| 配分額 *注記 |
11,570千円 (直接経費: 8,900千円、間接経費: 2,670千円)
2023年度: 5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円)
2022年度: 5,720千円 (直接経費: 4,400千円、間接経費: 1,320千円)
|
|---|
| 研究実績の概要 |
25名の対人緊張症参加者（男性22名、女性3名、平均年齢22.8歳、平均IQ94.04）がアンドロイドロボットとの対話実験に参加した。参加者は、面接官役のアンドロイドとテーブルを挟んで座った。各参加者は模擬面接を受けたマルチモーダルデータ（音声、動作、視線、自記式質問票データなど）を収集し、アンドロイドロボットによる面接時に対人緊張者の状態を正しく分類するモデルを訓練した。尚,自己記入式質問紙にはThe Japanese Adult Reading Test (JART), LSAS－J（Liebowitz Social Anxiety Scale 日本語版）, 自閉症スペクトラム指数 (AQ),Sensory Profile(SP)を用いた. 我々は,マルチモーダルデータに基づき,ロボットが対人緊張者の感情を知覚することを可能にする機会学習（Machine Learning: ML）の技術的実現可能性を実証した。合計25サンプルについて, 行動測定値とアノテーションされた情動状態の特徴ベクトル893セットが得られ, これを用いて推定モデルを構築した. 使用した変数に基づくモデルの精度を評価するために, 機械学習で慣用的に使用されている5重交差検証パラダイムを採用した. 自己記入式質問紙データを活用することで, 覚醒度、快不快, エンゲージメントの推定性能が向上することがわかった. この結果は, 自己記入式質問票データの評価が, 対人緊張者がアンドロイドロボットによる面接を受ける際に, 個人の感情状態やエンゲージメントの自動推定の開発に貢献できることが明らかになった.
|
