Show a desktop notification when the AI TA finishes replying
Notify me when classmates post messages in the forum
Play an alert sound whenever there is a new notification
C-GRASP: Clinically-Grounded Reasoning for Affective Signal Processing
從穿戴裝置的 HRV、皮膚導電反應等生理訊號推估學習者的情感與壓力狀態， 已成為教育科技的重要方向。然而現有的情感訊號處理方法多依賴黑箱模型， 缺乏臨床醫學知識的支撐，對教師與學生而言難以信任、也難以據此做出合理的教學介入。 如何讓情感訊號的分析結果具備「臨床可解釋性」？
本研究提出 C-GRASP（Clinically-Grounded Reasoning for Affective Signal Processing）框架， 將臨床醫學的推理結構與生理訊號處理流程結合，為情感狀態的判讀提供可追溯的依據。 框架透過結構化的臨床推理步驟，讓 AI 在分析生理訊號時， 能夠對應到醫學文獻中已驗證的生理—情感關聯機制。
具臨床基礎的情感訊號分析，能讓教師更放心地採用穿戴裝置數據來理解學生的學習狀態。 C-GRASP 提供的可解釋推理路徑，讓生理—情感—學習的連結不再是黑箱， 而是可供教師、學生與研究者共同檢視的透明歷程， 為 Uedu Mind（PALM）的生理感知 AI 輔導奠定臨床層面的理論基礎。
Uedu Mind（PALM）整合穿戴裝置生理訊號與大型語言模型，為學習者提供生理感知的 AI 輔導。 C-GRASP 的臨床推理框架將深化 PALM 對情感與壓力訊號的詮釋能力， 讓 AI 助教在判讀學習者狀態時，能夠基於臨床已驗證的生理機制， 而非僅依賴統計關聯，提升教育應用的科學嚴謹性與可信度。
前往使用本篇甫發表、尚未取得 DOI，資料庫無從建立引用關係，因此暫時無法查核。
甫發表・尚未可查
本篇甫發表、尚未取得 DOI，資料庫無從建立引用關係，因此暫時無法查核。 尚未取得 DOI。
資料來源：OpenAlex（主）＋ Semantic Scholar（補查），資料日期 2026-08-30。 引用次數依資料庫口徑而異；標為「已核對原文」者已取得全文並逐字抄錄引用段落。