後續AI分析/稿件撰寫目標/科技部計畫準備方向

AI分析方向

（優先）發展SIS之AI短版分析

賣點：AI短版 & 輸出8向度分數
進度：挑選最佳DNN架構 [層數與神經元數] & 彙整結果

（可能題材）發展CESD之AI短版分析

賣點：AI短版 & 預測作答20題之分數
進度：挑選最佳DNN架構 [層數與神經元數] & 彙整結果
註：雖然以DNN預測憂鬱症（後測CESD ≥ 16分）之效能未優於傳統ROC方法，但單就縮短題數而言，其表現仍可觀（僅3*64之模型，作答7題之R2可達0.86）。

（可能題材）最佳化華人臉部情緒辨識API之正確率

賣點：應用於華人臉譜之情緒辨識AI
進度：遭遇瓶頸（以外國資料庫訓練，於華人正確率不佳；以華人專業表演者資料庫訓練，則類化效能不佳）。為克服前述問題，擬加強資料前置處理，以加強辨識正確率與可類化性。具體而言，將使用之技術包含：(1) 資料增加技術 (data augmentation) 增加照片變異性；(2) 使用五官譜標進行情緒辨識（註：之前用原圖）。

（可能題材）以CAFE資料庫發展/驗證兒童情緒辨識之AI系統

賣點：(1) 過去無專門用以辨識兒童情緒辨識之AI；(2) 可比較以AI對成人與兒童情緒辨識之效能。
應用：(1) 可發展兒童表情辨識之AI系統，用於目前AI計畫之情緒分析；(2) 可驗證成人臉部情緒辨識系統於兒童情緒辨識之效能。
進度：無，需於取得CAFE資料後才能進行
註：若不使用CAFE資料庫，則尋找其他資料，或從現有影片中擷取臉部資訊，並請專家標記標準答案。

（可能題材）發展AI為基礎之臉部情緒辨識篩檢器以區分思覺失調症與健康成人

賣點：以DNN技術，強化區辯之效能。
成果：正確率優於傳統ROC（ROC之敏感性與特異性約為0.70；AI方式則達0.80）
進度：挑選最佳DNN架構 [層數與神經元數] & 彙整結果
可能延伸題材：加入AI短版技術，以縮短施測題數（目前為168題全測之數據）

---

未來稿件方向（2020/8/10更新）

Development of an artificial intelligence-based short-form of the Stroke Impact Scale.

狀態/進度：資料分析中。

Sensitivity and specificity of the Theory of Mind Inventory-2 in classifying typically developing children and children with autism.

狀態/進度：文獻回顧，以評估是否撰寫此稿件。

Development of a computerized test assessing understanding of implied meaning in patients with schizophrenia.

狀態/進度：於schizophrenia research審查中。

Factorial Validity of the Theory of Mind Inventory-2 in Typically Developing Children at Preschool Age.

狀態/進度：於Assessment審查中。

Factorial Validity of a Theory of Mind Test Assessing Real-Life Performances in Children from Preschool to Preteen.

狀態/進度：於Research in Autism Spectrum Disorders審查中。

---

科技部計畫題材

（撰寫）發展多向度情緒辨識電腦適性測驗

排序：優先
簡述：結合純表情、純聲調，以及表情結合聲調之刺激物，以完整評估受試者之情緒辨識能力。

（撰寫）發展歸因型態電腦適性測驗

排序：次之
簡述：有鑑於社會認知領域中，歸因型態向度僅有單一工具可用，且其心理計量特性不佳，具大幅改善之潛力。

（修改）發展情緒管理電腦適性測驗

排序：次之
簡述：去年已完成之計畫，將依據目前進展做論述之調整/修改。

（可能題材）發展多向度心智理論電腦適性測驗

排序：評估中
簡述：現有工具大多著評估特定向度（認知或情感）、特定階段（初階推理、次階推理或進階推理）之能力，若能區隔「認知」與「情感」向度，且各向度有足夠之難度區隔（涵蓋初階推理、次階推理，以及進階推理能力），應能克服現有工具之限制。

其他

留言