MeetingCoach：支持有效且包容性会议的智能仪表板

文献标题

MeetingCoach: An Intelligent Dashboard for Supporting Effective & Inclusive Meetings

文献信息

• 主题领域: 人机交互、视频会议、AI驱动的会议反馈工具
• 关键词: 会议, 反馈, 团队动态, 包容性, 视频会议, 行为监控, 人工智能, 情感识别, 用户界面, 设计建议

研究背景与问题

• 发现问题与挑战:

  • 会议中存在的群体动态（如发言时间、参与度等）可能导致效率和包容性问题。
  • 2020年COVID-19大流行迫使更多采用视频会议，远程会议无法很好捕捉非语言社交信号，影响会议效果。
  • 视频会议的分散生态环境加剧了某些群体成员在会议中的边缘化。
  • 当前视频会议平台缺乏有效的后期反馈机制来提升会议效率和包容性。

• 问题的重要性:

  • 对公司而言，提高会议效率和包容性可能带来显著的经济利益并提升员工工作满意度。
  • 提供技术工具来帮助用户理解会议行为动态，是改善会议体验的重要方向。

• 研究动机与相关工作:

  • 先前研究显示平衡的团队参与、非语言信号的积极互动对团队表现有重要影响，但视频会议中难以完全复制面对面交流的动态。
  • 尽管存在一些实时反馈机制或情绪可视化系统，如EMODASH等，它们通常缺乏针对会议后期数据分析和可操作的反馈建议。

解决方案

• 提出的方法或解决方案:

  • 开发一款名为 MeetingCoach 的智能后会议反馈仪表盘，旨在通过行为与会议内容分析提供后期反馈，帮助用户理解会议动态。
  • 仪表盘结合 AI 技术提取会议特征，并展示已量化的参与、情感、问题事件、共识等信息。
  • 提供个性化的反馈体验，包括行为数据的时间可视化、可操作建议等。

• 创新之处:

  • 结合情感信号和行为信号的双模态数据分析。
  • 提供总结性和时间轴可视化的反馈，同时加入具体的可操作建议。
  • 根据用户需求，加入隐私保护设计，灵活设置数据共享权限（如将情感数据设为私密，仅对个人开放）。

• 实施步骤与关键技术:

  • 进行了两阶段设计：首先通过需求分析调查确定关键会议反馈需求，接着通过长期用户研究录制会议数据并开发仪表盘原型。
  • 使用微软 Teams 平台及定制化录制机器人捕捉音视频数据。
  • 开发多模态感知算法，包括：
    • 使用转录技术提取文本及问题事件。
    • 通过面部表情识别分类情绪并量化积极、中性及消极情绪。
    • 利用头部动作（点头和摇头）检测共识信号。
    • 提供个性化交互式仪表盘，通过 HTML 和 D3.js 构建用户界面。
  • 进行了多个设计迭代，通过访谈和问卷调查采集用户反馈以改进仪表盘。

研究成果

• 具体成果:

  • 开发了 MeetingCoach 系统原型，能够分析和呈现会议动态，并通过后期反馈改善用户对会议行为的认知。
  • 提供的反馈涵盖了参与时间、发言顺序、共识事件、情绪调制及会议问题等多模块信息。

• 与现有解决方案的优势:

  • 与传统会议记录相比，该系统更易识别群体动态并通过建议优化未来会议。
  • 比实时反馈工具更少干扰，与仅限某一模态的情绪识别方法相比，功能更综合且信息更准确。

• 实验或评估结果:

  • 系统在实验中显著提高了用户对会议效率与包容性的感知（有效性评分 M=4.45，包容性评分 M=5.23）。
  • 用户尤其认为视频和发言顺序功能非常实用，但对情绪相关功能的应用场景有所疑虑。
  • 用户普遍支持基于行为历史的可操作性建议，以及个性化仪表盘结构的隐私设置。

• 局限性与未来方向:

  • 会议记录数据来自于一家公司内部团队，外部可推广性需进一步验证。
  • 当前系统主要面向远程会议场景，未来能否支持混合型会议需要更多技术探索。
  • 多数实验参与者仅使用仪表盘一次，长期使用的影响未完全验证。
  • 未来可继续研究如何通过 AI 系统更深入理解会议语境，并开发基于长期数据的行为培训功能。

总结

MeetingCoach 提供了创新的会议后反馈仪表盘解决方案，通过行为时间轴和可操作性建议改进用户对远程会议效率和包容性的关注。未来研究应扩展此系统的适用性，同时在实践中持续优化用户体验和数据隐私保护功能。