教育組學：多模態學習分析框架
透過整合認知、生理、社交、環境、語言與倫理六大維度的數據， 全面理解學習者的學習歷程，實現個人化教育支持。
Educational Omics 借鏡生物醫學的「組學」（Omics）概念， 將學習視為一個複雜的多維度現象，需要從多個角度同時觀察與分析。
傳統的學習評估往往只關注「結果」（如考試成績）， 而忽略了學習「過程」中的豐富訊息。Educational Omics 透過多模態數據收集，捕捉學習者在認知、情感、生理等層面的變化， 提供更全面的學習分析視角。
透過整合分析，教育者可以更早發現學習困難、 識別有效的教學策略、提供個人化的學習建議。 研究者也能探索學習的深層機制，推動教育科學的發展。
每個維度都揭示學習過程的不同面向
追蹤思考歷程與認知發展，包括 AI 對話軌跡、問題解決策略、Bloom's Taxonomy 層次分析等。
監測生理狀態與神經活動，包括心率變異性（HRV）、睡眠品質、壓力指數、專注度等。
分析社會互動模式，包括討論區參與、協作學習行為、同儕互評等社交學習數據。
感測學習環境條件，包括光照強度、溫濕度、噪音程度、CO2 濃度等環境因素。
分析語言表達特徵，包括語言複雜度、語意結構、語音特徵、書寫模式等。
確保數據收集與使用的倫理規範，包括知情同意、隱私保護、AI 偏誤檢測等。