项目方向门槛
澳门大学甘俊生明确写有“今年招收博士生”，研究位于教育测量、人工智能、心理学和研究方法的交叉处。这个方向不是把聊天机器人放进课堂就算完成，而是要用可靠的测量、统计和数据方法判断教育现象。公开页面没有给出具体名额和个人奖学金结果。
门槛通常来自三部分：理解教育或心理问题，掌握量化研究设计，能够处理真实数据。只有编程经验而不懂测量误差，容易把噪声当效果；只有教育经验而不会建模，也难以完成大规模数据分析。申请材料需要证明至少两部分已经形成基础，第三部分有明确补足计划。
研究背景与课题组
甘俊生是澳门大学教育学院副教授，并负责教学与学习分析方向的数据科学硕士项目。其公开研究领域包括教育测量、人工智能在教育与心理学中的应用，以及研究方法；博士课程涉及高级量化方法。
这类课题组的优势是问题、方法与应用能够放在一起。研究对象可能是学生成绩、问卷、学习平台行为、教师评价或纵向追踪数据。博士生不能只追求预测准确率，还要判断量表是否测到同一概念、不同群体能否公平比较、模型输出能否被学校或政策使用。
研究重心
教育测量最基础的工作，是把“学习投入”“焦虑”“自我效能”等抽象概念转成可检验的题目和指标。日常会包括文献梳理、量表设计、样本招募、数据清理、信效度分析、结构方程模型或纵向模型，以及对异常和粗心作答的处理。
人工智能部分也需要回到研究问题。模型可以帮助识别学习行为模式、预测风险或辅助评分，但必须处理偏差、可解释性和数据泄漏。一个模型在同一学校的随机切分中表现很好，换到另一年级或另一地区可能立即失效，博士生要设计外部验证和公平性检查。
失败场景常见于量表在不同群体中含义不一致，缺失数据过多，或纵向样本大量流失。此时继续换算法不会解决问题。需要重看题项、抽样和数据生成过程，说明哪些结论只能用于当前样本，哪些有条件推广。
代表论文
导师近年的研究涉及纵向网络分析、网络游戏和社交媒体行为、粗心作答识别，以及因子混合模型。对申请者最有用的信号不是期刊名称，而是这些研究反复要求处理时间顺序、测量质量、潜在类别和复杂行为数据。
阅读代表论文时，可以记录四项：研究问题如何被测量，样本怎样形成，模型为什么适用，作者怎样处理替代解释。面试中用这一框架讨论论文，比复述摘要更能说明你理解量化研究的责任。
申请准备与文书材料
CV应把数据项目写成研究链条。交代样本来源、变量、缺失比例、模型选择、验证方式和个人贡献。做过问卷时写清量表修订与信效度；做过机器学习时写清训练集与测试集如何划分、怎样防止信息泄漏。
邮件第一段可以用一个具体问题进入，例如“不同学生群体对同一量表题目的理解是否一致”，或“学习平台行为能否在跨学期数据中稳定预测风险”。第二段附上能证明方法能力的报告、代码或论文，并指出现有工作的一个限制。
文书不要只写希望用AI改善教育。要说明你想研究哪类学习者、数据从哪里来、结果会影响什么决策，以及伦理和隐私怎样处理。教育数据涉及未成年人或敏感表现时，数据最小化、匿名化和访问权限都应进入设计。
研究计划
可执行的Research Proposal可以从一个测量或预测问题开始。先提出清楚的因变量和群体，再说明量表、日志或纵向数据，预先设定主要模型、基线、稳健性检查和外部验证。研究范围控制在一套数据和一个主问题，远比“建立全场景智能教育系统”可信。
第一年计划可以分成四步：复现导师相关论文的方法，完成数据与伦理准备，做小规模预实验，最后确定主样本和分析方案。若数据尚未获得，要写替代公开数据与模拟方案，避免整个项目被单一合作学校拖住。
博士未来就业与资助
这类博士可形成的能力包括量表与评估设计、纵向与多变量分析、教育数据治理、模型验证和研究沟通。可能去向包括高校、教育研究机构、测评与考试机构、学习科技团队、公共政策分析和用户研究。公开资料没有提供该导师全部毕业生去向，因此这些是能力迁移方向，不是就业承诺。
在澳门读博还要评估数据来源与城市规模。跨校样本、粤港澳合作和线上平台可能扩大研究范围，但交通、招募和机构审批会增加时间。预算中应把住宿、往返合作点和会议差旅分开计算。
澳门大学澳门博士奖学金对获奖者提供每月MOP20,000，最长四年，并有年度差旅额度；学费会在津贴发放前抵扣，是否获奖由大学层面委员会决定。申请时必须把“导师今年招生”和“个人获得最高奖学金”分开。
最后集中确认：博士或教育博士具体名额、学位项目与导师分工、可用数据、伦理审批周期、奖学金类别、学费抵扣和完整资助期。适合继续推进的人，通常能同时接受统计细节、数据清理和教育解释，而不是只想训练一个模型。
