如何在协作解谜任务中对协作进行分类？虚拟现实环境下使用多模态数据验证协作画像

在高风险协作情境中，协作质量的下降可能导致具有重大后果的不良事件。人因（HF）专家进行的分析虽然能够有效识别和解决协作问题，但往往是针对特定案例的，且大多数情况下是事后进行的。为了解决这些局限性，我们的研究专注于使用在活动期间收集和分析的多模态信号对协作过程进行实时评估。现有的协作画像分类法存在局限性，如事后画像检测和缺乏可在活动期间测量的定量行为指标。我们利用虚拟现实（VR）开发了一个在受控环境中评估协作的框架，测试了多模态信号子集检测协作画像的有效性。我们在一项包括11个典型协作场景的VR解谜任务研究中测试了我们的方法。这项研究揭示了我们方法在区分非协作和高度协作画像方面的有效性。然而，在区分紧密相关的协作画像方面存在挑战。本文还就如何改进协作画像检测框架和处理其他协作情况提出了一些指导方针。