基於⽣理與環境數據的學⽣參與度預測與優化
柯O延
在各個階段的教育環境中，學⽣參與度一直是影響學習效果的重要因素，但傳統觀察⽅法缺乏客觀性與實時性。我們不禁思考，如果能透過⽣理和環境數據，提供準確的參與度指標，是否能夠客觀、更明確的明白學生的參與狀況呢？更甚至，由這些數據，調整環境或者教學方式等等，來達到提高學生參與度的狀況。綜上所述，我們決定對相關數據進行研究，期望通過結合數據分析與調整，達到教育效果的提升和資源的⾼效利⽤。
故我們的研究目標如下三點：
1. 建⽴基於⽣理和環境特徵的參與度分類模型，實現精準預測。
2. 探索影響學⽣參與度的關鍵因素，為⼲預策略設計提供依據。
3. 設計並驗證針對不同參與度群體的教育⼲預策略，提升學習效果。
最終本次研究通過結合生理與環境數據，成功建立了一個高準確率(97.5%)的學生參與度分類模型。同時發現生理信號（如 HeartRate, SkinConductance, EEG, CortisolLevel 等）比起表情等等，對學生參與度展示了更高解釋力。至於環境數據（如光照和噪聲）對參與度的影響較小，可能需更深入的研究。
