在虚拟现实开放式小组活动中预测与理解轮次转换行为
人机交互
2025-08-01 v2 计算机与社会
摘要
在网络化虚拟现实(VR)中，用户行为、个体差异和群体动态可以作为预测未来言语行为的重要信号，例如下一位发言者是谁以及轮次转换行为的时机。预测和理解这些行为的能力为提供自适应和个性化辅助提供了机会，例如帮助具有不同感官能力的用户在复杂的社交场景中导航，以及实例化具有自然行为的虚拟主持人。在这项工作中，我们使用基于社会动态学文献提取的特征来预测轮次转换行为。我们讨论了一个大规模VR课堂数据集的结果，该数据集包含在四周内收集的77个会话和1660分钟的小组社交互动。在我们的评估中，梯度提升分类器取得了最佳性能，在涉及轮次转换行为的“什么”、“谁”和“何时”三个任务中，准确率达到了0.71--0.78 AUC（ROC曲线下面积）。在解释这些模型时，我们发现群体规模、倾听者性格、言语相关行为（例如，距离倾听者上次言语事件经过的时间）、群体注视（例如，群体看向发言者的程度），以及倾听者和前一位发言者的头部俯仰角、头部y轴位置和左手y轴位置对预测有更显著的影响。结果表明，这些特征在新型社交VR设定中仍然是可靠的指标，因为预测性能随时间推移以及在训练数据集中未使用的群体和活动中均保持稳健。我们讨论了这项工作的理论和实践意义。
引用
@article{arxiv.2407.02896,
title = {Predicting and Understanding Turn-Taking Behavior in Open-Ended Group Activities in Virtual Reality},
author = {Portia Wang and Eugy Han and Anna C. M. Queiroz and Cyan DeVeaux and Jeremy N. Bailenson},
journal= {arXiv preprint arXiv:2407.02896},
year = {2025}
}