通过多维神经递归分析捕捉人机团队中信任与团队过程的动态变化

随着协作技术从支持工具演进为交互式队友，理解人机团队中的信任和团队过程如何发展变得越来越重要。为了有效贡献，这些系统必须能够支持人类队友完成任务而不破坏成功协作所依据的人际状态和团队过程。为分解监测人机协作中多个行为体的复杂性，需要识别可解释的、可推广的指标来监测有效协作的人际和团队层面的过程。本研究通过功能近红外光谱技术同时测量人机团队中两个个体在复杂生态有效协作任务中的脑活动，旨在识别基于认知和情感的信任量化和以及协调、策略制定和情感管理等团队过程的定量标记。研究提出了递归量化分析的两种多维扩展，这是一种基于动力系统理论的非线性方法，用于量化多时间尺度上三个皮质区域的血流动力学中反映的人际耦合和团队层面规律性。混合效应回归分析揭示，个体之间的神经递归独特地反映了自我报告信任的变化，而团队层面神经规律性与自我报告团队过程呈负相关。此外，研究表明递归指标捕捉到了与现有理论一致的情感基础信任的时间动态，展示了这些指标在解开复杂团队状态和过程中的可解释性和特异性。本研究提出了一种新颖、可解释且计算高效的无模型方法，能够在复杂的自然任务环境中区分潜在信任和团队过程，并讨论了该技术用于持续监测团队状态的潜在应用，为未来自适应人机协作系统的发展提供明确目标。