نحوه متفاوت بیان احساسات در چهره اوتیستیک و غیر اوتیستیک

پژوهشی تازه از دانشگاه بیرمنگام نشان می‌دهد که افراد اوتیستیک و غیر اوتیستیک هنگام بروز خشم، شادی یا غم، صورت‌شان را به شکل‌های متمایزی حرکت می‌دهند. این تفاوت‌ها می‌تواند باعث سوءتفسیر پیام‌های هیجانی بین دو گروه شود — نه به این دلیل که یکی از طرفین اشتباه دارد، بلکه به این دلیل که «واژگان» غیرکلامی متفاوت است و الگوهای حرکت صورت گوناگون.

محققان دریافتند افراد اوتیستیک و غیر اوتیستیک برای بیان هیجاناتی مانند خشم، شادی و غم از نواحی مختلف صورت و الگوهای متفاوتی استفاده می‌کنند. این تفاوت‌ها می‌تواند توضیح دهد چرا پیام‌های احساسی میان این دو گروه اغلب نادرست خوانده می‌شوند و چرا درک متقابل گاهی دشوار است.

Mapping facial motion: a high-resolution look at expression

در این بخش، محققان با بهره‌گیری از فناوری پیشرفته ردیابی حرکت صورت (facial motion tracking) یک مرجع دقیق و با وضوح بالا ایجاد کردند تا نحوه فیزیکی شکل‌گیری احساسات پایه را ثبت و تحلیل کنند. این مطالعه که در نشریه Autism Research منتشر شده است، نزدیک به ۴٬۹۰۰ بیان مجزا را از ۲۵ بزرگسال اوتیستیک و ۲۶ بزرگسال غیر اوتیستیک گردآوری کرد و بیش از ۲۶۵ میلیون نقطه داده تولید نمود. چگالی داده‌ها به پژوهشگران امکان داد از برچسب‌های ساده فراتر روند و مکانیک دقیق‌تر بیانیه‌ها را بررسی کنند: کدام عضلات فعال می‌شوند، سرعت حرکت چگونه است، و ترکیب حرکت‌ها چه الگوهایی را نشان می‌دهد.

با تحلیل دقیق عضلات شناخته‌شده‌ای مانند زایگوما­tیکوس مِیجر (zygomaticus major) که در لبخند نقش دارد، اربیکولاریس اوکولی (orbicularis oculi) که در اطراف چشم فعال می‌شود، و کوراگیتور سوپراسیلاریس (corrugator supercilii) که در کنار هم باعث اخم و حرکت ابرو می‌شود، تیم پژوهشی توانست تفاوت‌های ظریف در ترکیب‌های عضلانی را نیز مستندسازی کند. این جزئیات برای حوزه‌هایی مانند روان‌پزشکی، علوم اعصاب اجتماعی، و توسعه نرم‌افزارهای تشخیص احساس اهمیت عملی دارد.

How the experiment worked and what it revealed

شرکت‌کنندگان از آنها خواسته شد احساسات خشم، شادی و غم را در دو بستر مختلف نشان دهند: یکی با همسان‌سازی با صداها (matching sounds) و دیگری هنگام صحبت کردن (مثلاً بیان جملات یا کلمات مرتبط). این طراحی پژوهشی اجازه داد تا محققان هم ژست‌های «نمونه‌سازی‌شده» (posed) و هم حرکات صورت نسبتاً خودبه‌خود و طبیعی‌تر را ثبت کنند. ثبت همزمان صوت و حرکت صورت و سپس همگام‌سازی این داده‌ها با الگوریتم‌های تحلیل حرکت به تیم امکان داد تفاوت‌های سازگار و قابل تفسیر در نحوه استفاده از اجزای صورت را بیابند.

مطلب مرتبط

ادامه مطلب

اوتیسم: نقش زمان تشخیص و تفاوت های ژنتیکی

پژوهش‌های جدیدی که داده‌های ژنتیکی و رشد بیش از 45,000 نفر را بررسی کرده‌اند نشان می‌دهد...

تحلیل‌ها نشان داد تفاوت‌ها فراتر از شدت کلی حرکات هستند و شامل ترتیب فعال‌سازی عضلات، زمان‌بندی (timing) و پیوستگی فرایند شکل‌گیری حالت احساسی (smoothness) نیز می‌شوند؛ عواملی که برای درک بهتر زبان غیرکلامی و طراحی سامانه‌های انسانی-ماشینی حیاتی‌اند. از سوی دیگر، بررسی دقیق نشان داد برخی الگوها در برخی افراد قوی‌تر است و نمی‌توان همه افراد اوتیستیک را به یک صورت یکنواخت توصیف کرد؛ تنوع درون‌گروهی نیز قابل توجه است.

