| 作品介紹 |
根據微軟 2015 年的調查，現代人專注於一項任務的時間從 2000 年的 12 秒 降至 2015 年的 8 秒。隨著專注力衰退，人們難以長時間保持專注，特別是學習的時候，容易受各種因素干擾出現分心行為，例如疲勞或玩手機，造成大量學習時間浪費，導致學習效果不如預期。由於學習成效往往與專注程度有密切的關係，因此分析專注表現成為衡量學習品質的重要指標，若能了解哪些分心行為影響學習專注表現，即可制定有效的改善策略，從而提升學習的品質。
傳統學習專注分析仰賴人工的方式進行，無法詳細記錄影響專注度行為的種類與持續時間，導致學習者對於自身的行為缺乏全面性認知，難以找到專注力下降原因，無法有效制定改善策略。有鑑於此，本作品運用機器學習方法取代人工 分析，開發一款學習專注度分析應用程式，可透過手機前鏡頭擷取學習畫面，辨識臉部特徵與電子產品物件，進行多種學習分心行為辨識，以自動化分析學習專注度，並提供數據化評分與圖表，具體呈現學習者專注表現狀況，協助學習者針對性地制定改善策略，提升學習成效。
目前市面上與學習專注度相關的 APP 皆採用非機器學習方法，僅基於使用者在學習期間是否切換或離開 APP 來評估專注度，但此方法無法辨識其他常見學習分心行為，例如東張西望或打瞌睡等，具有較高侷限性。相較之下，本作品 採用機器學習方法，針對使用者的行為特徵分析學習專注度，生成數據化統計報 告，不僅具有創新性，在分析上也更加全面與準確，生成的報告也更具參考價值。本系統的目的如下：
提供學習者一個便利的手機應用程式，結合深度學習與影像處理，自動化分析與紀錄學習專注表現，並生成數據化的評分與圖表供學習者參考。
在學習者出現分心行為時提供警示，提醒學習者保持專注。
提供學習任務管理功能，讓學習者可安排與追蹤學習計畫。
提供週報表與歷次學習任務查詢功能，讓學習者知道自己專注表現的變化。 |