透過社交適應的運動特徵分析自閉症，以優化以人為本的系統
arXiv - Human-Computer InteractionLara Pereira, Teresa Sousa, Miguel Castelo-Branco, Jo\~ao Ruivo Paulo
研究發現自閉症患者在社交情境下的舞蹈模仿動作一致性較高，可作為區分自閉症與典型發展者的生物標記。
AI 幫你先抓重點
AI 重點 1
動作一致性可作為評估社交敏感度的量化指標
滑鼠懸停看 AI 判斷理由
這項發現將抽象的「社交適應」轉化為可測量的「運動變異性」，為開發能感知使用者社交狀態的輔助技術提供了具體的生理數據基礎。
AI 重點 2
以人為本的系統設計需考慮神經多樣性（Neurodiversity）
滑鼠懸停看 AI 判斷理由
研究顯示自閉症者的動作模式與典型發展者有顯著差異，這提醒開發者在設計人機互動介面時，不能僅以單一標準建模，否則可能導致系統對自閉症使用者不友善。
核心研究發現
- 1
典型發展者在社交框架下的舞蹈模仿中，上下肢的動作變異性會顯著增加，展現出對社交情境的敏感度。
- 2
自閉症患者在單人與社交雙人情境下的動作表現保持高度一致，缺乏社交情境帶來的動作調節。
- 3
研究開發了「社交情境敏感度指數 (SCSI)」來量化動作變異性，並利用分類器達到 79.2% 的平衡準確率來區分兩組受試者。
對教育工作者的啟發
對於開發教育科技或輔助工具的設計者而言，此研究強調了「情境感知」的重要性。在設計針對自閉症學生的互動學習系統時，不應僅關注單一任務的完成度，而應觀察使用者在不同社交互動情境（如小組合作 vs. 個人練習）下的行為模式變化。若系統能偵測到使用者缺乏情境調節的特徵，可主動調整互動難度或提供社交提示，從而創造更具包容性且能精準支持學習需求的環境。
原始文獻資訊
- 英文標題：
- Analysis of Motor Signatures of Social Adaptation in Autism for Efficient Human-Centric Systems
- 作者：
- Lara Pereira, Teresa Sousa, Miguel Castelo-Branco, Jo\~ao Ruivo Paulo
- 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。