要約
ヒューマン マシン インタラクションへの関与は、インタラクションに参加するエンティティが認識された接続を確立、維持、および終了するプロセスです。
さまざまな AI ベースのインタラクティブなヘルスケア パラダイムで、患者の関与状態を監視することが不可欠です。
これには、自閉症スペクトラム障害 (ASD) や注意欠陥多動性障害 (ADHD) などの社会的行動を変化させる病状が含まれます。
エンゲージメントは、行動、感情、および精神的な要素で構成される多面的な構成要素です。
以前の研究では、この多面的なエンゲージメントの性質を無視し、エンゲージメント レベルまたはバイナリ エンゲージメント ラベルの検出に焦点を当てていました。
このホワイト ペーパーでは、コンテキストおよびリレーショナル機能を使用してこれらのファセットを区別するシステムを紹介します。
これにより、さらに詳細な分析が容易になります。
このタスクでは、従来のモデルとディープ ラーニング モデルを含むいくつかの機械学習分類器が比較されます。
0.74 の F スコアは、ニューラル ネットワーク ベースの分類を使用した 22242 インスタンスのバランスの取れたデータセットで取得されました。
提案されたフレームワークは、エンゲージメント ファセット認識に関するさらなる研究のベースラインとして機能し、その統合は社会支援ロボット アプリケーションです。
要約(オリジナル)
Engagement in Human-Machine Interaction is the process by which entities participating in the interaction establish, maintain, and end their perceived connection. It is essential to monitor the engagement state of patients in various AI-based interactive healthcare paradigms. This includes medical conditions that alter social behavior such as Autism Spectrum Disorder (ASD) or Attention-Deficit/Hyperactivity Disorder (ADHD). Engagement is a multi-faceted construct which is composed of behavioral, emotional, and mental components. Previous research has neglected this multi-faceted nature of engagement and focused on the detection of engagement level or binary engagement label. In this paper, a system is presented to distinguish these facets using contextual and relational features. This can facilitate further fine-grained analysis. Several machine learning classifiers including traditional and deep learning models are compared for this task. An F-Score of 0.74 was obtained on a balanced dataset of 22242 instances with neural network-based classification. The proposed framework shall serve as a baseline for further research on engagement facets recognition, and its integration is socially assistive robotic applications.
arxiv情報
| 著者 | Hanan Salam |
| 発行日 | 2023-03-02 14:43:00+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google