▷ 教練力知識星系 · 全部星頁 · 研究庫 · 《教練力》 · AndAction

研究庫總覽

《教練力實踐》研究庫 · 38 篇公開文字版

《教練力實踐》研究庫 38 篇公開文字版：自我實現、教練成效、職場、AI 產業、台灣在地——支撐「AI 時代的教練力」的實證與觀點，按專題分組，每筆標示來源、可信度與查證日。

總論（1 篇）

AI 時代為什麼需要教練力這一輪 AI 最大的改變，可能不在「機器更聰明」，而在它讓「通用、標準、可以被清楚定義」的工作趨近免費：執行成本掉下來，夠好的標準答案人人拿得到，能明確定義的任務越來越不需要人。價｜查證日 2026-09-10

自我實現（15 篇）

馬斯洛自我實現與自我超越——原始理論、後續修訂、當代量測與實證、AI 時代的應用與反證書的招牌翻轉是這樣說的：當 AI 把溫飽、雜務、一般的執行工作都變便宜，人不太會「沒事做」，反而可能是人類第一次有大規模的條件，被推往更高一層的需求：成為自己（自我實現），以及活出｜查證日 2026-09-10 自我決定論（SDT）— 自主、勝任、連結 → 幸福／自我實現的一般實證「自主／勝任／連結被滿足，人會過得比較好；被剝奪，人會受苦」不只是理論上的說法，已經有後設分析級的實證。 這是 SDT 累積數十年、60 篇後設分析收斂出來的結論；這些研究多半經過｜查證日 2026-09-10 真實性（authenticity）／「做自己」的心理學實證真實性是可以定義、也可以量測的構念。 已經有多套通過心理計量驗證的量表（Wood et al. 三因子 Authenticity Scale；Kernis-Goldman 四成分量｜查證日 2026-09-10 意義感與生命目的的實證——服務「活出自己＝活出有意義的人生」書主張「活出自己＝活出有意義的人生」。這句話如果只是價值宣示，撐不起一本書。它其實踩在當代心理學研究得最多、也相對扎實的一塊地上：意義感（meaning in life）不是一種模｜查證日 2026-09-10 自我概念清晰度（self-concept clarity）與自我認識「懂自己」是一個可量測的心理結構，不是玄學。 自我概念清晰度（self-concept clarity, SCC）有公認量表（Campbell 1996, 12 題），可信可量。書｜查證日 2026-09-10 AI 情境下「追求獨特性／自我表達／自我實現」的可行性AI 讓「做出來」這件事變得便宜，價值與時間就有機會往「只有你能做」的那一塊移動：你的視角、品味、判斷、表達。對原本被擋在門外的人（技能還不夠的人、障礙者、沒有團隊的個人），AI ｜查證日 2026-09-10 演算法與 AI 個人化如何形塑（或侵蝕）自我認同演算法不只是「反映」你的偏好，它也可能「生產」你的偏好。 推薦系統把你過去的行為轉成一個「可量測的你」（measurable type），再用它來預測你、餵你、強化你。時間一久，你｜查證日 2026-09-10 「活出自己」與「養活自己」的張力——自我實現的經濟現實「活出自己」不只是一句祝福，它有價碼，而且這個價碼不是人人付得起。 本書招牌主張「AI 時代反而是史上最適合成為自己的時代」，如果沒有先正面面對下面三件有實證支持的事，很容易變成對｜查證日 2026-09-10 AI 壓力下的真實性——AI 優化的人設/履歷 vs 真實自我序章的張力是：AI 讓「把自己包裝得更完美」變得幾乎零成本。履歷、貼文、個人品牌文案、社群人設，現在都能一鍵生成。問題通常不在 AI 能不能讓你看起來更好，而是：｜查證日 2026-09-10 數位／社群媒體時代的自我建構與認同社會比較是寫在人性裡的，社群媒體只是把它工業化、無限化。 Festinger（1954）把社會比較講成人的基本機制；社群媒體則把「向上比較」的對象，從身邊幾個人擴張成全世界的精選版｜查證日 2026-09-10 能動性／主導感（personal agency, sense of agency）的一般實證 — 服務「在 AI 時代把主導權留在自己身上」「能動性／主導感」是有理論骨架、也量得到的真實構念，不只是一種說法：Bandura 把人的能動性拆成四個可運作的功能（意圖、前瞻、自我調節、自我反省）；認知科學用「行動主導感（se｜查證日 2026-09-10 成長心態（growth mindset）與個人成長主動性（PGI）— 「成長可練」的實證與爭議「能力可成長」這個信念，在恰當的條件下確實能小幅改善表現；只是效果小，而且相當看情境。 美國全國性大規模 RCT（Yeager et al., Nature 2019, N≈12,｜查證日 2026-09-10 自我導向職涯與生涯自我實現的實證當「組織給的軌道」瓦解，能不能活得好、走得遠，往往越來越取決於一種「自己駕駛」的內在配備。學界用兩個構念把它操作化了：變形蟲職涯傾向（protean：自我導向＋價值驅動）與生涯適應｜查證日 2026-09-10 自我實現／幸福／意義是否可訓練——正向心理學介入（PPI）與相關介入的成效實證指出的方法錯誤：(a) 小樣本偏誤未控制；(b) 用未加權 r（小研究跟大研究等權）；(c) 出版偏誤評估用過時方法（Fail-safe N）；(d) 重複測量設計誤用組間公式算效｜查證日 2026-09-10 華人／東方文化脈絡下的自我實現、自主性與「做自己」華人是「相依我（interdependent self）」為主，西方是「獨立我（independent self）」：自我不是先有一個獨立的個體、再去連結別人，而是「在關係中被定義｜查證日 2026-09-10

