在 Uedu 上執行研究

1. 這個平台適合做什麼

Uedu 是一個已投入實際運作、且具備量測功能的教學平台，不是實驗室。這決定了它適合回答哪些類型的問題。

資料所依據的架構

Educational Omics 將學習視為多個可同時觀察的層次。這是平台蒐集內容的組織架構，熟悉這些詞彙會讓本手冊後續內容簡短許多。

平台上先前的工作，包括定義這些術語的論文，請見 /practice（19 publications）。在第一次會談前先閱讀兩到三篇，會讓那次會談短得多。

2. 您屬於哪一種倫理案例

這是首先要釐清的問題，因為它比任何其他事項都更決定您的時程。此平台持有一項涵蓋性的研究倫理計畫 （NTU-REC 202507EM058），其下的資料治理責任屬於平台，而不是您。共有三種情況：

常見誤解

• 「我就多加三個問題到問卷裡。」 那是情況 B。計畫未涵蓋的三個問題仍是新的收集，無論多小都一樣。
• 「這是我自己的課，所以由我決定。」 是否由您授課是您的決定；但從您評分的學生蒐集研究資料，並不是同一件事，而第 8 章中的區分在任何情況下都適用。
• 「我用外部表單，會比較快。」 其實比較慢。外部問卷不在涵蓋範圍內，會讓您落入情況 B，並另外產生資料傳輸問題。請使用平台自己的問卷工具——這正是它存在的原因。

3. 既有資料

以下的可得性表示「存在於平台上，且原則上可透過匯出路徑去識別化釋出」，而非「會在提出請求時移交」。第 5 章說明實際的釋出方式。

4. 您永遠不會得到的內容

不是「還沒」——這些都是既定立場，再問一次也不會改變。

• 已識別的學生。 研究資料以隨機研究代碼釋出。 您這邊沒有重新識別金鑰，且您不得嘗試建立一個。
• 另一位教師的課程，沒有那位教師。 課程資料屬於該課程。 跨課程研究是透過相關教師進行，而不是繞過他們。
• 月經週期與生殖健康資料。 只在服務層蒐集，供使用者本人參考， 排除於所有研究類別之外，且任何專案都不得授權使用。理由見 研究治理文件第 7 章：科學證據薄弱，而這類主張的歷史 糟糕到倫理風險高於學術價值。
• 透過專案途徑提供原始連續生理訊號。 研究專案授權的是 每日摘要值，不是分鐘級序列。平台上確實有心搏層級的工作， 但它是以獨立的儀器化研究運作，而不是作為資料請求。
• 透過公開 API 的學生作業。 公開 API 和 MCP 伺服器只提供低敏感度資料—— 公開課程、機構、出版品。對話、成績和論壇內容絕不會以那種方式暴露，而且這條界線 在每個專案中都不可協商。
• 來自退選學生的資料。 退選是立即生效的，並會將該學生排除於後續分析與匯出之外。 已在退選前計算完成且去識別化的彙總資料，無法事後拆解，而這項限制會在學生同意時揭露給 他們。

5. 匯出路徑

只有一扇門。沒有非正式複本，沒有透過電子郵件分享的資料集，也不對趕時間的協作者例外——這種單一路徑特性正是讓整體協定可行的原因，因此它是強制執行，而不是鼓勵採用。

離開時會發生什麼事

• 識別碼會被隨機研究代碼取代。
• 匯出內容會加密並交付給請求者，而且每次匯出都會記錄。
• 負責教師必須已簽署資料保護承諾；代表其匯出的研究助理還必須另外具備高級助教權限，並已簽署保密承諾。
• 研究匯出有時間限制：記錄自建立起可匯出五年，之後系統會拒絕。

外部研究者的存取層級

不屬於課程教師的合作研究者，會透過一份研究者存取協議進入，該協議涵蓋分層存取、保密、出版審查與終止。它已公布於治理中心（中文；若您需要正式英文副本供貴機構歸檔，請提出）。

6. 適用的研究設計

7. 同意架構

兩個彼此獨立的層級，加上一組參與者權利；這些權利是以軟體實作，而不是只寫在文件裡。

1. 平台層級的研究同意。 有版本紀錄、可撤回，而且與使用平台本身完全分開。拒絕同意後，所有教學功能仍可使用。
2. 逐一專案授權，適用於涉及穿戴式資料的研究專案。參與者逐字閱讀專案所述目的，選擇要授權哪些資料類別，並決定是否包含加入日期之前的歷史資料。完整文字會在簽署時雜湊，以供日後佐證。

參與者權利，依實作方式

• 鏡像檢視。 參與者看到的畫面，與研究者看到的畫面完全相同。沒有隱藏欄位。
• 存取紀錄。 研究者的每一次檢視都會被記錄——誰、何時、哪個範圍——參與者可以讀取該紀錄。
• 撤回。 一個動作、立即生效、不需理由、沒有後果。研究者不得詢問原因。
• 匿名警示。 感到受壓但不想撤回的參與者，可以在不離開專案、且不讓研究者知道是誰提出的情況下，提出警示。一旦警示達到門檻——至少兩人，且不低於現有活躍成員的百分之五——專案的檢視存取會自動暫停，等待審查。

