开发一种人工智能驱动的多式联络方法来可视化弹性团队的表现:在模拟的紧急场景中,与目光和语音的共同注意力接触

科学领域:

• 医疗教育和培训 医疗教育和培训
• 人与计算机的互动.
• 医疗保健中的人工智能

背景情况:

• 医疗保健团队的有效表现对于患者安全和护理质量至关重要.
• 衡量团队绩效是复杂的,需要先进的方法.
• 这项研究探讨了人工智能驱动的多式联络分析的目光和语音,以评估医疗团队的动态.

研究的目的:

• 提出和评估一种人工智能驱动的多式联络方法,用于在医疗团队中可视化联合视觉注意力和语音.
• 检查医疗专业知识如何影响团队互动模式.
• 为了比较不同文化背景 (日本和英国) 的目光和语音动态.

主要方法:

• 使用眼睛追踪技术和一个自动注释注释程序.
• 记录了四次模拟会议 (日本两次,英国两次) 与经验丰富和经验不足的临床医生护士对.
• 分析了15秒间隔的联合注意力和言语的发生和持续时间.

主要成果:

• 经验丰富的团队与经验较少的团队相比,表现出明显更频繁和更长的联合视觉注意力和语言.
• 日本经验丰富的团队显示,联合注意力和言语持续时间 (调节性注意力参与) 之间存在正相关性.
• 英国经验丰富的团队表现出负相关性 (共同影响的注意力参与),专注于沟通期间的相互监控.

结论:

• 由人工智能驱动的多式联络方法提供了对有效团队绩效要素的初步见解.
• 虽然自动注释准确性需要改进,以便直接应用到医学培训中,但这种方法是有希望的.
• 观察到的注意力参与的差异突出了专业知识和背景对团队动态的影响.