← 最新论文
🤖 AI

GroupAffect-4: A Multimodal Dataset of Four-Person Collaborative Interaction

本文介绍了 GroupAffect-4,这是一个包含 40 名参与者(分为 10 个四人小组)执行多样化协作任务的多模态综合数据集,该数据集整合了同步的生理、眼动、音频和自报告数据,以支持对个体、人际及群体层面的情感进行分析。

原作者: Meisam Jamshidi Seikavandi, Alice Modica, Anna Obara, Shan Ahmed Shaffi, Fabricio Batista Narcizo, Tanya Ignatenko, Ted Vucurevich, Karim Haddad, Daniel Barratt, Daniel Overholt, Jesper Bunsow Boldt
发布于 2026-05-20
📖 1 分钟阅读☕ 轻松阅读

原作者: Meisam Jamshidi Seikavandi, Alice Modica, Anna Obara, Shan Ahmed Shaffi, Fabricio Batista Narcizo, Tanya Ignatenko, Ted Vucurevich, Karim Haddad, Daniel Barratt, Daniel Overholt, Jesper Bunsow Boldt, Paolo Burelli, Andrew Burke Dittberner

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象一下,试图理解一群朋友共同解决谜题的情景。通常,研究人员可能只倾听他们的声音,或只观察他们的面部表情,或者仅仅在事后询问他们的感受。但若要真正理解“团队氛围”,你需要同时看到所有正在发生的一切:他们的心率、视线落点、所说的话语以及感受,并且所有这些都要精确同步到同一秒。

这正是GroupAffect-4论文所引入的内容。它是一部关于人类团队协作的全新、高度细致的“电影”,只不过它使用的不是电影摄影机,而是一套高科技传感器。

以下是他们所做的工作及发现,使用简单的类比进行分解:

1. 设置:为团队配备的“传感器套装”

研究人员召集了40 人,将他们分成10 个四人小组。他们并没有只是让这些人坐在房间里,而是给每个人都配备了一套“数字侦探工具包”:

  • 腕部传感器:像智能手表一样,这些传感器追踪心率、皮肤出汗情况(显示压力)以及体温。
  • 智能眼镜:追踪每个人确切在看哪里,以及瞳孔大小的变化(这是精神努力程度的标志)。
  • 领夹式麦克风:每个人胸前佩戴的小型麦克风,用于精确捕捉谁在说话以及何时说话。
  • 平板电脑:在任务过程中弹出问题,询问“你现在的压力有多大?”或“你感觉有多快乐?”

2. 情节:四种不同的互动“章节”

这些小组不仅仅是聊天;他们玩了四种旨在引发不同情绪的具体游戏:

  • 谜团(信息汇集):每个人都掌握着关于一个虚构求职者不同的线索。他们必须分享各自的秘密以找到正确答案。
  • 谈判:他们必须策划一场研讨会,但每个人都有秘密议程(例如:“我必须选择人工智能主题”)。这制造了紧张和辩论。
  • 头脑风暴:他们必须为派对提出创意想法。这是“有趣”的部分。
  • 信任游戏:他们必须决定将自己的多少“钱”(代币)投入公共资金池。这测试了合作与贪婪。

3. 重大发现:数据实际上说明了什么

研究人员尝试仅通过查看传感器数据,利用计算机来预测正在发生的情况。以下是行之有效和无效的部分:

  • “插话”信号:判断一个小组是否处于精神压力之下(例如在谈判期间)的最佳方式,并非他们的心率,而是谁打断了谁。当人们更多地互相打断时,计算机就知道该小组处于压力之中。这就像听到晚餐准备期间混乱的厨房与平静的厨房之间的区别。
  • 眼睛讲述不同的故事:虽然说话模式显示了压力,但瞳孔(眼睛)更能显示某人的投入程度。
  • “心率”的局限:令人惊讶的是,腕部传感器(心率)并不擅长猜测某人是否快乐或愤怒。它们太“嘈杂”了,与人们所说的感受并不完全吻合。
  • “性格”谜题:研究人员试图仅通过观察人们工作来猜测他们的性格特征(例如“你是内向还是外向?”)。他们失败了。数据不够清晰,无法做到这一点。这就像试图仅通过观察某人点咖啡的 10 分钟来猜测他们整个人生故事一样。
  • “群体”之谜:他们试图根据各部分的总和来预测整个群体的行为。计算机在这方面也出错了。一个群体不仅仅是四个个体的总和;“群体动态”是一场复杂的舞蹈,而当前的数据无法完全捕捉到这一点。

4. 为什么这很重要(根据论文所述)

该论文声称,该数据集之所以特殊,是因为它是密集的,而不仅仅是庞大的。

  • 旧数据集:就像一张模糊的照片,你可以看到人,但看不清他们的表情。
  • GroupAffect-4:就像一部 4K 慢动作视频,你可以看到他们额头上的汗水、瞳孔的放大,听到他们声音的确切语调,所有这些都完美同步。

5. 重要警告(论文说明的内容)

作者非常谨慎地说明了这些数据适用于什么:

  • 不是医疗工具:你不能用它来诊断心理健康问题。
  • 不是招聘工具:你不能用它来决定雇佣或解雇谁。
  • 不是间谍工具:数据受到保护,因此没有人可以尝试识别具体的人员身份(尽管出于此原因,语音数据被保持私密)。
  • 不是水晶球:由于小组规模很小(仅 10 个小组),结果只是一个“可行性检查”。它证明了概念是可行的,但这并不意味着我们目前能在每种情况下完美预测人类行为。

简而言之:GroupAffect-4 是四个人协同工作的高清、多感官记录。它向我们表明,谁打断了谁是判断团队压力程度的重要线索,但预测性格或复杂的群体动态仍然是一个极其困难的谜题,该数据集帮助我们开始解决它,但尚未完成。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →