摘要
自閉症兒童不善於表達自己的情緒，突如其來的情緒變化也往往讓周圍的人難以招架。本研究透過三種教學情境，以及不同難易度的數學試題來誘發自閉症兒童高興、焦慮生氣的情緒，並同時記錄其心電圖、皮膚電位反應、末梢血流量、肌電圖等生理指標和臉部表情。目的是要嘗試藉由這些生理指標和臉部表情的訊息來辨識以上三種情緒，進而發展自閉症學童的情緒辨識機制，並期待在未來設計專屬自閉症學童使用的數位學習軟體時，能給予系統辨識學童情緒的功能，藉以幫助自閉症學童的學習。 在生理指標的部分，由單因子多變量變異數分析（one-way MANOVA）先挑選出在三組情緒平均數上達顯著差異的測量值，再和區辨分析(discriminate analysis)挑選出來的結果做比較後，發現心電圖、肌電圖和末梢血流量可以區辨三種情緒，其中又以心跳期間距離平均值、高頻率成分之功率、心跳速率的平均數、肌電信號之標準差、肌電信號之眾數和末梢血流量主波峰振幅值之平均值這六個測量值最為重要。這三種生理指標在分類情緒上有88.9%的正確率。而臉部表情的部分，由單因子多變量變異數分析先挑選出在三組情緒平均數上達顯著差異的測量值，再放入區辨分析的結果發現嘴部周圍之八個測量值能區辨三種情緒，其中又以上下嘴唇間的距離和下嘴唇中間點到兩嘴角之間的角度這兩個測量值最為重要。嘴部周圍的八個測量值在分類情緒上有77.5%的正確率。 整體而言，生理指標可以有效分辨高興、焦慮和生氣等三種情緒，特別是以生理指標之心電圖與肌電圖的測量值最能提供有效分辨情緒的訊息。其次，臉部表情以嘴部周圍之測量值可以有效分辨三種情緒。此外，相較於臉部表情，生理指標之測量值在分類情緒方面的結果較佳，也比較穩定。
參考文獻
Adcock, J., & Cuvo, A. J. (2009). Enhancing learning for children with autism spectrum disorders in regular education
by instructional modifications. Research in Autism Spectrum Disorders, 319-328. doi: 10.1016/j.rasd.2008.07.004
Afzal, S., & Robinson, P. (2010). Modelling Affect in Learning Environments - Motivation and Methods. Proceedings of
the International Conference on Advanced Learning Technologies. doi: 10.1109/ICALT.2010.127
Physiological Reactivity and Affective Report. . 776-781. doi: 10.1007/s10803-007-0443-8
延伸閱讀
- 趙家琛、杜玉禎（2014）。自閉症類群障礙兒童的面部訊息處理偏誤現象之探討。國教新知，61(1)，32-42。https://doi.org/10.6701/TEEJ.201403_61(1).0004
- 林逢源（2022）。一個利用臉部情緒增進遠距學習效果之系統〔碩士論文，淡江大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0002-2406202210291200
- 李治衡（2012）。基於動態臉部特徵在視訊中之臉部表情辨識研究〔碩士論文，中原大學〕。華藝線上圖書館。https://doi.org/10.6840/cycu201200662
- 林孟穎（2011）。應用臉部情緒表情互動遊戲介入自閉症者社交能力成效之研究〔碩士論文，國立臺中科技大學〕。華藝線上圖書館。https://doi.org/10.6826/NUTC.2011.00044
- 熊恩筠、簡惠玲、高千惠、彭馨蕾（2022）。比較自閉症成人與一般成人的臉孔和物體區辨能力：以變形典範探討。中華心理學刊，64(1)，33-55。https://doi.org/10.6129/CJP.202203_64(1).0002