多受試者生理資料即時擷取與事件對照：Educational Omics 的神經生理向度推進

Uedu 平台近期完成 Garmin SDK 的整合，使教學現場、研究場域與跨域展演活動能同時擷取多位受試者的 BBI（Beat-to-Beat Interval）資料，並以更貼近教育脈絡的方式連結到事件與行為紀錄，在多模態學習分析中建立神經生理向度的基礎。這項功能為課堂學習、導覽體驗、藝術展覽、演講活動等情境帶來新的觀察機會，使研究者能在真實互動過程中理解生理變化如何與認知負荷、注意力轉移、情緒起伏或學習行為的節奏形成關聯。

此系統的設計兼具即時性與可回溯性，研究者可依據研究目標選擇不同模式。若需要即時回饋，例如觀察教室中教學節奏轉換或展覽現場的特定刺激點反應，系統可以在活動進行時同步呈現多位受試者的 BBI 變化，協助團隊掌握生理層面的微幅波動。若研究情境需要更縝密的訊號處理與事件標註，也能在活動結束後匯出完整資料，以事後分析的方式重新比對關鍵時刻，進行更深度的多模態統整。此雙模式並存的設計，使系統能同時支援探索式研究與大型觀察研究，也更貼近實際教育場域與人文社會研究的複雜需求。

在裝置支援上，單一 iOS 裝置可同時監控最多二十支 Garmin 智慧手錶，能涵蓋一般規模的教室、小型展覽場、研究討論工作坊或小組互動活動。若研究規模需要更高的吞吐量，可以透過多台裝置並行擴充，使監測人數在不同場域中保持彈性。這種可擴張式的部署架構，符合多校合作、多情境蒐集與長期追蹤研究的未來需求，也為跨機構 Educational Omics 的資料蒐集奠定了更可持續的技術基礎。

Uedu 將這項能力定位於 Educational Omics 生態系的神經生理向度，與語言互動資料、課堂行為、平台操作紀錄、語音轉文字、學習歷程紀錄等維度並列，形成更具深度的多模態觀測。此方向讓研究者能在 MMLA（Multimodal Learning Analytics）的框架中，探討生理訊號與數位學習行為之間的對照關係，也能在學習者模型與數位孿生的研究中加入更接近身心狀態的指標，以支持跨學科的學習科學方法。以 BBI 這類生理訊號為核心指標的分析，雖採用保守的描述方式，但仍保有高度研究潛力，可在事件層級的對照上提供具有意義的時間序列特徵。

所有涉及人體生理資料的研究皆必須遵守研究倫理規範。Uedu 平台僅在研究者已通過機構審查委員會（IRB）並取得受試者知情同意的前提下開放相關功能，所有資料蒐集、下載與使用皆需符合倫理審查之目的範圍。Uedu 的角色是協助研究者在合法合規的條件下進行科技補助研究，而非取代研究流程本身的倫理審查與監督。研究資料的使用、儲存、分析與分享，皆需遵循各機構的研究倫理政策。

Uedu × Garmin 的整合標誌著我們在生理資料導入多模態學習分析的一項重要前進。此功能將用於更多真實課室、多場域學習活動與跨領域展演研究之中，也將持續支撐我們在 Educational Omics 與未來學習科學上推動的研究路徑。隨著這些生理資料與語言互動資料、學習行為資料逐漸融合，跨維度的數據關聯將逐步展開，也將促成更完整的學習者觀測與數位孿生模型的研究框架。