可理解的語言回到社群討論限制;在公開前確認哪些內容不應被去脈絡地流傳。這些步驟會減慢流程,卻能減少「取得同意」被縮成一次性表格的風險。
教育現場則可要求學生同時寫出可支持的主張與不可推論的部分。健康服務工作者可以向當事人解釋睡眠、壓力與情緒調節的知識,但先問他想不想用這套語言;也要保留關係、地方與文化支持的入口。若有急性風險,安全評估與轉介仍不可省略。雙眼不是把標準放寬,而是把照顧看得更完整。
精準應該包含關係
真正的精準不只是一個更漂亮的模型,也包括知道模型漏掉了誰。當土地、社群與文化被帶回神經科學,目標不是讓它們為實驗室增添故事,而是讓研究與服務更能回答人們正在面對的問題。Two-Eyed Seeing 提供的不是捷徑,而是一種紀律:一面維持方法透明,一面不把人的生活世界留在研究門外。
這樣的轉向也會改變研究成果如何回到現場。若一份報告只用英文、專業圖表與期刊指標呈現,參與者很難檢查研究者是否理解了他們的生活。相反地,研究團隊可以準備不同深度的回饋:供社群討論的摘要、供服務端使用的限制說明、供學術同行檢驗的方法細節。回饋不代表把所有資料公開,而是依先前約定,讓資訊回到能夠理解與質疑它的人手上。
對年輕研究者而言,這也是一種方法訓練。除了學會模型、統計與儀器,還要學會提出不傷害人的問題、記錄不確定性、承認代表性不足,並了解合作關係需要時間。把社群參與當成研究品質的一部分,不會讓神經科學變得不嚴謹;它會讓嚴謹包含研究結果能否被正確使用,以及研究者願不願意對被遺漏的人負責。
方法上的改變可以很具體。若研究關心睡眠或壓力,不只可收集裝置數據,也可在共同規劃後詢問參與者認為哪些日常條件影響休息:輪班、照顧責任、交通、住屋、季節、聚會、語言環境或可獲得的支持。這些資料不必被粗暴地量化成一個「文化分數」,而可以作為解讀結果時必須保留的脈絡。研究報告也應交代哪些經驗沒有被納入、為何沒有納入,讓讀者知道結論的邊界。
資料治理同樣是腦健康研究的一部分。參與者需要知道影像、生理與訪談資料會被保存多久、誰能存取、是否可能做後續分析、可以怎樣撤回,以及研究團隊如何降低再辨識風險。不同社群對資料回流與公開會有不同期待,不能用單一同意格式一次處理。把這些條件提早談,並在計畫改變時重新取得可理解的同意,會比事後補救更能建立信任。
最後,科學教育不妨讓學生練習讀懂不確定性。面對一項腦影像結果,除了問效應量與統計顯著,也要問樣本是誰、任務是否接近生活、有哪些替代解釋、當結果被媒體轉述時可能造成什麼傷害。這種訓練不會削弱對神經科學的信任;相反地,它把信任建立在知道證據能說到哪裡、又必須在哪裡停下來。
在公開溝通時,尤其要避免把「大腦」當作能替一切爭論蓋章的權威。媒體標題喜歡把複雜研究簡化成某種腦型、某種天賦或某種療效,但這會遮蔽樣本限制與生活差異。研究團隊應主動提供可被正確轉述的文字,指出結果屬於哪些條件、不能用於哪些分類,也提醒讀者腦資料不應成為雇用、教育或服務排除的依據。
Two-Eyed Seeing 在這裡的價值,是讓研究者不只問『能不能量到』,也問『量到之後會被誰怎麼使用』。若一個結果可能被拿來污名化,團隊就需要在設計與發布前討論防護方式;若社群希望某些敘事不要外流,也要尊重那是知識治理的一部分。把使用後果納入方法,才是對人負責的精準。
因此,下一個更好的問題或許不是「如何把文化放進模型」,而是「模型願不願意承認它原本排除了哪些關係」。只有當研究者願意讓問題與流程接受這樣的檢查,資料才不只是被抽取的訊號,而能成為社群、服務與科學彼此負責地交談的基礎。
這種做法的成本是時間與持續對話,但它也避免了研究完成後才發現問題與社群關切無關。對一門經常追求更大資料、更快分析的學科而言,願意在前端把問題問對,本身就是一種重要的研究品質。
資料來源與延伸閱讀
原傳媒AI|依你的角色繼續追問
本篇已建立 4 個角色入口,每個角色各 5 題,共 20 組預先產生的角色追問。前端依角色顯示對應問題與回答,所有回答保留嵌入式來源連結,且不在瀏覽器端即時呼叫模型。
角色驅動追問
原傳媒AI|依你的角色繼續追問
先選擇角色,再閱讀該角色可能提出的完整問題;點選後,原傳媒AI 會以逐字顯示方式呈現完整回覆。
先選擇角色
研究與資料工作者
想讓研究問題更貼近社群,但也要維持方法透明與可檢驗。
再選擇問題
AI 使用與內容安全揭露
本文由原傳媒 AI 編輯流程整理與校訂;圖片為概念示意。
Newsletter
喜歡這篇文章?
訂閱原傳媒AI電子報,每日接收AI、傳統知識與雙向知識更新。