简短的研究报告的文章

前面。机器人。AI, 2023年4月05
秒。人机交互
卷10 - 2023 | https://doi.org/10.3389/frobt.2023.1001119

探索机器人的效用在学龄前儿童在delay-of-gratification干扰任务

Jaishankar Bharatharaj¹,

艾琳·m·佩珀堡 ², www.雷竞技rebatfrontiersin.org

Senthil Kumar Sasthan当时¹, www.雷竞技rebatfrontiersin.org

Achudhan Munisamy¹和

克里斯Krageloh ³*

¹对实验室,Bharath高等教育和研究所,钦奈,印度
²波士顿大学心理和大脑科学部门,美国波士顿,MA
³对实验室,心理学和神经科学,奥克兰,新西兰奥克兰理工大学的

执行功能的发展(EF)孩子,尤其是对自我调节能力,与长远利益的社会和健康结果。这样的一个技能是能够处理挫折等待延迟时,首选的奖励。尽管越来越多的机器人用于孩子教育的情况,包括教学心理技能,包括各方面的自我控制,机器人的效用增加自我延迟满足的可能性仍有待探索。使用单一大小写的实验设计,目前的研究暴露24学龄前儿童三个实验条件之间提供了一个选择立即奖励和延迟,但更大的奖励。等待的可能性增加会话当孩子们简单的要求等,但等待时间没有进一步增加在一个条件,教师提供活动分散注意力。然而,当孩子们接触到机器人和与他们互动的机会,等待时间大部分孩子增加中长期大尺度效应。强有力的执行功能的积极影响,如何提高儿童缺乏的,有限的,或在发展的过程中,是相当大的进口。这项研究强调了机器人的有效性作为一个错误选择时的等待时间,并概述了一个潜在的新应用程序的机器人在教育环境中。

介绍

自我调节能力,延迟满足(DG)被认为是一个重要的促进儿童发展期间(罗伊尔,2010)和干预措施,广泛培养孩子抑制冲动似乎对培育健全的执行功能的影响(EF,例如,看到Zelazo et al ., 2018)。在这里,我们提出一个新颖的手段提高DG,基于机器人的介绍。我们首先简要回顾DG的研究,强调之前的技术措施。

米歇尔et al。(1989)指能够推迟“立即满足,以达到推迟,但更重视结果”(.933)作为面向未来的自我控制或有目的的DG。米歇尔和他的同事们的工作已经非常有影响力的心理学和教育,导致许多实验,探索了在何种情况下的孩子更容易表现出自我控制。在一个典型的DG实验中,孩子们提供了一个选择1)立即可用,奖励和2)更喜欢更受歧视,但更多的延迟。米歇尔和艾布森(1970)例如,提出和学龄前儿童饼干和椒盐卷饼问他们喜欢什么。每个孩子表达他们的喜好后,实验者宣布他们将离开房间的时间不详。他们也解释说,如果孩子吃首选项在时间越少,实验者将立即返回,首选项将不再可用。然而,如果孩子等到实验者回报自己的协议,孩子能吃的首选项(或变种,较大的金额)。因为通常涉及一个回报与两个棉花糖(如米歇尔et al ., 1972这个实验过程),后来被称为“棉花糖测试”(戈德堡,2008)。

DG过程的一个重要特点就是等待延迟奖励的承诺是由参与者决定。作为Shoda et al。(1990)描述它,等待期的延迟,从而挫败是自我。并不少见观察participant-initiated分心策略帮助抵制诱惑与非首选项在等待期(纽鲍尔et al ., 2012)。教学的影响干扰策略也一直在探索实验研究。当米歇尔et al。(1972)教导孩子们如何看待一些有趣而等待,参与者的平均等待时间明显增加。在外部干扰条件下,孩子们的玩具可以玩在等待时间,也大大增加了DG的可能性。

大部分DG的流行范式是纵向研究的结果报道在自我控制任务的表现之间有关联,在儿童和积极成果。例如,Eigsti et al。(2006)有关有效注意力控制在学龄前儿童DG与10年后增强认知控制任务;增强自我控制在幼儿园的其他纵向结果包括较低的身体质量指数30年后(Schlam et al ., 2013)。研究发现相对稳定和持久的DG小时候任务绩效和行为之间的联系的措施以及额叶功能40年后(凯西et al ., 2011)。等待时间的长度在学龄前儿童在青春期还预测学术能力(Shoda et al ., 1990高等待时间),和孩子后来被描述为更聪明和细心的资助者et al ., 1983)。类似的结果也被观察到具有其他文化背景(李,2022横断面研究中)以及使用自我报告的自我控制措施(Tangney et al ., 2004))。鉴于这种自律的重要性在童年为未来的成功,教育工作者越来越感兴趣可能加强这些技能的创新方法。

