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
Temporal Lag Effects in Multimodal Learning Analytics: Physiological–Behavioral Characterization
多模態學習分析雖然整合了視覺注意力與生理信號來推測學生狀態， 但現有研究多採用同步對齊或簡單的特徵堆疊方式， 缺少對生理反應與外顯行為之間「時序延遲」特性的深入考察。 這種跨模態的時間延遲關係可能蘊含重要的學習歷程資訊。
本研究招募 6 名學生，於 Python 程式設計課程中進行為期三週的多模態資料收集。 使用 Garmin vívoactive 5 智慧手錶透過 Garmin Health Companion SDK 取得 一秒解析度的壓力指數（HRV 衍生）與五秒間隔的心率資料， 同時以攝影機擷取面部影像進行注意力推論。 透過時序對齊與交叉相關分析，在教學事件層級上量化生理—行為的時序延遲特徵。
教師可利用即時耦合指標來調整活動的比例與順序—— 在實作環節鼓勵更緊密的生理—行為耦合， 在講授環節則容許較鬆散的參與模式。 時序延遲變異性可作為多模態學習分析的新型可解釋指標， 為教學調適與學習支援提供更細緻的分析依據。
本研究使用 Uedu Fit 整合的 Garmin 穿戴裝置資料， 結合課堂影像分析，探索生理信號與學習行為的時序關係。 研究成果將回饋至 Uedu 的多模態學習分析框架， 未來可在 Uedu Mind 中呈現生理—行為耦合的即時視覺化。
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。