國立臺南大學電子歷程
校務系統(選課系統)帳號：密碼： 顯示密碼 驗證碼：
113級臺南大學資工系畢業專題發表_智慧系統創新設計組
112(1)參加校內外各項競賽及發表-學習心得分享(高教公共性)>113級臺南大學資工系畢業專題發表_智慧系統創新設計組
發佈日期：2023-12-19
張栩荣
理工學院
資訊工程學系
自今年初，我張栩荣本人大三下學期，展開了一場挑戰心智和技術極限的旅程——參與資工系畢業專題發表競賽。這場競賽，不僅是對我在臺南大學多年學習的總結，更是將所學知識實際應用的機會。一路走來，經歷了無數的討論、改進、挑戰，終於在12月16號，將心血結晶呈現給了評審和觀眾。
我參與的是智慧系統創新設計組，這代表我的專題不僅需要技術深度，更需要將這些技術融入實際生活中，解決實際問題。我決定深入探討「BCI腦波帽應用於台語學習中的情緒分析」。這個選擇充滿創新，需要結合腦機介面（BCI）技術、台語學習情境，並專注於情緒分析。
從專題選擇到設計，花費了大量時間進行相關文獻研究、硏究BCI技術在語言學習中的應用，以及探討台語學習者在不同情緒狀態下的反應。透過整合這些資訊，將建構深度神經網路模型，用以分析學習者的情緒狀態，並進一步評估這些情緒與學習成效之間的相互關係。
研究目的在於提供一個基於客觀生理資訊的情緒分析工具，以改進台語教學的個性化和效果。這項研究的成果有望推動語言教學方法的創新，提升學習者的學習體驗，同時為台灣文化和語言的保護與發展作出貢獻。
下列是我統整出這個專題總共使用的具體工具和技術:
1.腦機介面工具： 我使用了BCI腦波帽作為主要的腦機介面工具。這種裝置可以實時地收集使用者的腦電波訊號，提供了高質量的生理資料，有助於我深入了解在使用台語時的腦部活動。
2/資料預處理工具： 在腦波資料收集之後，我使用了相應的資料預處理工具，這可能包括信號處理函式庫、數據標準化技術，以及去噪方法，以確保資料是可靠且適合進行後續分析的。
3.深度學習框架： 為了實現對腦波資料的情緒分析，我使用了深度學習框架，例如 TensorFlow 或 PyTorch。這些框架提供了各種強大的工具，包括建立深度神經網路模型、模型訓練、優化和評估等功能。
4.情緒分析工具： 我使用了情緒分析相關的函式庫，以解釋腦波資料中的情緒信息。這包括將腦波模式與情緒狀態相關聯的方法，以及在模型中嵌入情緒分類的技術。
我在這個專案中的主要貢獻包括：
研究設計與問題定義： 我負責了整個研究的設計階段，明確了專題的研究問題，確定了使用BCI腦波帽進行情緒資料收集的方法，以及設計了情緒分析的實驗流程。
技術實現： 開發和實現整個專案的技術架構。這包括整合BCI腦波帽的資料收集，使用相應的軟體工具進行腦波資料的預處理，並應用深度學習模型進行情緒分析。我們確保技術的可行性和有效性。
資料分析與解釋： 我進行了對腦波資料的深入分析，包括了解不同情緒狀態在腦波模式上的差異。我們利用統計方法和深度學習模型的結果，解釋和詮釋使用者在使用台語時的情緒響應。
儘管整個過程非常漫長且非常辛苦，要一直往返於臺南大學榮譽校區，但最終還是順利地完成了!