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）