人類通常使用自然語言向隊友更新任務狀態。但由於並非所有更新都得到溝通,團隊成員之間的心智模型會產生差異,從而對整體團隊績效產生負面影響。目前,傳統的共享心智模型評估方法依賴回顧性的專家編碼,無法捕捉即時的協調動態。為此,來自塔夫茨大學的研究人員提出了一種新的框架,用於識別和分類四種心智模型差異:無依據信念(即缺乏證據支援的信念)、錯誤信念(與事實不符的信念)、信念矛盾(同一成員持有相互衝突的信念)和資訊遺漏(關鍵資訊未被提及)。這些差異自然出現在團隊對話中。研究使用了20組雙人團隊在四個連續層級上執行協作物體識別任務的對話資料。結果顯示,這些差異模式包含預測訊號:透過簡單平均歷史差異計數作為探索性基線,該框架達到了有意義的預測精度,且不同差異型別的可預測性不同。例如,錯誤信念和信念矛盾在預測未來協調問題方面尤為有效。該研究已被2026年認知科學學會年會接收,論文作者為Katharine Kowalyshyn和Matthias Scheutz。這項工作為即時團隊協調監測提供了新的工具,未來可應用於人機協作系統,例如在AI輔助的團隊中及時檢測並彌合心智模型差距,從而提升整體任務表現。
你跟上我了嗎?檢測任務型團隊對話中心智模型差異的框架
文章摘要
提出一種分類框架,識別團隊對話中四種心智模型差異:無依據信念、錯誤信念、信念矛盾和資訊遺漏。實驗表明這些差異模式包含預測訊號。
你跟上我了嗎?檢測任務型團隊對話中心智模型差異的框架