跨專業申請的個人陳述，最常出現的問題不是「不夠了解新領域」，而是「太急著證明自己了解新領域」。於是整篇 PS 塞滿目標學科的術語、暢談未來抱負，卻沒有回答評審真正想知道的問題：你原本的訓練，如何讓你在這個新領域裡成為一個不一樣的申請者？

把素材盤點放在 AI 輔助之前，不是流程上的繁文縟節，而是為了避免一個很實際的風險：AI 很擅長把零散的經歷串成流暢的故事，但如果輸入的素材本身缺乏細節和層次，它產出的往往是一篇「看起來很有道理、但換成誰都適用」的 PS。這篇文章提供一套素材盤點的方法，讓你在打開任何 AI 工具之前，先把手上的材料整理成它真正能用的形式。

先區分「經歷」與「能力」，再談轉換邏輯

跨專業 PS 的素材盤點，第一步不是列舉你做過什麼，而是把每一段經歷拆成兩個層面：具體做的事，以及從中鍛鍊出的可遷移能力。

舉例來說，如果你原本讀社會學，想申請數據科學相關的碩士，一段「在畢業專題中用問卷調查分析都市年輕人的居住選擇」的經歷，可以拆出至少三條能力線索：

• 研究設計能力：如何把一個模糊的社會問題，轉換成可操作的變項與假設。
• 資料處理經驗：清理問卷數據、處理缺失值、解讀統計輸出。
• 詮釋與侷限意識：知道統計顯著不代表因果成立，能辨識樣本偏誤。

這三條線索，分別對應數據科學訓練中的不同環節。盤點時不必急著判斷哪一條「最相關」，先全部列出來，因為 AI 在後續整理敘事邏輯時，需要足夠多的素材來建立不同的論證路徑。

一個實用的盤點格式是：每段經歷寫三行——「我做了什麼」「我用了什麼方法或工具」「我從中學到了什麼可以帶走的判斷力」。第三行尤其重要，因為它捕捉的是你如何思考，而不只是你完成了什麼。

讓 AI 做「比對」與「組織」，而非「發明」

素材盤點完成後，AI 的價值在於幫你處理兩件繁重但不需要創造力的工作：比對與組織。

比對是把你列出的能力清單，對照目標科系的課程特色或教授研究領域，找出最自然的銜接點。你可以把目標科系的課程名稱、教授的研究方向摘要貼給 AI，請它標註你的哪些能力與這些內容有潛在關聯。這不是要 AI 幫你猜評審偏好，而是讓它幫你從大量資訊中篩出值得深入的交叉點。

組織則是請 AI 根據你提供的素材，生成三到四種不同的敘事主線。例如：以「方法論的遷移」為主線，強調你如何把原本學科的分析框架帶入新領域；或以「問題意識的延續」為主線，說明你關心的核心問題始終未變，只是換了一個更合適的學科工具來回答它。

這個階段的關鍵是：AI 給你的不是最終稿，而是「可能的骨架」。你接下來要做的，是逐一檢視每個骨架是否真的撐得起你的素材。如果某個骨架聽起來很動人，但你發現自己缺少對應的具體事例來支撐，那就果斷放棄它，而不是反過來編造細節去迎合骨架。

覆核清單：檢查 AI 版本是否「換成別人也能用」

拿到 AI 整理後的版本，最後一關是人工覆核。除了檢查事實錯誤和語氣是否自然，跨專業申請者還需要特別留意一個問題：這篇 PS 是否具有不可替代性？

一個簡單的測試方式是：把文中所有關於你個人經歷的描述，替換成另一個同樣跨專業申請者的背景（例如不同的本科學校、不同的專題題目），看看文章是否依然通順。如果通順，代表你的個人經歷只是裝飾，而不是論證的核心。真正的跨專業 PS，應該讓評審覺得「這個人的背景組合，只有他寫得出來」。

另一項常被忽略的檢查是「能力宣稱與證據的匹配度」。AI 在潤飾時，容易把「我修過一門統計課」擴寫成「我具備扎實的統計基礎」。請逐句檢查：文中提到的每個能力，是否都有對應的具體經歷支撐？如果某個能力的證據比較薄弱，要嘛補充更細節的描述，要嘛刪掉這個宣稱，不要讓它留在那裡成為評審追問的破口。

最後，記得把 PS 拿給一位熟悉目標領域但不熟悉你的人閱讀，請他告訴你：「讀完之後，你覺得這個人具備哪些能力？」如果他的回答與你想傳達的重點一致，這份素材盤點和 AI 輔助的流程就算成功了。