教練成效（3 篇）

教練（coaching）的成效實證——「教練/教練式介入真的有用」的證據後盾書要主張「教練力是可以被驗證、可以被學會、也可以被傳遞的人本支持方法」。這條主張站不站得住，多半就看一件事：教練到底有沒有用？ 證據給出的答案是分層的，這裡照實講：｜查證日 2026-06-23 自我覺察、反思、自主性介入的成效自我覺察是真的有用，但往往被高估。它與領導效能、績效正相關，觀察性的證據算扎實；只是真正具備的人不多，而且「向內看」不一定等於「看得準」。→ 這讓「先把自己聽夠深」有它的價值，同時｜查證日 2026-09-10 台灣／華語區教練的成效與現況（在地補強）教練在華語區是「實務跑得快、實證跟不上」：ICF Taiwan 2008 年成立，亞洲也是全球教練人數成長最快的區域（+86%）；但以台灣樣本、用實驗或準實驗方法量測教練成效的同儕｜查證日 2026-09-10

職場（5 篇）

AI 如何重組工作與技能價值執行成本崩落：AI 正在把「通用、可定義、可編碼」的任務，做到執行成本趨近於零；「會做某件標準化的事」這件事本身，往往越來越不值錢了。｜查證日 2026-09-10 AI 如何改變組織形態與公司規模AI 正在改寫「組織」這件事。過去要做出一定規模的事業，你通常得先把人聚起來：招募、管理、發薪、協調，組織的大小幾乎就等於野心的大小。現在 AI 把大量通用的執行能力變得便宜、人人｜查證日 2026-09-10 AI 時代的個人生涯與事業發展路徑AI 把「通用、可複製」的工作變便宜，價值往「只有你能做、屬於你」那塊移動。這在客觀上把『活出自己／走自己的路』從少數人的奢侈，變成更多人可走的路徑；但同一股力量也在壓縮高技能者的｜查證日 2026-09-10 AI 時代的學習方式改變與再培訓（reskilling／upskilling）AI 改變了「學什麼」：通用、容易被自動化的技能在貶值，價值往判斷、提問、批判思考、與 AI 協作、後設認知這些「耐久人類技能（durable human skills）」移動。W｜查證日 2026-06-23 重要人物與機構對「AI 與工作／人類未來」的觀點共識（連對立兩派都同意）：AI 把「通用、可標準化的認知勞動」變得又快又便宜。被取代的多半是中段、可程序化、可外包的那一塊；留下來、甚至更值錢的，是判斷、方向感、能動性（agenc｜查證日 2026-09-10