Key movement differences

• Anger: در حالت خشم، شرکت‌کنندگان اوتیستیک بیشتر به حرکت‌های ناحیه دهان متکی بودند و فعالیت ابروها نسبت به افراد غیر اوتیستیک کمتر مشاهده شد. به‌عبارت دیگر، تغییرات در لب‌ها و فک غالب بود، در حالی که افراد غیر اوتیستیک اغلب با ترکیب قوی‌تر ابرو و پیشانی سیگنال خشم را منتقل می‌کردند.
• Happiness: لبخندهای افراد اوتیستیک معمولاً ظریف‌تر و کمتر متاثر از ناحیه چشم بودند — آن لبخند کلاسیک که تا اطراف چشم گسترش می‌یابد (smile that reaches the eyes) کمتر شایع بود. این نکته می‌تواند توضیح دهد چرا دیگران گاهی لبخندها را کم‌اثر یا کمتر گرم می‌خوانند، در حالی که خود فرد ممکن است احساس شادی واقعی داشته باشد.
• Sadness: در بیان غم، چهره‌های اوتیستیک اغلب شامل بالابردن لب بالایی برای ایجاد ظاهری رو به پایین یا ماتم‌زده بودند، الگوی متفاوتی که در چهره‌های غیر اوتیستیک کمتر برجسته بود. این شیوه‌ی تغییرات در ناحیه لب و دهان به‌جای تمرکز بیشتر روی پلک‌ها یا ابروها، نشان‌دهنده ترتیبات عضلانی متفاوت در شکل‌دهی به حالت‌های غمگینی است.

Alexithymia: a complicating factor

تیم پژوهشی همچنین شاخص الکسیتایمیا (alexithymia) را بررسی کرد؛ ویژگی‌ای که با دشواری در شناسایی و توصیف احساسات درونی مشخص می‌شود و به‌طور نسبی در کنار اوتیسم شایع‌تر است. نمرات بالاتر الکسیتایمیا با سیگنال‌های صورت کمتر تعریف‌شده برای خشم و شادی مرتبط بود — به‌طور کلی بیانیه‌هایی که مخلوط یا مبهم به نظر می‌رسیدند. این یافته نشان می‌دهد که بخشی از تنوع در الگوهای ابراز نه تنها به وضعیت تشخیصی اوتیسم بلکه به تفاوت‌های فردی در آگاهی هیجانی و کارکرد شناختی-احساسی نیز برمی‌گردد.

علاوه بر این، الکسیتایمیا می‌تواند مسیرهای متفاوتی را برای آموزش و مداخله پیشنهاد کند؛ برای مثال برنامه‌های آموزشی که به افراد کمک می‌کنند احساسات خود را نام‌گذاری کنند یا بازخورد زیستی (biofeedback) برای افزایش آگاهی از تغییرات صورت ممکن است کیفیت بیانیه‌های هیجانی را بهبود بخشد و در نتیجه درک متقابل را افزایش دهد.

Why misreading goes both ways

سرپرست پژوهش، دکتر کانر کیتینگ (که هم‌اکنون در دانشگاه آکسفورد است) و همکارانش مطرح می‌کنند که مسئله دوطرفه است. مسئله تنها در این نیست که افراد اوتیستیک گاهی در شناسایی بیانیه‌های غیر اوتیستیک مشکل دارند — ناظران غیر اوتیستیک نیز در درک نشانه‌های صورت افراد اوتیستیک دچار مشکل‌اند. مطالعه نشان می‌دهد تفاوت‌ها هم در ظاهر نهایی حالت‌های هیجانی و هم در «نرمی» یا پیوستگی فرایند شکل‌گیری حالت نقش دارند؛ یعنی سرعت آغاز، اوج‌گیری و فروکش حالت می‌تواند متفاوت باشد.

در عمل این به آن معناست که مردم ممکن است گویش‌های غیرکلامی متفاوتی صحبت کنند؛ همان‌طور که گویش‌های زبانی مختلف می‌توانند عدم‌تفاهم ایجاد کنند، لهجه‌ها و شیوه‌های غیرکلامی متفاوت نیز زمینه‌ساز سوءتفاهم می‌شوند. این دیدگاه دوجانبه شانس طراحی مداخلات دوطرفه — نه فقط تمرکز بر «آموزش افراد اوتیستیک» — را برجسته می‌کند، بلکه بر نیاز به سازگارسازی رفتارهای اجتماعی جمعی برای تشویق گفتگوی بهتر تأکید دارد.

