En gemensam forskargrupp från University of Cambridge och Dartmouth College har utvecklat ett system för att använda infraröda ljustaggar för att övervaka interaktioner ansikte mot ansikte. Tekniken kan leda till en mer exakt förståelse av hur individer interagerar i sociala miljöer och kan öka effektiviteten i kommunikationscoaching.
Systemet, utnämnd gradskiva av Cambridge-Dartmouth-teamet, använder osynligt ljus för att registrera hur människor använder kroppsspråk genom att mäta kroppsvinklar och avstånd mellan individer.
Tidigare studier har visat att kroppsspråk kan påverka många aspekter av vardagen inklusive jobbintervjuer, läkare-patientsamtal och teamprojekt. Varje inställning inkluderar en specifik uppsättning interaktionsdetaljer som ögonkontakt och handgester för vilka en noggrann övervakning av avstånd och relativ orientering är avgörande.
"Förmågan att använda osynligt ljus för att bestämma någons roll och attityd i sociala miljöer har kraftfulla konsekvenser för individer och organisationer som är oroade över hur de kommunicerar, sa Cecilia Mascolo, professor i mobila system vid University of Cambridge.
Kroppsspråk studeras redan ofta genom videosessioner, ljudinspelningar och pappersenkäter. Jämfört med den nya, ljusbaserat system, dessa tillvägagångssätt kan kräva invasiva kameror, kräver komplex infrastrukturstöd, och lägga höga bördor på användarna.
"Vårt system är en viktig avvikelse från befintliga metoder, sa Xia Zhou, biträdande professor i datavetenskap vid Dartmouth. "Förmågan att känna av både kroppsavstånd och relativ vinkel med fin noggrannhet med enbart infrarött ljus erbjuder enorma fördelar och kan fördjupa förståelsen för hur kroppsspråk spelar en roll i sociala interaktioner."
Gradskiva är en lätt, bärbar etikett som liknar ett åtkomstbricka som bärs med en rem eller klämma. Enheten mäter icke-verbalt beteende med fin granularitet genom att använda nära-infrarött ljus från fotodioder. Ljustekniken fungerar vid en våglängd som vanligtvis används i TV-fjärrkontroller.
Innan du börjar använda infrarött ljus för enheten, forskargruppen övervägde också ultraljud och radiofrekvens. Förutom den övergripande noggrannheten, infrarött var gynnsamt eftersom ljus inte kan penetrera människokroppar, säkerställer den exakta avkänningen av öga mot öga interaktion. Nära infrarött ljus är också omärkligt för mänskliga ögon och håller avkänningen diskret.
Även om det lämpar sig väl för att mäta kroppsspråk, forskargruppen behövde korrigera för när en användares hand eller kläder tillfälligt kunde blockera ljuskanalen. De gjorde det genom att designa algoritmer som utnyttjar tröghetssensorer för att kringgå frånvaron av ljusspårningsresultat.
För att bevisa systemet, Forskarna var också tvungna att ta fram ett sätt för sensorerna att exakt identifiera deltagare och begränsa strömförbrukningen.
"Genom att modulera ljuset från varje Protractor-tagg för att koda tagg-ID, varje tagg kan sedan ta reda på vilka individer som deltar. För att öka energieffektiviteten, vi anpassar också frekvensen för att sända ut ljussignaler baserat på det specifika sammanhanget, sa Zhao Tian, en doktorand vid Dartmouth som arbetade i forskargruppen.
För att studera teknikens effektivitet, teamet använde Protractor-taggarna för att spåra icke-verbala beteenden under en problemlösande gruppuppgift som kallas "The Marshmallow Challenge". I denna uppgift, lag om fyra medlemmar fick 18 minuter på sig att bygga en struktur som kunde stödja en marshmallow med hjälp av tejp, snöre och en näve spagetti.
"Förutom att bara observera kroppsspråket med taggarna, vi identifierade uppgiftsrollen varje gruppmedlem utförde och avgränsade varje steg i byggprocessen genom de registrerade kroppsvinkel- och avståndsmätningarna, sa Alessandro Montanari, en forskare vid University of Cambridge.
I studien av 64 deltagare, Gradskivan uppnådde 1- till 2-tums medelfel vid uppskattning av interaktionsavstånd och mindre än 6 graders fel 95 procent av tiden för att mäta relativ kroppsorientering. Systemet gjorde det också möjligt för forskare att bedöma en individs uppgiftsroll inom utmaningen med nära 85 procents noggrannhet samtidigt som de identifierade stadier i byggprocessen med över 93 procents noggrannhet.
Enligt forskargruppen, systemet kommer inte bara att stödja social forskning, men det kan också potentiellt ge feedback i realtid under intervjuer och andra interaktioner. Utbildare, handledare och teamfacilitatorer kan använda dessa resultat för att bättre förstå teamdynamiken och ingripa under intensiva problemfokuserade diskussioner för att uppnå högre kreativitet.
Gradskiva kan också hjälpa till att studera kulturens inverkan på kroppsspråket i ljuset av forskning som visar att kulturell bakgrund kan påverka hur människor tänker, känna, och agera samtidigt som du arbetar med andra – en viktig egenskap på dagens starkt internationaliserade arbetsplatser.
