Een gezamenlijk onderzoeksteam van de Universiteit van Cambridge en Dartmouth College heeft een systeem ontwikkeld voor het gebruik van infraroodlichtlabels om face-to-face interacties te monitoren. De techniek zou kunnen leiden tot een nauwkeuriger begrip van hoe individuen met elkaar omgaan in sociale situaties en kan de effectiviteit van communicatiecoaching vergroten.

Het systeem, genaamd Gradenboog door het Cambridge-Dartmouth-team, gebruikt onzichtbaar licht om vast te leggen hoe mensen lichaamstaal gebruiken door lichaamshoeken en afstanden tussen individuen te meten.

Eerdere studies hebben aangetoond dat lichaamstaal veel aspecten van het dagelijks leven kan beïnvloeden, waaronder sollicitatiegesprekken, arts-patiëntgesprekken en teamprojecten. Elke instelling omvat een specifieke set interactiedetails, zoals oogcontact en handgebaren, waarvoor een nauwkeurige bewaking van afstand en relatieve oriëntatie cruciaal is.

"Het vermogen om onzichtbaar licht te gebruiken om iemands rol en houding in sociale situaties te bepalen, heeft krachtige implicaties voor individuen en organisaties die zich zorgen maken over hoe ze communiceren, zei Cecilia Mascolo, hoogleraar mobiele systemen aan de Universiteit van Cambridge.

Lichaamstaal wordt al vaak bestudeerd door middel van videosessies, geluidsopnamen en papieren vragenlijsten. Vergeleken met de nieuwe, op licht gebaseerd systeem, deze benaderingen kunnen invasieve camera's vereisen, complexe infrastructuurondersteuning nodig hebben, en zware lasten voor de gebruikers.

"Ons systeem is een belangrijke afwijking van bestaande benaderingen, " zei Xia Zhou, assistent-professor informatica aan Dartmouth. "Het vermogen om zowel lichaamsafstand als relatieve hoek met fijne nauwkeurigheid te voelen met alleen infrarood licht, biedt enorme voordelen en kan het begrip verdiepen over hoe lichaamstaal een rol speelt in sociale interacties."

Gradenboog is een lichtgewicht, draagbare tag die lijkt op een toegangsbadge gedragen met een lanyard of clip. Het apparaat meet non-verbaal gedrag met fijne granulariteit door gebruik te maken van nabij-infrarood licht van fotodiodes. De lichttechnologie werkt op een golflengte die vaak wordt gebruikt in afstandsbedieningen voor televisies.

Voordat u gebruik maakt van infrarood licht voor het apparaat, het onderzoeksteam hield ook rekening met echografie en radiofrequentie. Naast de algehele nauwkeurigheid, infrarood was gunstig omdat licht niet door menselijke lichamen kan dringen, zorgen voor een nauwkeurige detectie van face-to-face interactie. Nabij-infraroodlicht is ook niet waarneembaar voor menselijke ogen en houdt de waarneming onopvallend.

Hoewel zeer geschikt voor het meten van lichaamstaal, het onderzoeksteam moest corrigeren voor wanneer de hand of kleding van een gebruiker het lichtkanaal tijdelijk zou kunnen blokkeren. Ze deden dit door algoritmen te ontwerpen die gebruikmaken van traagheidssensoren om de afwezigheid van lichtvolgresultaten te omzeilen.

Bij het bewijzen van het systeem, onderzoekers moesten ook een manier bedenken waarop de sensoren deelnemers nauwkeurig konden identificeren en het stroomverbruik konden beperken.

"Door het licht van elke gradenboog te moduleren om de tag-ID te coderen, elke tag kan dan achterhalen welke personen deelnemen. Om de energie-efficiëntie te verhogen, we passen ook de frequentie van het uitzenden van lichtsignalen aan op basis van de specifieke context, " zei Zhao Tian, een promovendus bij Dartmouth die in het onderzoeksteam werkte.

Om de effectiviteit van de techniek te bestuderen, het team gebruikte de gradenboog-tags om non-verbaal gedrag te volgen tijdens een probleemoplossende groepstaak die bekend staat als 'The Marshmallow Challenge'. Bij deze taak teams van vier leden kregen 18 minuten om met tape een structuur te bouwen die een marshmallow kon ondersteunen, touw en een handvol spaghetti.

"Behalve het observeren van lichaamstaal met de tags, we identificeerden de taakrol die elk groepslid vervulde en schetsten elke fase in het bouwproces door middel van de geregistreerde lichaamshoek- en afstandsmetingen, " zei Alessandro Montanari, een onderzoeker aan de Universiteit van Cambridge.

In de studie van 64 deelnemers, Gradenboog bereikte een gemiddelde fout van 1 tot 2 inch bij het schatten van de interactie-afstand en minder dan 6 graden fout 95 procent van de tijd voor het meten van de relatieve lichaamsoriëntatie. Het systeem stelde onderzoekers ook in staat om de taakrol van een individu binnen de uitdaging te beoordelen met een nauwkeurigheid van bijna 85 procent, terwijl stadia in het bouwproces met een nauwkeurigheid van meer dan 93 procent werden geïdentificeerd.

Volgens het onderzoeksteam het systeem ondersteunt niet alleen sociaal onderzoek, maar het kan mogelijk ook realtime feedback geven tijdens interviews en andere interacties. Sneakers, supervisors en teambegeleiders kunnen deze bevindingen gebruiken om de teamdynamiek beter te begrijpen en in te grijpen tijdens intense probleemgerichte discussies om meer creativiteit te bereiken.

Gradenboog kan ook helpen bij het bestuderen van de impact van cultuur op lichaamstaal in het licht van onderzoek dat aantoont dat culturele achtergronden van invloed kunnen zijn op de manier waarop mensen denken, gevoel, en handelen terwijl u met anderen samenwerkt - een belangrijk kenmerk in de sterk geïnternationaliseerde werkplekken van vandaag.