利用可穿戴传感器量化并可视化人际同步性：以自闭症儿童和神经典型儿童为案例的研究

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：Quantification and Visualisation of Interpersonal Synchrony using Wearable Sensors: A Case Study on Autistic and Neurotypical Children

　　

摘要：

人际同步性（IS）是社交互动的关键指标，传统上通过视频数据和手动编码方法进行评估，这一过程既耗时又具有主观性。本研究提出了一种基于传感器的自动化框架，利用从可穿戴传感器收集的时间序列数据来量化和可视化人际同步性，并通过自闭症儿童与神经典型儿童在课堂环境中的互动案例进行了验证。我们评估了多种时间序列相似性度量方法，包括互相关（CC）、动态时间规整（DTW）和交叉小波分析（XWA），作为机器学习（ML）模型的特征，这些模型用于分类互动水平，其中真实标签是根据视频编码的运动协调性得出的，作为人际同步性的行为代理。结果表明，这些基于相似性的特征在使用集成分类器区分高同步性和低同步性方面优于传统的统计特征。我们进一步比较了两种识别伪同步性的方法：一种用于阈值估计的替代数据分析方法，另一种用于直接预测的监督学习方法，系统地评估了它们在方法论上的权衡，而这在以往的同步性研究中往往被忽视。所开发的可视化工具能够动态追踪互动模式，同时过滤掉伪同步性。所提出的工作流程提供了一种可扩展、客观且可复制的替代方案，弥补了现有文献中的关键空白，并支持在社会、发展和康复研究中的更广泛应用。