值得注意的是,近年来的技术进步有着深远的影响心理社会干预的方式被提供给孩子在许多领域但没有特别自律。例如,平板电脑和智能手机的无处不在的特性使应用程序具有成本效益的方式提供教材和援助提供社会支持(Krageloh et al ., 2016;伊斯玛仪派和易卜拉欣,2017;Yousaf et al ., 2020)。然而,这项技术非常有限的能力为用户提供交互式体验。了技术上的进展,因此机器人的使用功能,旨在创建一个代理用户可以与之交互。一些机器人应用程序提供陪伴,如seal-like机器人帕罗已经与心理健康老年人增加(和田et al ., 2009;罗宾逊et al ., 2013)。其他机器人技术是教育的目的,如教学学术和社会心理技能自闭症儿童(Bharatharaj et al ., 2017 a;b),包括在视障儿童(Metatla et al ., 2020),或者计算思维和提高阀杆的态度(Zhang et al ., 2021)。然而,到目前为止收到的一个区域相对较少的关注研究机器人应用DG的教学。

尽管一些研究在该地区已经提到了术语“自我控制”或“延迟满足”(DG),这些项目实施过程非常不同的经典的棉花糖测试。例如,霍尔兹和雷曼(1995)向幼儿介绍一个小丑框,功能有点像一个机器人。在这个抵抗分心研究中,孩子们被要求在一个任务而忽略的诱惑与小丑的盒子。其他的研究(卡尔森,2005;里沃德et al ., 2015)在禁止使用机器人玩具任务(刘易斯et al ., 1989),调查孩子们可以在多大程度上抵制诱惑和一个机器人玩玩具在缺乏实验者当明确被指示不要这样做。法拉利et al。(2009)描述了一个自闭症儿童教学方法自我调节能力。孩子们第一次学习按按钮机器人等感官奖励光闪光和机器人运动。然后,在多人合作游戏,孩子们被分配一个特定的按钮,只有他们可以按感觉奖励。然而,为了获得机器人的奖励在这个变异的游戏,孩子们被要求按按钮依次与另一个孩子,因此,教他们学习自律能力。Holeva et al。(2021)研究机器人协助放松训练对儿童的影响及其对情绪自我调节的影响。最后,席尔瓦et al。(2018)使用一个机器狗作为新颖的控制影响自闭症儿童与现场互动的狗。后接触活禽或机器狗(根据实验条件),孩子们被要求抵制诱惑抓住首选食物放置在他们达到3分钟,和一些行为和生理指标在此期间。

虽然过程席尔瓦et al。(2018)是最接近米歇尔范式,实验任务不涉及选择延迟首选项和一个立即可用,更少的首选之一。研究到目前为止还没有探索机器人干预的效用或接触机器人自我DG的上下文中。因为它强调学习的重要性来处理挫折在等待期间,学会抵制诱惑屈服于冲动的选择,棉花糖的测试提供了一种富有成效的方法来探索潜在的机械干预儿童发展自律能力。考虑到干扰的有效性延长等待时间(米歇尔et al ., 1972;普特南et al ., 2002),本研究探讨在多大程度上接触的机器人可以作为一个有效的错误选择选择眼前的诱惑,更小的奖励。在多次会议,24学龄前儿童有一个选择是否立即摄取一份喜欢零食项目或5分钟等待服务的两倍。根据实验条件,1)没有提供教学,也不是玩建议在等待期间,2)教师鼓励玩玩具或和孩子们唱歌,或3)孩子们能够观察和与几种类型的机器人。延迟选择较小的零食被用作衡量DG和比较的条件。使用单一大小写的实验过程(巴洛et al ., 2009;泰特和Perdices, 2019),我们测试的within-participant影响干预的24个参与者。我们假设与机器人互动会增加等待时间,从而进一步提高DG相比其他条件。然而,本研究的目的是研究机器人的可行性的干预在机器人的多学科背景,教育和心理学。

方法

参与者

实验发生在大学附近的一个幼儿园的第一作者。参与者招募使用集群抽样达到近似均匀分布的性别与年龄,并确保参与是遍布各种学前班,使空间内的研究进行概述和时间约束的幼儿园教师。入选标准要求参与者能够理解并响应指示用英语和没有任何诊断为智力障碍。29参与者最初招募中,数据从5孩子们最终排除由于同时在多个会话的三个实验条件或由于父母的请求排除学生的学习。24岁的参与者,11是女性和13男(表1)。没有参与者以前接触机器人,除了P3,曾与一个乐高机器人。

表1

表1。参与者的年龄和性别。

过程

这项研究是广告研究在学校公告栏。一个会话与父母向他们介绍学校管理组织的研究目标。一个信息表详细研究的目标也给父母,他们都签署了同意孩子的参与了学校校长。没有提供报酬。在开始研究之前,获得的信息对每个孩子的首选甜或零食。