8. 不能彎曲的規則

有兩項值得事先規劃的後果：

• 以經得起檢視的方式招募。 學生可以忽略的公告沒有問題。由您在自己的課堂上親自發出的招募說明，會造成壓力，您應該從設計上避免，而不是日後再辯護。
• 將 AI 使用納入評分會改變您的資料。 教師可以評分 AI 使用——這是他們的教學自主權。但由成績誘因所產生的行為，與自發性使用是不同現象，而沒有區分兩者的論文，在審查時一定會被問到。

9. 您應該撰寫的限制

審查者會問到這些，所以最好由您自己先提出。以下各項都是資料的真實屬性，不是保留說法。

認知層級標籤是模型輸出

Bloom 層級分類是由語言模型根據一個有文件記錄的提示詞產生，而不是由受過訓練的人類編碼者產生。它們在整體上以及跨時間都一致且有用；但對於單一訊息而言，它們不是實際真值，而它們與人類編碼的一致性，應該引用既有研究，或由您在一個樣本上自行建立。請說明模型與提示詞版本——這兩者都會按事件記錄，因此您可以說明。

使用量不等於參與度

訊息數、工作階段數與字數都只是弱代理，而且在教師會評分參與時會變得更弱。當平台提供經品質調整的訊號時，請優先使用，並說明您為何選擇它。

參與在全程都是自願的

學生可以自行選擇是否使用助理、是否接受認知測驗、是否連接裝置，以及是否同意研究。以上每一項都是一個選擇步驟。請回報漏斗——註冊、使用、完成、同意——而不只是最終的 N。

人口統計變數並不完整

平台在早期並未於註冊時蒐集生理性別，且有大量帳號沒有記錄任何數值。因此，關於性別組成的平台層級主張無法成立，任何公平性分析都必須限縮到有記錄數值的子集合，且該子集合必須如實描述。如果您的研究需要某個人口統計變數，請將取得它視為 Case B，並相應規劃。

認知測驗分數不是臨床常模

摘要報告中的綜合分數是為了回饋學生而做的啟發式轉換，不是標準化的常模參照測量。分析時請使用主要的試驗層級指標，並且不要將該測驗描述為等同於智力或臨床評估。

情境與可推廣性

這個語料庫成長於臺灣高等教育，且主要是中文，在由選擇採用 AI 平台的教師所教授的課程中形成。這兩個事實都限制了可推廣性，也都應該寫進您的限制段落，而不是寫進審查者的報告。

10. 方法、引用、致謝

平台說明

請注意兩件要避免的事：不要把這個平台描述為任何機構的產品，也不要把它描述為商業性質。這兩者都不正確。

來源與倫理聲明

如果您的機構或期刊需要比這更多的內容，請提出來——針對您特定資料集的書面來源聲明，我們本來就會提供，這不是額外的幫忙。

利益衝突

請聲明三件事，因為審查者如果自行發現其中任何一項，往往會對三項都作最糟的推測：

• 資料來自哪個平台，以及該人是否為作者之一。
• 該平台使用是免費的，且沒有任何商業實體資助或從中獲利。
• 支撐您研究所使用的平台容量之任何補助經費，以及您機構直接支付的任何 API 成本。

引用先前研究

如果您使用分析元件——cognitive-level classification、retrieval、forum scoring、cognitive battery——請引用描述該元件的論文，而不是引用網站。附有 DOI 的清單在 /practice，而方法說明在 /doc/methodology（中文）中，包含方法部分所需的參數層級細節。

11. 作者歸屬與協作

• 共同作者是常見安排，當平台工作屬於貢獻的一部分時——例如建置一項工具、執行擷取流程、設計論文所依賴的機制。當貢獻是提供既有資料與來源說明時，致謝是常見且足夠的做法。
• 在分析之前決定，而不是在投稿之前。 作者歸屬的討論若拖到很晚才進行，通常會出問題；若提早進行，五分鐘就能談完。
• 提供資料的課程教師應被告知關於其班級寫了些什麼，不論他們是否為作者。這是平台所期待的禮節，而不是它所強制的規則；而這也是讓教師願意主持研究的原因。
• 重疊投稿。 如果您的問題與平台上已在審查中的工作相近，我們會告訴您——也期望您同樣告知我們。兩篇建立在相同語料、在不同場域提出相同主張的論文，對雙方都是問題。

12. 實驗室與研究計畫

生理與多參與者研究是透過實驗室與計畫的架構進行，而非臨時設立。

• 實驗室由平台管理員開設，並指定一位主責研究者。請來信提供您的機構與職稱、實驗室名稱與研究方向，以及預定用途。
• 研究計畫由 PI 建立，由平台審核並啟用，之後再逐一招募成員。只有實驗室 PI 可以建立，且刻意如此設計：每個計畫都需要一位可明確識別、對其倫理負責的人。
• 參與者不需要實驗室會員資格。他們會收到邀請，閱讀計畫目的，簽署，然後加入——這就是全部流程。
• 計畫會到期。瀏覽權限會在計畫結束日期自動關閉，沒有任何人工步驟，也沒有任何可悄悄延長的方式。

完整生命週期、PI 的權利與義務，以及其中涉及的法律與倫理術語之白話詞彙表，請見 研究治理文件（中文）。這是權威文本；本章只是其摘要。

13. 如何開始

請寄出問題，而不是提案。一段文字就足以讓我們就可行性、您屬於哪一種倫理案件，以及是否已經有人在做這件事，給出實際回答。

寄到 [email protected]。 您會收到直接的回答，包括「that data does not exist」或「someone is already doing that」，只要那些情況屬實。