教育組學：多模態學習分析框架
透過整合認知、生理、社交、環境、語言與倫理六大維度的數據， 全面理解學習者的學習歷程，實現個人化教育支持。
Educational Omics 借鏡生物醫學的「組學」（Omics）概念， 將學習視為一個複雜的多維度現象，需要從多個角度同時觀察與分析。
傳統的學習評估往往只關注「結果」（如考試成績）， 而忽略了學習「過程」中的豐富訊息。Educational Omics 透過多模態數據收集，捕捉學習者在認知、情感、生理等層面的變化， 提供更全面的學習分析視角。
透過整合分析，教育者可以更早發現學習困難、 識別有效的教學策略、提供個人化的學習建議。 研究者也能探索學習的深層機制，推動教育科學的發展。
從多模態數據到個人化學習
每個維度都揭示學習過程的不同面向
追蹤思考歷程與認知發展，包括 AI 對話軌跡、問題解決策略、Bloom's Taxonomy 層次分析等。
監測生理狀態與神經活動，包括心率變異性（HRV）、睡眠品質、壓力指數、專注度等。
分析社會互動模式，包括討論區參與、協作學習行為、同儕互評等社交學習數據。
感測學習環境條件，包括光照強度、溫濕度、噪音程度、CO2 濃度等環境因素。
分析語言表達特徵，包括語言複雜度、語意結構、語音特徵、書寫模式等。
確保數據收集與使用的倫理規範，包括知情同意、隱私保護、AI 偏誤檢測等。Uedu 平台已通過 NTU-REC 審查（核准文號 202507EM058）。
查看 IRB 框架揭露