自發性對話中感知溝通成功的聲學與面部特徵研究
arXiv - Human-Computer InteractionThanushi Withanage, Elizabeth Redcay, Carol Espy-Wilson
本研究發現自發性對話中的行為同步現象（Entrainment）與感知溝通品質呈正相關。
AI 幫你先抓重點
AI 重點 1
從「任務導向」轉向「自然互動」的分析維度
滑鼠懸停看 AI 判斷理由
過去研究多集中於任務型對話，本研究將焦點轉向非任務性的自然對話與虛擬環境，這對於理解遠距教學中師生間的情感連結與互動品質至關重要。
AI 重點 2
多模態數據在評估溝通品質中的應用潛力
滑鼠懸停看 AI 判斷理由
結合聲學與面部特徵的分析方法，為開發自動化溝通輔助工具提供了科學依據，能幫助我們量化那些以往難以捉摸的「互動感」。
核心研究發現
- 1
研究證實自發性對話中存在明顯的行為同步現象，即說話者會自動調整其說話模式以與對話者保持一致。
- 2
透過分析 Zoom 視訊對話的多模態特徵，發現行為同步程度與參與者感知的對話成功率具有顯著相關性。
- 3
研究成功提取並識別出包含輪替時機、停頓、面部動作、音高及強度在內的多維度互動指標。
對教育工作者的啟發
對於教育科技開發者，可利用此研究發現開發「互動品質監測工具」，透過分析視訊教學中的音頻與面部同步率，即時回饋教師與學生間的參與度。對於遠距教學設計者，應意識到虛擬環境中的非語言同步（如面部表情與語調調整）是建立教學連結的關鍵，可透過設計更具互動性的討論環節，來促進學生間的行為同步，進而提升學習社群的凝聚力與溝通成效。
原始文獻資訊
- 英文標題：
- Acoustic and Facial Markers of Perceived Conversational Success in Spontaneous Speech
- 作者：
- Thanushi Withanage, Elizabeth Redcay, Carol Espy-Wilson
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。