Editorial ilmu komputer
Open AccessOA2026
GroupAffect-4: Dataset Multimodal Interaksi Kolaboratif Empat Orang
Korpus terinspirasi BIDS dari 40 partisipan dalam 10 kelompok berisi empat orang, dilengkapi instrumentasi fisiologi, pelacakan mata, dan audio, mencakup empat tugas kolaboratif dan lima belas target tolok ukur pada tingkat individu, interpersonal, dan kelompok.
Meisam Jamshidi Seikavandi; Alice Modica; Anna Obara; Shan Ahmed Shaffi; Fabricio Batista Narcizo; Tanya Ignatenko; Ted Vucurevich; Karim Haddad; Daniel Barratt; Daniel Overholt; Jesper Bunsow Boldt; Paolo Burelli; Andrew Burke Dittberner· 2026· DOI 10.48550/arXiv.2605.19765
Masalah inti
Korpus affective computing, social signal processing, dan meeting yang ada menangkap bagian penting dari interaksi manusia, tetapi jarang mendukung analisis afek pada kelompok yang berada di lokasi sama sebagai proses yang terkopel pada tingkat individu, interpersonal, dan kelompok. Sinyal yang dibutuhkan — fisiologi per partisipan, gerakan mata, audio, laporan diri, hasil tugas, dan kepribadian — biasanya terfragmentasi di antara tradisi dataset yang terpisah. GroupAffect-4 mengatasi celah ini dengan memperkenalkan korpus multimodal dari 40 partisipan dalam 10 kelompok berisi empat orang, masing-masing menyelesaikan empat tugas kolaboratif dengan variasi ekologis yang mencakup pengumpulan informasi, negosiasi, pembangkitan ide, dan permainan barang publik. Dataset ini dirancang untuk mendukung analisis afek sebagai proses terkopel pada tiga tingkat: keadaan dalam-diri, sifat antar-diri, dan dinamika kelompok.
Inovasi
Dataset ini mencakup lebih dari 91% jendela fisiologi yang diharapkan dan 98% jendela pelacakan mata, yang menunjukkan kelengkapan data yang tinggi. Pemeriksaan manipulasi afektif yang jelas pada blok negosiasi mengonfirmasi validitas tugas yang kuat. Para penulis mendefinisikan lima belas target yang dapat ditolok ukur yang mencakup tiga tingkat analisis: keadaan dalam-diri, sifat antar-diri, dan dinamika kelompok. Baseline kelayakan leave-one-group-out dilaporkan, yang menetapkan cakupan evaluatif dataset. Lima belas target tersebut tersebar pada tiga tingkat sebagai berikut:
- Keadaan dalam-diri: target yang menangkap keadaan afektif dan fisiologis sesaat.
- Sifat antar-diri: target yang menangkap perbedaan individu yang stabil seperti kepribadian Big-Five.
- Dinamika kelompok: target yang menangkap proses tingkat kelompok yang muncul.
Prosedur baseline leave-one-group-out dapat diformalkan sebagai:
dengan adalah himpunan seluruh 10 kelompok.
Korpus affective computing, social signal processing, dan meeting yang ada menangkap bagian penting dari interaksi manusia, tetapi jarang mendukung analisis afek pada kelompok yang berada di lokasi sama sebagai proses yang terkopel pada tingkat individu, interpersonal, dan kelompok. Sinyal yang dibutuhkan — fisiologi per partisipan, gerakan mata, audio, laporan diri, hasil tugas, dan kepribadian — biasanya terfragmentasi di antara tradisi dataset yang terpisah. GroupAffect-4 mengatasi celah ini dengan memperkenalkan korpus multimodal dari 40 partisipan dalam 10 kelompok berisi empat orang, masing-masing menyelesaikan empat tugas kolaboratif dengan variasi ekologis yang mencakup pengumpulan informasi, negosiasi, pembangkitan ide, dan permainan barang publik. Dataset ini dirancang untuk mendukung analisis afek sebagai proses terkopel pada tiga tingkat: keadaan dalam-diri, sifat antar-diri, dan dinamika kelompok.
Setiap partisipan dilengkapi sensor fisiologi yang dipakai di pergelangan tangan, kacamata pelacak mata, dan mikrofon close-talk. Sesi mencakup laporan diri afek secara kontinu, kuesioner pasca-tugas, hasil tugas, dan skor kepribadian Big-Five, semuanya diselaraskan waktu ke satu jam bersama. Dataset ini mencakup lebih dari 91% jendela fisiologi yang diharapkan dan 98% jendela pelacakan mata. Validitas tugas dikonfirmasi oleh pemeriksaan manipulasi afektif yang jelas pada blok negosiasi. Dataset ini dirilis dengan struktur terinspirasi BIDS, metadata Croissant, datasheet, laporan kualitas per sesi, dan skrip pemrosesan terbuka. Desain eksperimen dapat diringkas sebagai berikut:
Mengapa penting
GroupAffect-4 mengisi celah kritis dalam affective computing dengan menyediakan dataset multimodal yang menangkap afek sebagai proses terkopel pada tingkat individu, interpersonal, dan kelompok. Kombinasi fisiologi per partisipan, gerakan mata, audio, laporan diri, hasil tugas, dan skor kepribadian memungkinkan peneliti mempelajari afek pada kelompok yang berada di lokasi sama dengan kedalaman yang belum pernah ada sebelumnya. Struktur terinspirasi BIDS, metadata Croissant, datasheet, laporan kualitas per sesi, dan skrip pemrosesan terbuka mendorong reproduktibilitas dan penggunaan kembali. Lima belas target tolok ukur dan baseline leave-one-group-out menyediakan kerangka evaluatif yang jelas untuk pekerjaan mendatang. Dataset ini diarsipkan secara publik di https://zenodo.org/records/20037847, dan kode serta skrip pemrosesan tersedia di https://github.com/meisamjam/GroupAffect-4. Sumber daya ini diharapkan mempercepat penelitian dalam social signal processing, affective computing, dan dinamika kelompok.
Siapa yang sebaiknya membaca
Praktisi dan peneliti ilmu komputer
Membuka konten member…