KNOWLEDGE
首頁

應用教學

KNOWLEDGE
首頁

應用教學

從非語言交流來預測行為-Noldus

JAN 07 ,2022

文章分類:產品新知

 

Photo by Miikka Luotio on Unsplash


以下譯自Noldus' Behavioral Research Blog - Predicting behavior from non-verbal communication by JACQUELINE MARTINALI 

 

語言及非語言的交流

我們會區分涉及用語言文字交流的口頭交流和涉及用肢體語言交流的非語言交流。

後者包括面部、聲音和姿勢表達,以及觸摸、接近和凝視。 我們使用非語言交流來告知其他人我們的感受和可能的行為。

 

從非語言行為預測行為

提前知道某人將如何行動是非常有用的。 對此的一個重要線索似乎就是非語言行為。

比如說,我們玩遊戲時,可以預測他人的行為是多麼方便。 您將能夠「看到」對手的下一步行動。 當然,除非有人表現出一張厲害的撲克臉。

假設一個飛鏢玩家準備投擲飛鏢,同時臉上露出微笑。 如果他看起來脾氣暴躁,他會達到嘗試得分而不是錯過投籃嗎?

現在已經有研究來了解這個部份。

 

觀察非語言行為的差異

Philip Furley 的團隊想知道是否有可能將非語言行為的差異判定為表現好壞的函數。 為此,他們使用了thin-slices rating。

薄切片(thin-slices)描述了僅基於經驗的“薄切片”或窄窗口(narrow windows)在事件中找到模式的能力。 只需幾分之一秒,觀察者就可以用最少的信息來推斷個人或情況的狀態、特徵或細節。 研究人員沒有使用冗長的視頻剪輯,而是使用平均持續時間僅為 4 秒的簡短剪輯。 這樣,他們就抓住了第一印象。

 

使用臉部表情分析來預測飛鏢選手的表現

在這項研究中,受測者觀看了 2017 年 PDC 世界飛鏢錦標賽前兩輪的電視錄影。

篩選了每個飛鏢運動員的兩個表現類別:

  • 可能得分範圍為 103-180 的高表現類別:兩個大三分(17-20 分)和至少一個(1-20 和 25)或更好。
  • 得分範圍為 0 到 75 的低表現類別:只有一個分數或沒有分數。

所有影片片段都使用 FaceReader 進行分析。測量了Action Unit、情緒面部表情、Valence 和 Arousal 。

此外,計算了組成投擲的三個單獨飛鏢的準備時間。

每一個影片的起點都被確定為玩家在投擲手中握著要投擲的飛鏢做出明顯向上運動的第一幀(frame)。

投擲動作的結束點被定義為飛鏢離開手之前的最後一幀。投擲的所有三個表現前投擲動作都合併到一個影片片段中。

在每個影片片段之後,觀察者被要求根據飛鏢運動員的表演前非語言行為來估計投擲分數(所有三個飛鏢一起,因為這是在比賽中得分的方式)。

因此,提供了一個 180 分的數字滾動條,其中最左邊代表 0 分(可能的最差表現),最右邊代表 180 分(可能的最高表現)。

 

使用臉部表情來創造積極的印象

研究小組發現,觀察者能夠根據對準備性非語言行為的短暫一瞥,正確區分飛鏢運動員的高低表現。

此外,表演前的準備時間、中性和悲傷的表情以及 Arousal 與隨後的表現相關。 從這些線索中,可以得出專業飛鏢選手的表現。

然而,研究人員提到所有這些相關性都很小,只能解釋很小的比例。 此外,它們僅限於使用電視轉播鏡頭畫面,這可能無法顯示飛鏢玩家實際花費的所有準備時間。

如果運動員可以故意使用某些面部表情在對手或觀眾等觀察者中創造良好印象,那麼應用研究可能會很有趣。

 

 

References

 


 

未來還會持續推出不同產品知識或應用方面的文章喔!還請多多關注我們!

歡迎加入我們的社群頁面,隨時獲得最新消息!