From Wearables to Classrooms: Assessing HRV-Based Physiological Monitoring for Learning Analytics
心率變異性(HRV)是學習分析中具潛力的生理指標,能反映認知負荷、壓力與情緒投入。 然而,多數教育場域的 HRV 研究仰賴醫療級 ECG 設備,不適合自然課堂情境。 消費級穿戴裝置(如 Garmin 智慧手錶)是否能在真實課堂中提供有效的 HRV 測量? 此外,個體間的自律神經基線差異極大,群體層級的分析是否會掩蓋個人層級的有意義模式?
本研究在大學 Python 程式設計課程中,使用 Garmin vívoactive 5 智慧手錶搭配自製 iOS 伴隨 App(UeduPAD), 透過 Garmin Health SDK 即時串流五位大學生在兩次 3 小時課堂中的逐拍間距(BBI)數據。 以 5 分鐘滑動視窗計算標準 HRV 指標(RMSSD、pNN50、lnHF、LF/HF), 並與 Garmin 專有壓力指數進行個人層級的一致性驗證。 課堂事件(靜心基線、講課、程式實作、休息)由教師手動記錄時間戳,與生理數據時間對齊分析。
消費級穿戴裝置可作為課堂中個人層級生理監測的實用工具, 但研究者與教師必須採用個人中心的分析取向,避免群體層級的聚合造成誤導。 程式實作期間能維持自律神經平衡的學生傾向有更好的學習成果, 這暗示未來可透過即時 HRV 監測,在學生壓力過高時適時介入, 實現從生理感測到教學行動的閉環回饋。
本研究的數據收集與分析建構於 Uedu 平台的 Uedu Mind(PALM 生理感知語言模型)子系統。 Uedu Mind 透過 Garmin Health Companion SDK 即時收集 BBI、壓力指數、呼吸率等生理數據, 並與課堂事件日誌時間對齊,為學習分析提供多模態的生理數據基礎。
前往使用