Starrypia:基于综合疗法的AR游戏化音乐辅助治疗应用

AR 导航与情境感知严肃游戏与功能游戏STEM 教育与科学传播特殊教育技术语言治疗师与听觉学家特殊教育教师儿童教育工作者

文献标题

Starrypia: An AR Gamified Music Adjuvant Treatment Application for Children with Autism Based on Combined Therapy

文献信息

  • 主题领域: 自闭症儿童的辅助治疗,结合增强现实(AR)、音乐疗法和深度学习技术
  • 关键词: 自闭症儿童, 增强现实, 严肃游戏, 深度学习, 行为干预, 音乐疗法

研究背景与问题

  • 发现的问题或挑战:

    • 自闭症特征包括有限的语言交流、异常的社会互动、以及固执的行为模式,现有的治疗方法(如应用行为分析 ABA、音乐疗法和感统训练)存在单一化、吸引力不足、以及疗效受限等问题。
    • 高昂的治疗费用、不平衡的医疗资源分布(例如中国300-500万自闭症儿童,仅有2000余家康复机构)限制了自闭症儿童的治疗可及性。
    • 音乐疗法中缺乏针对性的音乐数据库和创新型多模态交互场景设计,特别是未充分结合以儿童兴趣和能力为中心的技术。
  • 重要性:

    • 自闭症在儿童期的及时诊断和干预对改善生活质量具有重大意义。
    • 需要一个低成本、高效以及吸引力强的数字化治疗方法,覆盖广泛、受限较小。
  • 研究动机:

    • 将AR技术、多模态交互游戏与音乐疗法的优势相结合,开发一种有效的自闭症干预工具,既能缓解症状,又能兼顾儿童兴趣和参与度。

解决方案

  • 提出的方法或解决方案:

    • 开发了一款基于ABA行为理论框架的增强现实(AR)游戏化音乐辅助治疗应用“Starrypia”,其创新地结合了ABA、音乐疗法和感统训练,意在提供轻量、高吸引力且具疗效的数字化治疗工具。
    • 深度学习(BiLSTM模型)用于生成符合自闭症干预需求的音乐片段,同时改进疗法资源匮乏的问题。
  • 创新之处:

    • 首次整合ABA行为理论、音乐疗法及感统训练于单应用中,将行为干预融入游戏设计流程。
    • 首次运用深度学习生成用于自闭症音乐疗法的自定义音乐。
    • 实现多模态交互体验,例如3D视觉场景、触控互动及音乐生成,以扩大儿童的参与度和治疗效果。
  • 实施步骤与技术细节:

    1. UI设计: 符合自闭症儿童的心理特点,采用最受喜爱的蓝色为主色调,简化界面并使用直观的卡通角色。
    2. 操作流程与关卡设计:
      • 遵循ABA核心理念:刺激、反应、强化及暂停,设计相关游戏关卡。
      • 将音乐疗法分为接收、即兴和再创作,通过多感官刺激(视觉、听觉、触觉)进行干预。
      • 使用特定评分机制(如表现性评分、使用时间)对操作效果进行评价。
    3. 音乐生成:
      • 基于MIDI数据集(包括Nottingham数据库及100首儿童歌曲)和BiLSTM模型生成新的和谐音乐。
      • 编排主旋律、和弦及装饰音并输出为可播放音乐文件。
    4. 评估模块:
      • 使用“音乐日记”和“评估模块”记录儿童的表现并提供反馈。
    5. 实验验证:
      • 针对20名自闭症儿童的为期4周对照实验。

研究成果

  • 具体成果:

    • “Starrypia”有效提升了儿童的感官能力、语言交流和自助能力,特别是在感官能力上的改善最为显著。
    • BiLSTM生成的音乐在风格和流畅性上与原始音乐高度一致,具有较高的治疗潜质。
    • 场景设计和界面吸引力得到验证,大部分儿童展现出明显兴趣,高参与度得到保证。
  • 与现有解决方案的优势:

    • 通过创新融合传统干预方法,不仅提升了治疗效果,还极大地提高了儿童的使用体验。
    • 使用AR技术和深度学习以拓展传统治疗的空间与时间限制。
    • 治疗费用轻量化使更多家庭受益。
  • 实验或评估结果:

    • 平均ABC得分下降3分(治疗组),优于未接受Starrypia干预的控制组(下降1.3分)。
    • 平均CARS得分下降1.5分(治疗组),控制组仅下降0.6分。
    • 使用行为表明儿童更集中、更主动,部分儿童还展现了社交和分享倾向。
  • 局限性与未来方向:

    1. 局限性:
      • 样本量不足,仅有20名儿童,且个体差异和持续4周的时间较短,未能得到完全显著的统计结果。
      • 疗法对感官高度敏感的儿童可能不适用,角色和关卡多样性有待提升。
      • 长期用户粘性尚未验证,长时间接触电子设备可能带来健康风险。
    2. 未来方向:
      • 扩大样本量及实验时长,以获得更稳定和显著的统计结果。
      • 增加游戏角色、关卡及个性化设置(如色彩和背景音乐定制)。
      • 引入控制游戏时长的机制,降低过度使用风险。
      • 探索实时量化效果的方法,例如加入儿童注意力测试。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/126669/2023

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3586183.3606755
一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
AR 导航与情境感知、严肃游戏与功能游戏、STEM 教育与科学传播、特殊教育技术
work
职业/产业
语言治疗师与听觉学家、特殊教育教师、儿童教育工作者
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文