在神经多样性团队中探索协作模式:使用生理信号的隐藏马尔科夫模型方法.
Sunwook Kim1, Manhua Wang1, Megan Fok2
1Department of Department of Industrial and Systems Engineering, Virginia Tech, Blacksburg, VA, USA.
概括
这项研究使用了心率数据和隐藏马尔科夫模型 (HMMs) 来分析神经多样性团队的协作. 研究结果表明,自闭症-非自闭症和非自闭症对之间的互动模式存在差异,为工作场所支持策略提供了信息.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 组织心理学 组织心理学
背景情况:
- 自闭症患者经常遇到就业障碍,需要定制的工作场所支持.
- 了解神经多样性的团队动态对于包容性工作环境至关重要.
研究的目的:
- 调查与自闭症和非自闭症个人的模拟远程工作环境中的协作动态.
- 将隐藏的马尔科夫模型 (HMM) 应用于生理数据,以分析团队互动.
主要方法:
- 心率数据从6个非自闭症 (NA-NA) 和3个自闭症-非自闭症 (ASD-NA) 双组中的18名参与者中收集.
- Dyads远程执行了一个协作编程任务,角色交替.
- 隐藏的马尔科夫模型 (HMM) 与生理数据相匹配,以识别不同的相互作用状态和过渡模式.
主要成果:
- HMM分析揭示了七个隐藏状态,二类型之间的过渡概率不同.
- 非自闭症 (NA-NA) 二合体比自闭症-非自闭症 (ASD-NA) 二合体更频繁地表现出状态过渡.
- 这表明,与混合神经型对相比,非自闭症对的相互作用模式可能更为多样化.
结论:
- 隐藏的马尔科夫模型 (HMMs) 使用生理信号有效捕捉协作行为.
- 这些发现提供了对神经多样性团队互动的见解,有助于制定有针对性的支持策略.
- 这项研究强调了生物信号分析在促进包容性和有效的工作场所方面的潜力.


