> For the complete documentation index, see [llms.txt](https://i.cckai.org/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://i.cckai.org/yan-jiu-yu-shi-yan-shi.md).

# 研究與實驗室

## 研究問題

以大型語言模型為基礎的 AI 助教，只能回應使用者打出來的文字。它看不出使用者是負荷過重、失去投入，還是仍在思考；使用者的滿意度，也不一定對應到什麼對學習真正有幫助。

我的研究設計對話式 AI 助教，在大學課堂的大規模真實使用中評估它們，並往**人類狀態感知 AI**（human-state-aware AI）延伸：系統估測使用者的認知投入與認知負荷，同時估計這個判斷有多不確定，再決定要直接回答、提出引導問題，或是暫時不介入。使用者保有拒絕、暫停與停止協助的權利。國科會計畫 PALM（115-2410-H-008-028）支持的就是這一步。

研究以閉環進行：

1. **感知**：影像、語音、生理訊號與互動行為
2. **理解**：估測認知投入、注意力與認知負荷
3. **決策**：判斷何時介入、如何介入，以及何時不介入
4. **行動**：透過教學與回饋提供協助，長期延伸到具身代理與人機協作

在教育場域部署時，估測的目標是認知投入與認知負荷，以及使用者是否需要協助，**不做情緒辨識**。

## 教育組學實驗室（Educational Omics Lab）

實驗室設於國立中央大學通識教育中心（[eduomics.org](https://eduomics.org)），以教育組學（Educational Omics）整合多模態學習資料，研究工作建立在三個已在運作的基礎上：

| 基礎           | 內容                             |
| ------------ | ------------------------------ |
| **教育資料湖**    | 依教育組學框架整合學習歷程、對話、生理與環境等多模態學習資料 |
| **PALM**     | 國科會計畫，研究生理感知與 AI 的適性回應         |
| **Uedu 優學院** | 教學、學習與研究平台，提供真實的課堂場域與資料基礎      |

設計 AI 協助時，我們以人為本：理解人的需求、能力與情境；協助人做到原本做不到的事，而不是替人完成；尊重人知情、選擇、拒絕與停止介入的權利。

研究分兩條軌道進行，共用同一套方法：**教育科技**（AI 支援學習、學習分析、適性教學）與**工程與人機協作**（感測與訊號處理、多模態 AI、決策演算法、人機協作）。

## 三條研究線

| 研究線              | 研究內容                                                                                               | 代表成果（第一或通訊作者）                                                     |
| ---------------- | -------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------- |
| **AI 助教設計與實地評估** | 對話式 AI 助教的設計；AI 代理的角色分派；在實際課程中以 A/B 與準實驗設計評估。提出 effort signature：學生認為蘇格拉底式鷹架較費力、較不舒服，但在比較理解深度時最支持它 | IJHCI 2026；Frontiers in Psychology 2026                           |
| **互動分析與平台治理**    | 多租戶、多供應商的 LLM 平台；學生與 AI 的互動語料；數百門課程的採用與認知投入模式；可持續、可撤回的研究同意                                         | Computers and Education: AI 2026；ACM L\@S 2026（最佳論文提名）；ICMET 2025 |
| **低成本生理感測**      | 自行設計的穿戴式 fNIRS + PPG 裝置；瀏覽器端多模態擷取，與 AI 對話事件對齊；消費級穿戴裝置的生理監測                                         | Progress in Brain Research 2024；IEEE SDS 2026；ACM L\@S 2026 WiP   |

三條線匯聚的中心是人類狀態感知 AI：AI 能不能同時回應使用者的狀態與文字，並且知道什麼時候不該介入。

## 接下來的研究（規劃中）

* 以 30 位受試者驗證 Uedu Brain 與實驗室級儀器的一致性與再現性
* 開發額頭乾式電極 EEG 模組
* 以受試者內設計研究 AI 協助過程中的認知負荷與認知卸載
* 狀態感知介入的實地試驗，並把使用者拒絕協助的權利設計進去
* 驗證生理訊號能否在行為與對話之外，帶來可量化的額外資訊（消融實驗、跨受試者、跨場域）
