通过自主神经系统的反应和回归算法,估计二次对话的价值和唤起

科学领域:

• 心理生理学 心理生理学
• 计算社会科学 计算社会科学
• 人与计算机的交互

背景情况:

• 自主神经系统 (ANS) 的反应提供了对人际关系动态的洞察力.
• 在社交互动中对ANS数据的传统分析依赖于群体级统计数据.
• 之前的研究仅限于在对话中对ANS反应的单次试验分类.

研究的目的:

• 利用回归算法来估计对话价值和激发从二的ANS响应.
• 探索二特异性和二非特异性回归模型来表征对话间隔.
• 为实时社会互动数据的分析提供了分类方法的替代方案.

主要方法:

• 在20分钟的对话中收集了41个二的生理数据 (心电图,EDA,呼吸,皮肤温度).
• 将对话分为2分钟的间隔,并收集自我报告和观察者评估的价值和兴奋.
• 提取单个和同步ANS特征,使用特征选择和多线性感知子进行回归分析.

主要成果:

• 使用多线性感知子的回归模型 (dyad 特定和非特定) 的表现优于基线估计器和其他回归方法 (线性回归,SVM).
• 与以中位数为基础的线性回归和支向量机器方法相比,在估计价值和唤起时取得了较低的根-平均平方误差.
• 证明了使用生理测量来描述间隔层次上的二次对话的有效性.

结论:

• 通过回归分析的生理测量可以有效地表征二元对话.
• 开发的回归算法显示出对教育和心理健康咨询等领域的现实应用的希望.
• 这种方法提供了一种通过客观生理标记来理解微妙的人际交互的新方法.