AI 產業（11 篇）

OpenAI 對「AI × 工作 × 經濟 × 人類價值」的研究、報告與公開論述第三條線（要打折看的那條）：OpenAI 對自家工具效益的宣稱，常常被獨立研究推翻，或加上一層又一層的但書。｜查證日 2026-09-10 Anthropic 對「AI 與工作、經濟、社會」的研究與聲明「工作內容被重組」遠多於「整份工作消失」，而且有大規模真實使用數據支持：Anthropic Economic Index 把 Claude 數百萬次真實對話對映到美國勞動部 ONE｜查證日 2026-09-10 Google / DeepMind 對「AI 與工作、生產力、人類未來」但同一個 Google 業者調查 又給出一組漂亮到要小心的數字（92% 想要個人化 AI、92% 因 AI 更自信）；這是廠商自家數據，當「需求訊號」可以，當「成效實證」就不行。本｜查證日 2026-09-10 Microsoft 與 GitHub 對「AI 與職場、生產力」的研究生產力宣稱要打折看，而且要把獨立反證放在旁邊：賣方（GitHub／Microsoft）的「55% 更快」「26% 更多產出」是真實的受控研究，但任務是人造的、樣本特定、對自家有利；｜查證日 2026-09-10 研究中心與年度指數報告「AI 讓通用能力變便宜、價值移到人獨有的那塊」這句話，有中立機構的大樣本可以依靠。 Stanford HAI 與 MIT 的經濟學者用大樣本看到：AI 的生產力紅利，多半落在「結｜查證日 2026-09-10 近期新聞與前沿訊號（2025–2026）「2025–2026 是 AI agent 進入工作場域之年」，這個說法在產業裡已經接近共識。 不過敘事的熱度，明顯跑在實際落地前面：多數企業還在試點，真正規模化的是少數（Gart｜查證日 2026-09-10 OpenAI／Anthropic／Google 以外的主要 AI 公司，對「AI × 工作 × 人類未來 × 人的價值」的研究與公開論述第一派・烏托邦／取代派：Musk（xAI）說「在良性情境下，我們大概都不會有工作」、會有「全民高所得」；Suleyman（微軟 AI）說白領工作 12–18 個月內「大部分任務會被｜查證日 2026-09-10 創投與產業分析機構對 AI-native 組織、未來工作、個人事業的報告與觀點這三句合起來，正是本書的位置：當「執行」變便宜、組織變薄、人人都能「開始」，真正少見、交不出去、決定誰能「做到頂尖」的，是只有你能做的那一塊：你的判斷、你的方法、你與人的真實連結、｜查證日 2026-09-10 AI agent 進入職場（研究與實證層，2025–2026）「導入」的速度，遠遠跑在「真的變成價值」前面。 實驗、試點、宣稱到處都是；真正規模化、而且量得到 P&L 影響的，目前還是少數。MIT NANDA 量到 95% 的企業 GenAI｜查證日 2026-09-10 對齊安全研究如何印證「判斷不外包、人留在迴路」AI「討好你」不是 bug，而是訓練機制內建的傾向，源頭在人的偏好資料：模型用人類偏好（RLHF）訓練，而人有相當比例就是偏好「寫得漂亮、迎合我」的答案勝過「正確但不順耳」的答案，｜查證日 2026-09-10 獨立（非廠商）生產力與白領職業衝擊廠商宣稱與獨立證據之間，往往有一道系統性的落差；這道落差正是書稿的立論起點。 最清楚的一組對照是：GitHub 自家研究說 Copilot 讓人「快 55%」，但獨立第三方 MET｜查證日 2026-09-10

台灣在地（2 篇）

AI 對工作與職場的衝擊（在地數據）台灣不是局外人，但有一段「時間差」：AI 對工作的衝擊在台灣是真實的，不過因為少子化缺工、製造業為主、內需穩定，目前還沒出現美國那種青年失業潮。這比較像是「緩衝」，不是「免疫」。它｜查證日 2026-09-10 台灣／華語區 — 學習、轉職、接案、生涯發展（在地數據）台灣的工作流動已經成為常態，而且越來越快：新人待不久、年後轉職意願創高，職涯多半不再是「一份工作做到退休」。讀者面對的是「一生會換很多次跑道」的現實，這也是「需要一套屬於自己、可以｜查證日 2026-09-10

主題（1 篇）

當執行被 AI 自動化，工作的意義與人的獨特價值如何體現當「會做」（執行、產出、通用技能）被 AI 變得便宜，工作的意義不會自動消失，但很可能會從「我做得出來」移到「這值不值得做、該往哪做、由誰來定義」。書最核心的主張是：教練力是人在 ｜查證日 2026-09-10

進入 3D 星系主站 →