2018年10月31日 星期三

雜記:AI評估系統之預期困難、稿件題材、科技部計畫題材

● AI 評估系統發展可能遇到的困難及需要之協助 
  •  我們已試著用現有的人體動作(粗動作、細動作)分析套件分析受試者影像,但結果精準度不高。 
  • ◆ 我們的資料應該蒐集哪些變項,以利重新訓練 (fine tuning) 模型參數 
  •  fine tuning 是否需針對每位受試者進行? 例如:每位受試者須先拍一段標準化的影片(所有受試者都一樣),作為 fine tuning 使用 
  •  fine tuning 所需的資料量應該多大才能有效提升結果? 
  •  有些我們預計分析的能力/向度,還很缺乏可以直接使用之套件。如:注意力 
  •  應用程式/平台/資料庫建立 
  •  資料上傳平台建立 
  •  AI分析模型及參數建立完成後,如何把模型/參數與要發展的評估系統整合/結合 
  •  評估結果共享/發送系統 

● 稿件題材 
  • ■ QOL預測模型(優先)
  •  以深度學習分析 IRT(已有一些論文做過可參考 
  •  C-DVT @stroke: 短版 vs. 長版之反應性比較 
  •  C-DVT @schizo: 短版 發展 (cumulative reliability) 
   ■ 博論資料 

科技部研究計畫:AI題材
  •  兒童發展年齡評估:人工智慧線上系統 (認知、動作、語言、生活自理及社會情緒,參考兒童發展評估之領域