我说，你说，我们说：使用口语建模计算机支持的协作问题解决过程中的社会认知过程

协作问题解决是一项关键的21世纪技能；然而，当前的技术在有效支持协作问题解决过程方面存在不足，特别是对于远程的、计算机支持的交互。为了开发新一代通过监测和响应正在进行的协作来增强协作问题解决过程和结果计算机支持的协作系统，我们研究了三种关键协作问题解决过程的自动检测——共享知识的构建、协商/协调以及维持团队功能——这些过程来源于经过验证的协作问题解决框架。我们的数据包括32个三人小组，他们被要求使用商业视频会议软件协作解决一个具有挑战性的视觉计算机编程任务，持续20分钟。我们使用自动语音识别生成11,163个话语的转录本，然后训练人工标注员使用一组行为指标对上述三种协作问题解决过程的证据进行编码。我们旨在以团队独立的方式自动实现训练有素的人工评分员的编码（当前研究），以便提供自动实时或离线反馈（未来工作）。我们使用在词语本身（n元语法词袋）或词语类别（如情绪、思维模式、社会建构）上训练的随机森林分类器，这些类别来自语言Inquiry词计数（LIWC）工具。尽管自动语音识别不完美，n元语法模型在为共享知识构建、协商/协调和维持团队功能分别获得了.85、.77和.77的AUROC（接收者操作特征曲线下面积）分数；这些分别反映了比随机猜测高70%、54%和54%的改进。LIWC类别模型获得了类似的.82、.74和.73的分数（比随机猜测高64%、48%和46%）。此外，LIWC模型导出的分数与人类编码更相似地预测协作问题解决结果，显示出预测有效性。我们讨论将我们的模型嵌入协作界面中用于评估和动态干预，以改善协作问题解决结果。