UeduGPTs
Jupyters
說明 Uedu 平台學習特質探索工具包（Profiling Toolkit）所使用的三大開源心理量表：Holland RIASEC、IPIP Big Five、OEJTS，及其計分演算法。
Uedu 的學習特質探索工具包（Profiling Toolkit）讓學生透過三份開源心理量表了解自身特質，包含職業興趣、人格特質與認知風格。所有量表皆來自公開的學術資源，學生可重複作答，歷次結果皆保留。
此功能定位為學生自我探索工具，無教師端評分或排名功能。量表結果可作為研究數據，探討學習特質與學習行為、成效的關聯。
| 量表 | 來源 | 題數 | 量尺 | 維度 | 結果格式 | 作答時間 |
|---|---|---|---|---|---|---|
| Holland RIASEC | IIP RIASEC Markers | 48 題 | 5 點 Likert | R / I / A / S / E / C | 前 3 高代碼（如 RIA） | 約 8 分鐘 |
| IPIP Big Five | IPIP 50-Item | 50 題 | 5 點 Likert | EX / AG / CO / ES / OP | 五維度百分比（無單一代碼） | 約 10 分鐘 |
| OEJTS | Open Extended Jungian Type Scales | 32 題 | 5 點 Likert | E-I / S-N / F-T / J-P | 4 字母類型代碼（如 ENFJ） | 約 5 分鐘 |
三份量表皆來自 IPIP（International Personality Item Pool）或相容的開源項目，題目文本為公開資源（public domain），Uedu 提供中英雙語版本。
Holland 職業興趣理論（Holland, 1997）將個人的職業興趣分為六大類型。本量表使用 IIP RIASEC Markers（Armstrong et al., 2008），48 題，每維度 8 題。
| 代碼 | 維度 | 描述 |
|---|---|---|
| R | Realistic（實際型） | 喜歡動手操作、使用工具與機械 |
| I | Investigative（研究型） | 喜歡觀察、分析、探究問題 |
| A | Artistic（藝術型） | 喜歡創造性表達、不受拘束 |
| S | Social（社會型） | 喜歡助人、教導、提供服務 |
| E | Enterprising（企業型） | 喜歡領導、說服、管理 |
| C | Conventional（傳統型） | 喜歡有組織、規則的工作 |
percentage = (raw_score - 8) / 32 × 100五大人格特質模型（Costa & McCrae, 1992）是人格心理學最廣泛使用的框架。本量表使用 IPIP 50-Item（Goldberg, 1992），50 題，每維度 10 題。
| 代碼 | 維度 | 描述 |
|---|---|---|
| EX | Extraversion（外向性） | 活潑、善於社交、充滿活力 |
| AG | Agreeableness（親和性） | 友善、合作、信任他人 |
| CO | Conscientiousness（盡責性） | 有條理、自律、追求成就 |
| ES | Emotional Stability（情緒穩定性） | 冷靜、不易焦慮、情緒穩定 |
| OP | Openness（開放性） | 好奇、富想像力、欣賞藝術 |
is_reverse_scored = 1），計分時以 6 - value 轉換percentage = (raw_score - 10) / 40 × 100Jung 心理類型理論的操作化量表。本量表使用 Open Extended Jungian Type Scales（OEJTS），32 題，每維度 8 題。與商業版 MBTI 量表不同，OEJTS 為開源公開版本。
| 維度 | 低分端 | 高分端 | 描述 |
|---|---|---|---|
| E-I | E（Extraversion） | I（Introversion） | 能量來源：外在互動 vs. 內在反思 |
| S-N | S（Sensing） | N（Intuition） | 資訊接收：具體感官 vs. 直覺模式 |
| F-T | F（Feeling） | T（Thinking） | 決策方式：情感價值 vs. 邏輯分析 |
| J-P | J（Judging） | P（Perceiving） | 生活態度：計畫有序 vs. 彈性開放 |
percentage = (raw_score - 8) / 32 × 100量表相關數據儲存於以下 7 張資料表：
| 資料表 | 說明 |
|---|---|
profiling_scales | 3 份量表的元數據（名稱、題數、Likert 點數） |
profiling_dimensions | 15 個維度定義（6 + 5 + 4） |
profiling_items | 130 道題目（中英文、反向計分標記） |
profiling_sessions | 每次作答 session（UUID、開始/結束時間） |
profiling_responses | 逐題回答紀錄（item_id, response_value） |
profiling_results | 每維度的計算結果（raw_score, percentage） |
profiling_summary | 整體摘要代碼（如 RIA、ENFJ） |
學生每次作答都會建立新的 session，歷次結果全部保留，不會覆蓋。
學習者特質透過 Uedu 平台的 Profiling Toolkit 收集，包含三份開源心理量表：(1) IIP RIASEC Markers（Armstrong et al., 2008；48 題 5 點 Likert，R/I/A/S/E/C 六維度），(2) IPIP Big Five 50-Item（Goldberg, 1992；50 題 5 點 Likert，含反向計分題，EX/AG/CO/ES/OP 五維度），(3) Open Extended Jungian Type Scales（OEJTS；32 題 5 點 Likert，E-I/S-N/F-T/J-P 四維度）。各維度原始分數轉換為百分比分數；RIASEC 取前三高維度組成摘要代碼，OEJTS 依中點 24 分判定四字母類型代碼，Big Five 呈現五維度獨立分數。所有量表皆為自填式，學生可重複作答，歷次結果皆保留。詳細方法論說明見 https://uedu.tw/doc/profiling。