抓到你了！上課不專心也逃不過AI的眼睛

FIND研究員：陳加欣

近年來，人工智慧（AI）技術逐漸融入各種不同的領域，關於它的便利性，相信多數人在生活中已或多或少有了親身的體悟。AI將過去許多需要大量人力投入的工作交給了機器來做，透過訓練好的模型，一步一步為人類完成許多艱難繁瑣的任務。

在教育領域中，也有一些學者試著研究該如何運用AI來幫助教師，使教學和學習這件事更加有效。如此一來，教師就可以將關注學生狀況的這項工作交給AI來分擔，讓自己更能專注在授課內容之上。對異地教師來說，即使人不在現場，也能藉由這樣的工具得知現場學生的學習狀況，當注意到學生缺乏專注時，也可以適時地調整教學方法，使教學過程更加有效率。

群體AI影像識別分析技術

但是，當現場教室空間範圍大、且有多名學生時，這樣的輔助工具該如何運作呢？以下，就要來介紹群體AI影像識別分析技術的應用實例。

群體AI影像識別分析技術主要結合了群體人像搜尋和肢體事件的AI分析技術，以即時追蹤學生上課的注意力。在課堂中，將以多角度攝影機偵測學生如頭部、肢體等活動行為，同時結合專注度偏差行為模型，於邊緣運算提供全面性的學習分析。

那麼，機器該如何識別不同的學生呢？

Person re-identification（ReID）模型是一種可根據不同身分的人們進行個別辨識的深度學習模型架構，它能夠對不同攝影機所擷取出來影像串流內的人物肢體行為進行身分辨識，並且彼此進行配對。

首先，模型會提取影像中的深度語意特徵，以便在後續流程中可以準確地找到人物的位置和識別他們的肢體行為。接著，利用提取的特徵來預測可能的人物位置，並將預測的位置與特徵圖中的區域特徵進行配對，成功配對的區域特徵即表示特定人物。這些特徵不僅可以用來修正座標，還可以作為人物的身分進行識別。

而要將這樣的模型實際應用於課堂進行學習專注度檢測，則需要先對學生的學習過程進行拍攝，並且有效地擷取教學過程中的姿態變化，將高品質的影像匯入至深度學習模型內，才能進行專注度的檢測。

在捕捉到影像後，模型將對輸入的場景影像進行深度語意特徵的提取，並對場景中可能存在的學生位置進行座標預測來定位學生，將預測出來的座標位置與特徵圖內的區域特徵進行配對，這樣一來，模型就能夠準確地定位學生的位置。成功地找到目標對象後，接下來就是專注度檢測模型的工作了。透過事前已訓練好的專注度檢測模型，將能透過學生的肢體動作識別每位學生當下的專注程度，並將狀態即時反饋給遠端教師，即時掌握另一端的學生學習情形。

圖1：ReID模型影像辨識架構圖

資料來源：本文作者自行繪製

FIND觀點

人工智慧與教育的結合，對教師而言將成為一項強而有力的輔助工具。尤其是對異地的教師來說。透過訓練好的深度學習模型，即可在異地教學中利用智慧輔助學習工具識別學生當下的專注程度，幫助教師更好理解學生學習歷程及優化教學方法。同時提供更加深入了解學生學習狀況的方式，除了能讓教師即時調整授課步調外，更能作為日後課程內容安排上的參考依據，讓這樣的AI智慧輔助學習工具成為教師的小助手，有望減輕教師在課堂管理方面的負擔。 

封面圖片來源：本文作者自行拍攝

參考資料來源：

1. Person re-identification based on deep learning — An overview https://www.sciencedirect.com/science/article/abs/pii/S1047320321002765

數位助推結合行為科學，成為改變運動行為的新利器

FIND研究員：滕學緯

在當前科技快速發展的時代，健康生活的維持已不再僅靠自律和堅持。結合行為科學理論的數位助推（Digital Nudging），正逐漸成為改變運動行為的強大工具。數位助推是一種運用數位科技影響人們決策的策略。這種策略的核心概念來自於行為科學，認為人們的行為和決策往往並非全然理性的結果。透過這些微小的「推動」，我們可以引導人們做出更健康、更有益的選擇。 

什麼是數位助推？

數位助推起源於行為經濟學中的「助推」（Nudge）理論，即透過巧妙設計的環境或提示，以可預測的方式改變人們的行為，而不強迫他們改變。數位助推則是在數位平台上實現此一理念，運用應用程式、網站和其他數位介面，巧妙地影響用戶的行為，特別是在健康和運動方面。 

行為科學的力量

行為科學研究人類決策和行為的模式，探討人們如何在不同環境和情境下做出選擇。數位助推透過結合行為科學的理論模型，設計出更具吸引力和影響力的介面和互動方式，進而促使用戶採取更健康的行為。 

改變運動行為的四大關鍵策略

定錨效應：根據行為科學中的定錨效應原理，人們的決策往往受到最初所獲得資訊的強烈影響。我們可以設定一個錨點來利用此效應，例如，可以提示用戶上週所有用戶平均一週運動5天，詢問用戶這週想要運動幾天？或是提示與該用戶同類群體運動表現常模數字（甚至提示數字可較真實常模數字提高5%），以此數字成為用戶心中的參考點，讓他們更傾向於達成甚至超越這個目標。 

即時反饋與增強：即時反饋機制利用行為科學中的增強原理，及時提供用戶運動過程中的數據和鼓勵。例如，智慧手錶可以即時顯示用戶的心率和消耗的卡路里，並在達到某個運動目標時給予視覺或聲音上的鼓勵，這種即時的正向反饋有助於增強用戶的運動動機。 

圖1：沉浸式健身車體驗，當騎行超越前方人物時會伴隨激勵音效

圖片來源：資策會數轉院健康數據中心資料開放組整理

社會認同效應：根據行為科學中的社會認同理論，人們更容易受到他人行為的影響。健身應用程式可以透過展示好友的運動成績和分享運動挑戰，營造一種群體運動的氛圍，讓用戶在社交壓力和支持下，更加積極地參與運動。

圖2：JoiiSports App揪團運動功能

圖片來源：https://www.joiiup.com/post/content/1/168

損失規避：行為科學研究顯示，人們對受到損失時的感受要比獲得好處時的喜悅更為強烈。健身應用程式可以設計一些「損失規避」的激勵機制，例如用戶若未完成某天的運動目標，則會失去之前累積的某些虛擬獎勵或徽章，這種設計可以有效激勵用戶保持連續的運動習慣。 

數位助推結合行為科學，正在革新我們的運動習慣和健康生活方式，不僅提供了一種智慧化、個性化的健康解決方案，還讓我們看到了科技與行為科學結合的巨大潛力。隨著技術的不斷進步和應用的普及，數位助推有望成為我們日常生活中的重要部分，幫助我們實現更加健康、積極的生活目標。

封面圖片來源：https://www.pexels.com 

參考資料及圖片來源：資策會數轉院健康數據科技中心資料開放組整理

無頭式電商為AI時代下的生活服務業提供更多創新商機

FIND研究員：葉翰霖 自2022年生成式AI普及以來，人們看到了許多新的消費場景正在發生，而無頭式電商這一概念也再次受到關注。這或許是臺灣的生活服務業者抓住AI商機的良機。 >

不想失智找上門，日常認知訓練不可少！

FIND研究員：賴育琳 【現況概述】 長輩在年紀越來越大後，伴隨著老化所帶來的改變，常出現認知功能退化的現象，影響記憶、思考、行為、以及日常生活的能力，而當認知功能的退化速度超過正常老化，便會形成認知功能障礙，>