Nothing close enough? Start from a blank decision tree → Describe it in one paragraph.
How to
How to use a decision tree template.
- 01列出要辨識的生物或物件
告訴 ChatDiagram 需要辨識的項目，例如「8 種常見落葉樹的葉片」或「6 種岩石」。請一併提供你知道的辨識特徵。
- 02讓 AI 建立成對問題
ChatDiagram 會產生是／否分支問題，逐步縮小可能範圍，直到每個終點都對應一種生物。
- 03確認每條路徑都以唯一結果結束
在腦中或使用實際標本走過檢索表。每個終端節點都應該只辨識出一個項目。
- 04自訂問題文字
編輯分支標籤，使其符合課程用語或學生年齡層；年紀較小的學生可使用簡單語言，高階課程則可使用精確的分類學術語。
- 05匯出為學習單或野外指南
下載為 PNG 或 SVG，放入實驗講義、簡報或列印的野外指南中。
FAQ
Questions about decision tree templates
什麼是二歧檢索表？
二歧檢索表是一種辨識工具，透過一連串成對且互斥的敘述或問題進行分類。每一步都從兩個選項中選擇一個，接著前往下一組選項或得到最終辨識結果。
哪些學科會使用二歧檢索表？
生物學（物種辨識）、地質學（礦物與岩石辨識）、醫學（依症狀進行鑑別診斷），甚至資料科學（二元決策樹）都使用相同的分支邏輯。
二歧檢索表可以處理多少項目？
具有 n 層的二元樹最多可區分 2ⁿ 個項目。課堂使用的檢索表通常包含 8–20 個項目、4–5 層，仍能清楚呈現在一頁上。
可以為非生物物件製作二歧檢索表嗎？
當然可以。只要物件具有可觀察的二元特徵，這種格式就適用，例如礦物、硬幣、雲的類型、電路元件，甚至故障排除指南。
二歧檢索表和一般決策樹有什麼不同？
二歧檢索表的每個分支一定只有兩個選項，專門用於辨識。決策樹的每個節點則可有任意數量的分支，應用範圍更廣，適合做決策與預測。