香港科技大学（广州）Rachel Franz教授招收全奖博士生

01、学校招生要求

基本申请条件

根据香港科技大学（广州）最新招生政策，申请博士项目需满足以下条件：

1. 学历要求：

·持有学士学位并有优秀表现；或

·至少有一年全日制（或两年非全日制）研究生研究经历且成绩优秀

2. 英语水平要求：

·托福网考80分（单次测试总分）

·托福pBT 550分

·托福修订纸笔考试60分（阅读、听力和写作总分）

·雅思（学术类）总成绩6.5分（各项不低于5.5分）

·若申请人母语为英语或学士/硕士阶段的授课语言为英语，可免除英语成绩要求

3. 其他材料：

·完整的申请表格

·个人陈述

·研究计划

·推荐信

·学术成绩单

·个人简历

香港科技大学（广州）为博士生提供全面的经费支持，具体包括：

1. 全额学费：博士项目学费约4万人民币/年，可获全额奖学金覆盖

2. 生活津贴：提供足够支付住宿费和其他生活费用的津贴

3. 研究经费：可申请额外研究经费和会议参与经费

4. 实习机会：有机会参与校企合作项目，获得额外收入

港科大（广州）致力于培养高水平研究人才，为博士生提供优质的学习和研究环境。学校按照"港科大一体，双校互补"的框架，实行资源共享、优势互补，在学术规范、师资水平、课程质量等方面与香港科技大学保持一致。

02、教授研究方向

Rachel Franz助理教授于2024年获得华盛顿大学信息学院博士学位，曾获苹果AI/ML学者荣誉，师从人机交互领域知名学者Jacob O. Wobbrock教授。她目前是香港科技大学（广州）计算媒体与艺术学域和物联网学域的双聘助理教授。

Franz教授的研究主要集中在以下几个方向：

1. 无障碍技术设计与评估

Franz教授致力于研究如何让先进技术更好地服务于特殊群体，主要面向：

· 残疾人群：包括感官障碍（视觉、听觉）、肢体障碍和认知障碍人士

· 数字素养较低人群：特别是老年人（65岁以上）

· 技术获取困难群体：研究如何降低技术使用门槛

2. 人工智能辅助适配研究

Franz教授探索如何利用AI技术使系统能够：

·自动适配用户偏好与能力

·个性化用户界面和交互方式

·通过机器学习理解用户需求变化

·推动主流技术普惠化应用

3. 无障碍虚拟/增强现实环境

研究重点包括：

·设计无障碍AR/VR/XR环境和交互方式

·为不同能力水平的用户定制虚拟体验

·测量不同障碍对技术使用的影响

·开发适合老年人的沉浸式交互系统

Franz教授已在人机交互和无障碍技术领域顶级会议和期刊发表多篇论文，包括ACM ASSETS、CHI、TOCHI和TACCESS等。她的研究得到了苹果公司和Meta Reality Labs的资助支持。

03、创新研究想法

基于Franz教授的研究方向，以下是几个富有潜力的创新研究计划：

1. 多模态AI辅助老年人健康监测系统

研究目标：开发一个结合语音、图像和生理信号的AI系统，帮助老年人进行日常健康监测和管理。

技术路线：

·设计低干扰的多模态传感器网络

·开发考虑认知负担的语音交互界面

·构建能自适应学习用户习惯的个性化模型

·在保护隐私的前提下实现健康数据分析和预警

创新点：将AI与人机交互设计相结合，特别关注老年人的使用习惯和认知特点，让技术真正为老年人所用，而非增加他们的负担。

2. 自适应AR导航辅助系统

研究目标：为视障人士和认知障碍老年人开发一种基于AR的导航辅助系统，提高他们在城市环境中的独立行动能力。

技术路线：

·结合计算机视觉和环境感知技术识别障碍物和路径

·根据用户能力自动调整信息呈现方式（触觉、音频、视觉增强）

·设计情景感知算法，根据环境复杂度和用户状态调整辅助程度

·建立社区协作机制，丰富无障碍地图数据

创新点：打破传统单一模态的辅助技术局限，实现多感官信息通道的智能切换，同时考虑环境因素对用户体验的影响。

3. 跨代数字素养培养平台

研究目标：构建一个促进代际互助的数字素养培养平台，利用AI技术分析和弥合不同年龄群体在技术使用上的差异。

技术路线：

·开发数字素养评估工具，精确识别用户技能差距

·设计智能引导界面，自动调整技术学习曲线

·构建社交激励机制，促进代际间互助

·应用机器学习算法预测和解决常见使用困难

创新点：将技术学习与社交互动相结合，通过AI辅助分析用户行为模式，为不同数字素养水平的用户提供个性化学习路径。

4. 情境感知智能家居无障碍系统

研究目标：研发一套能理解用户意图和能力变化的智能家居系统，为不同类型残疾人士和老年人提供无缝生活辅助。

技术路线：

·设计多模态交互界面，支持语音、手势和眼动控制

·开发能力变化感知算法，适应用户日常能力波动

·构建情境理解模型，减少明确指令需求

·设计渐进式辅助机制，保持用户独立性的同时提供必要帮助

创新点：突破当前智能家居系统对明确指令的依赖，通过深度学习理解隐含用户需求，并根据用户能力状态动态调整辅助水平。