C-GRASP：基於臨床推理的情感訊號處理框架

教學問題

從穿戴裝置的 HRV、皮膚導電反應等生理訊號推估學習者的情感與壓力狀態， 已成為教育科技的重要方向。然而現有的情感訊號處理方法多依賴黑箱模型， 缺乏臨床醫學知識的支撐，對教師與學生而言難以信任、也難以據此做出合理的教學介入。 如何讓情感訊號的分析結果具備「臨床可解釋性」？

研究方法

本研究提出 C-GRASP（Clinically-Grounded Reasoning for Affective Signal Processing）框架， 將臨床醫學的推理結構與生理訊號處理流程結合，為情感狀態的判讀提供可追溯的依據。 框架透過結構化的臨床推理步驟，讓 AI 在分析生理訊號時， 能夠對應到醫學文獻中已驗證的生理—情感關聯機制。

研究目標

• 將臨床推理流程形式化，應用於情感訊號分析
• 提升生理訊號推論結果的可解釋性與可信度
• 為教育場域中的生理感測應用提供臨床基礎

對教學的啟示

具臨床基礎的情感訊號分析，能讓教師更放心地採用穿戴裝置數據來理解學生的學習狀態。 C-GRASP 提供的可解釋推理路徑，讓生理—情感—學習的連結不再是黑箱， 而是可供教師、學生與研究者共同檢視的透明歷程， 為 Uedu Mind（PALM）的生理感知 AI 輔導奠定臨床層面的理論基礎。