多元环境中的受限生活——对自闭症大学生生活的深入观察

文献标题

Constrained Life in a Multifarious Environment - A Closer Look at the Lives of Autistic College Students

文献信息

• 主题领域: 自闭症谱系障碍(ASD)学生的高等教育生活与技术支持
• 关键词: ASD, 自闭症, 大学生, Fitbit, 移动设备, 应对压力, 睡眠模式, 社交互动, 混合研究方法

研究背景与问题

• 问题或挑战:

  • 自闭症学生在高等教育中的毕业率较低，仅为 38.8%。了解导致自闭症学生在高校中面临的困难对于提升这一群体的教育成果至关重要。
  • 现有研究更多依赖质性数据，如调查问卷与访谈，未能完整揭示自闭症大学生的独特经历。

• 为什么重要:

  • 大学是许多年轻人迈向成人社会的重要阶段，但自闭症大学生通常面临社会交往困难、压力管理不足、以及睡眠质量问题等挑战。
  • 通过采集客观数据与主观数据结合的方法，分析自闭症学生的具体特征及需求，以提高教育支持的有效性。

• 研究动机和相关工作:

  • 本文受到穿戴设备技术发展和健康行为管理研究的启发，探讨如何利用轻量化穿戴技术结合质性方法帮助自闭症大学生。
  • 参考文献表明，自闭症学生在学术压力、社交障碍、心理健康、时间管理等方面存在持续问题。
  • 现有技术应用多集中于儿童自闭症干预，针对成年群体的穿戴技术研究较少，需要探索新的领域。

解决方案

• 方法/解决方案:

  • 设计了一个混合研究，通过结合穿戴设备及移动设备进行现场量化数据采集，同时辅以前后访谈了解主观体验；
  • 在两个美国中型高校进行了为期一周的实地研究，参与者包括10位自闭症学生和10位神经典型(neurotypical)学生。

• 创新之处:

  • 首次在自然环境中利用商用穿戴设备（Fitbit）大规模采集自闭症大学生的数据；
  • 有别于传统只依赖问卷或访谈的研究，在定量数据基础上强调交互验证与动态分析。

• 实施步骤与关键技术:

  1. 参与者招募与筛选: 来自两所大学的学生，诊断明确的高功能自闭症学生，以及能够自愿参与研究的神经典型学生。
  2. 数据采集: Fitbit用于采集心率、步数与睡眠数据；智能手机上的应用程序用于地理位置和线下社交互动记录；EMA工具用于实时问卷调查。
  3. 三阶段研究设计: 前访谈了解个人背景和情绪状态 -> 一周现场数据采集 -> 后访谈验证传感器数据与深度访谈。
  4. 数据分析: 使用Python和可视化工具进行数据处理；质性数据通过多轮编码分析，定量数据用于模式验证和因素关联。

研究成果

• 具体成果:

  • 压力管理: 自闭症学生与神经典型学生的平均压力值相差不大，但自闭症学生表现出较强的压力意识与管理能力（通过严格规划避免压力源）。
  • 导航模式差异: 自闭症学生的活动范围主要集中在家与校园，目的明确，社交活动有限；神经典型学生活动范围广泛，涉及城市旅行与多种社交场所。
  • 睡眠模式: 自闭症学生每日睡眠时长更长，但快速眼动（REM）阶段明显不足，睡眠质量问题较为突出。
  • 社会活动与技术支持: 自闭症学生偏爱通过数字平台维持社交关系，积极参与网络互动类活动，但实体社交参与度较低。

• 与现有解决方案的优势:

  • 提供了基于实地数据的证据，可用于设计更有效的学生支持系统；
  • 通过结合主观与客观数据，更全面地了解自闭症大学生在学术与社会生活中面对的挑战及应对策略。

• 实验或评估结果:

  • 数据显示，自闭症学生感知压力较低，且对压力管理较为主动，但普遍面临睡眠质量问题。
  • 学术成功对自闭症学生具有非常高的优先级，但社交参与有限，多通过线上平台进行。

• 局限性与未来方向:

  • 样本数量较少（20人），且自闭症样本主要为高功能学生，可能无法全面代表整个自闭症学生群体；
  • 下阶段研究建议扩展样本数量与多样性，同时验证压力预测模型在真实场景中优化学生体验的潜力。

这项研究为自闭症群体的高等教育支持提供了宝贵的洞察，同时向设计者和教育者提供思考方向，帮助他们打造更包容的学习环境。