PALM：透過消費級穿戴裝置與大型語言模型實現可擴展的生理感知 AI 輔導

教學問題

AI 輔導系統在回應學生時，通常不考慮學生當下的生理狀態。 然而，學習成效高度依賴生理條件——睡眠不足、壓力過高或能量儲備不足都會影響認知能力。 如何讓 AI 助教在不需要學生主動說明的情況下，自動感知其生理狀態並調整回應策略？

研究方法

PALM（Physiologically-Aware Language Model）是一個三階段的自動化框架： (1) 健康數據抽象：從 Garmin 穿戴裝置、Apple HealthKit 與 Google Health Connect 收集睡眠、壓力、活動量等數據； (2) 個人基線計算：以 7 天與 30 天滾動窗口建立個人化基線，透過 Z-score 偵測偏離狀態（正常、偏高、顯著偏高）； (3) 情境建構：將生理狀態摘要自動注入 AI 助教的系統提示詞，調整語氣、回應長度、資訊密度與鷹架策略。 整個過程對學生透明，實現「隱形關懷」。

主要發現

• 高度可擴展：三階段管線完全自動化，數據收集不需臨床級設備，可部署於任何擁有消費級穿戴裝置的學習者
• 概念驗證成功：端到端管線測試顯示，AI 助教在偵測到學生睡眠不佳或壓力偏高時，能適當調整回應風格（簡化語言、增加鼓勵、降低資訊密度）
• 隱私保護設計：原始生理數據不直接傳送至 LLM，僅傳送抽象化的狀態摘要，保護學生隱私

對教學的啟示

PALM 展示了將生理感測與 AI 教育結合的可行路徑——不需要學生主動揭露自身狀態， AI 助教就能透過穿戴裝置數據自動調整互動方式。 這種「隱形關懷」模式讓每位學生都能獲得符合其當下身心狀態的個人化支持， 特別適合大規模線上學習環境中無法即時察覺學生狀態的情境。