aiedtechassessmentmetacognitionlearning design

MECO：針對老年人情緒與認知理解的多模態資料集

arXiv - Human-Computer InteractionHongbin Chen, Jie Li, Wei Wang, Siyang Song, Xiao Gu, Jianqing Li, Wentao Xiang

本研究建立了一個包含 42 名老年參與者、38 小時多模態資料（視訊、音訊、EEG、ECG）並附情緒與認知標註的 MECO 資料集，為老年人情緒與認知模型提供基礎。

AI 幫你先抓重點

AI 重點 1

同時標註情緒與 MMSE 使得可進行情緒-認知共分析，對早期 MCI 探測至關重要。

滑鼠懸停看 AI 判斷理由
此雙重標註允許研究者探討認知衰退如何影響情緒表達與生理反應，為個性化介入與預防策略提供新視角。
AI 重點 2

社區基礎、實際情境的資料收集模式為未來老年人多模態研究樹立標準。

滑鼠懸停看 AI 判斷理由
證明高品質多模態資料可在非實驗室環境中取得，為實際部署與跨領域合作提供可行的數據收集藍圖。

核心研究發現

  1. 1

    MECO 資料集包含 42 名參與者，約 38 小時多模態訊號，產生 30,592 個同步樣本，涵蓋視訊、音訊、EEG、ECG，並提供自評情緒（價值、激發、六種基本情緒）與 MMSE 認知分數。

  2. 2

    研究建立了情緒與認知預測的基線模型，證明在老年人群中多模態建模的可行性與潛在效能。

  3. 3

    資料採集於社區環境，遵循標準化協議，提升了實際情境下的生態效度，與現有以年輕健康受試者為主的資料集形成對比。

對教育工作者的啟發

教育工作者可利用 MECO 資料集開發針對長者的情緒辨識與認知評估工具，透過多模態訊號設計即時情緒回饋與認知訓練。教師可結合情緒與認知指標，調整教學節奏與內容，提升學習動機與記憶效能。研究人員亦可以此資料為基礎，建立早期 MCI 風險模型，協助醫療與教育雙向合作，實現個人化學習與健康管理。

原始文獻資訊

英文標題：
MECO: A Multimodal Dataset for Emotion and Cognitive Understanding in Older Adults
作者：
Hongbin Chen, Jie Li, Wei Wang, Siyang Song, Xiao Gu, Jianqing Li, Wentao Xiang
來源：
arXiv - Human-Computer Interaction
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

每週精選研究電子報

每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。