Implications for communication, technology and support

این یافته‌ها اهمیت فراتر از علاقه نظری دارند. برای کلینیسین‌ها و درمانگران، درک الگوهای متنوع صورت می‌تواند به شفافیت تشخیصی کمک کند و از تفسیر نادرست در ارزیابی‌ها بکاهد. شناخت این تفاوت‌ها ممکن است از خطاهای تشخیصی ناخواسته جلوگیری کند، مثلاً علامتی که به‌اشتباه به ناتوانی در همدلی تعبیر شود در حالی که صرفاً یک سبک ابراز متفاوت است.

مطلب مرتبط

ادامه مطلب

تکامل هوش مصنوعی: از قدرت خام تا هوش هیجانی

هوش مصنوعی مسیر طولانی‌ای را طی کرده و از آزمایش‌های ابتدایی به محصولاتی قدرتمند و پرکاربرد...

برای طراحان نرم‌افزارهای تشخیص احساس و ربات‌های اجتماعی (social robotics)، نتایج هشدار مهمی درباره سوگیری الگوریتم‌ها ارائه می‌دهد: آموزش مدل‌های یادگیری ماشین (machine learning) تنها با مجموعه‌های داده‌ای که صورت‌های غیر اوتیستیک را نمایندگی می‌کنند می‌تواند منجر به عملکرد ضعیف در تشخیص احساسات افراد اوتیستیک شود. این نوع سوگیری (bias) می‌تواند در کاربردهای بالینی، آموزشی یا خدمات مشتری منجر به عدم‌تشخیص صحیح حالت‌ها و در نتیجه تجربه‌های نابرابر شود.

در تعامل روزمره هم، فهمیدن اینکه یک حالت چهره‌ای متفاوت لزوماً معنای کمتر یا نادرست ندارد، می‌تواند موجب صبوری بیشتر و تلاش دوطرفه برای برقراری ارتباط بهتر شود. تمرین‌هایی مانند اعلام احساس با کلمات بیشتر در کنار سیگنال‌های صورت، یا سؤال‌های روشن‌کننده هنگام ابهام، می‌توانند به کاهش سوءتفاهم‌های اجتماعی کمک کنند.

What’s next?

نویسندگان این پژوهش در حال بررسی این هستند که آیا آموزش، زمینه‌سازی (context) یا مداخلات خاص می‌تواند سوءتفاهم‌ها را کاهش دهد و آیا کمپین‌های آگاهی‌رسانی می‌توانند شناسایی متقابل بین افراد اوتیستیک و غیر اوتیستیک را بهبود بخشند. این تحقیقات آگاهمندانه ممکن است شامل برنامه‌های آموزشی برای هر دو گروه، تمرینات بازخوردی برای تنظیم الگوهای حرکتی صورت، یا ابزارهای دیجیتال تعاملی باشد که به افراد کمک می‌کند سیگنال‌های هیجانی را به شکل واضح‌تری منتقل و تفسیر کنند.

همان‌طور که پروفسور جنیفر کوک از دانشگاه بیرمنگام اشاره می‌کند، برخورد با تفاوت‌ها به‌عنوان سیستم‌های جایگزین — نه به‌عنوان کمبود یا نقص — مسیرهای جدیدی را برای تحقیق، شمول اجتماعی و توسعه فناوری باز می‌کند که به تنوع در ارسال و دریافت پیام‌های هیجانی احترام می‌گذارد. در عمل، این دیدگاه می‌تواند منجر به راهکارهایی شود که هم انصاف را افزایش می‌دهد و هم اثربخشی ابزارهای تشخیصی و حمایتی را برای جمعیت‌های متنوع ارتقا می‌دهد.

برای پیشرفت در این حوزه، پژوهش‌های آینده می‌تواند شامل نمونه‌های بزرگ‌تر و متنوع‌تر جغرافیایی و فرهنگی، تحلیل طولی برای پیگیری تغییرات در طول زمان، و آزمایش‌های مداخله‌ای باشد تا ببینیم چه مداخلاتی بیشترین تأثیر را روی بهبود درک متقابل دارند. همچنین ادغام داده‌های نوروفیزیولوژیک (مانند ثبت EEG یا پاسخ پوستی) با داده‌های حرکت صورت می‌تواند دیدی چندوجهی‌تر نسبت به ارتباط میان حالت‌های درونی و نمایه‌های بیرونی فراهم سازد.

مطلب مرتبط

ادامه مطلب

گام بعدی آمازون: ورود ربات های انسان نما به تحویل آخرین مایلی بسته ها

آینده تحویل بسته‌ها در آمازون با بهره‌گیری از ربات‌های انسان‌نما، چهره‌ای متفاوت و پیشرفته‌تر به خود...