参与者被分成三个小组使用简单随机抽样。所有会话进行10至11点。在他们的教室。参与者坐在一张桌子。每个参与者的最喜欢的零食是放置在一个碗在他们面前,他们被告知,他们可以等待5分钟得到双倍的奖励金额或者选择消耗较小的奖励没有等待。三位教师在学校使用秒表时间之间的延迟每个会话的开始,当孩子们表示,利用表,他们想使用一个奖励。三个研究助理协助老师的过程,记录在记事本的结果。

这项研究是在一段时间内进行3周的每周三个交易日。每一块的三个交易日是不同的实验条件的一部分。在条件1,没有干预。在这里,参与者只是告知他们需要等待5分钟更大的回报。或者,他们可以选择点击表在任何时间和收集可用的奖励在他们面前。这种情况在第一个会话中,老师离开了房间和远程监控活动。在第二个会话中,房间里的一个老师在场,但没有与孩子互动。最后会议条件1,两位老师在场在房间里又没有与孩子的互动。参与者等待5分钟得到双重的零食,也收到了来自其他参与者的掌声。在条件2,老师帮助孩子们可能增加他们的等待时间讲故事(会话1),使进入孩子们的首选玩具(会话2),并说童谣(会话3)。在条件3中,孩子们暴露于一个人形机器人,Nao (Shamsuddin et al ., 2011,审查),这些商用远距机器人显示屏(Reis et al ., 2018)。这个远程展示机器人控制使用一个android应用程序导航机器人并在屏幕上播放视频。第一次会议的情况,机器人被放置在房间里,完全不活跃,孩子们不允许物理与他们交互。在第二个会话中,机器人执行的操作包括运动、唱歌,和打在屏幕上押韵。然而,正如在会话1中,孩子们不允许身体与机器人互动。在第三次会议,Nao机器人编程移动和说几句包括“嗨,孩子们,我的名字叫Nao和我是一个人形机器人”和“我来帮助你得到更多的奖赏”和表演舞蹈动作。远程监控机器人导航使用应用程序,在屏幕上播放视频。孩子们可以与机器人在Nao和跳舞等性能要求远程操控机器人玩他们最喜欢的押韵。本研究第一作者的机构伦理审查委员会批准。

数据分析

考虑到较大样本量单一大小写的实验设计,结果以表格形式而不是单独的图表。感兴趣的是延迟的变化分数条件1 - 2和2到3。解释的影响大小,一系列措施可用于单一大小写的研究(帕克et al ., 2014;Rakap 2015)。的措施non-overlap全对的(午睡)和TAU-U被认为是卓越的那些(Manolov et al ., 2016),他们被选为目前的效果措施分析。这些非参数措施不需要任何假设的分布数据和被认为提供强有力的统计精度(帕克et al ., 2014)。

计算每个参与者小睡,每个数据点的第一个条件是每个数据点的后续条件相比,因此收益率共有九个比较(每个条件有三个交易日)。的次数,第二个条件分高于一个数据点计算(即第一个条件。在延迟,数量的增加)。相关成绩算作是0.50。午睡被计算的总和)的情况下延迟增加,2)关系的分数,除以总数量的比较。例如,如果有六个实例分在第二个条件高于第一个条件,如果有一个领带,午睡是6.50/9.00。在缺失数据的情况下,测量仍只有最大数量的计算比较,是可能的。所有使用Microsoft Excel进行了计算。

TAU-Uτ是一个扩展的措施_novlap。后者以类似的方式计算午睡。然而,而不是添加成绩挂钩,τ_novlap被减去的实例计算分数降低的增加,产生一个分数吗年代。这年代然后除以总数量的分数比较(即。,9). For example, if a latency score increased five times but decreased four times,年代1,τ吗_novlap因此1/9。TAU-U的优点是在基线阶段(即趋势。,the first condition in any comparison analysis) are accounted for. The年代因此调整了减去一个年代第一阶段的分数获得独立的趋势分析。TAU-U不需要这种趋势是线性的(帕克et al ., 2011)。

午睡,帕克和范(2009)提供以下截止范围:0.00 - 0.65为疲弱的影响,为媒介影响0.66到0.92,0.93到1.00大影响。相同的截止TAU-U分数已经提出,在小于0.65被描述为表明干预是无效的或可疑的,0.66 - -0.92的范围内,表明是有效的,以上0.92非常有效(Rakap 2015)。

结果

个体参与者延迟结果所示会话和实验条件表2。因为最大等待时间是5分钟,延迟可能会有所不同从1 s(零食)的即期消费到300年代(等到5分钟结束的时期)。在条件1(没有积极干预),3的24参与者达到最大latency-one在第二次会议和两个在第三次会议。教学条件2(标准),四个参与者提出的延迟300年代,和六个参与者在条件3(机器人干预)。缺失数据的比例(从孩子缺席从特定会话)条件1中最高和最低条件2。条件1、延迟分数明显增加从会话1 - 3(重复测量方差分析,F(2)= 5.56,p< . 01),而不是条件2 (F(2)= 0.14,p> . 05)。条件3,得分显著增加跨会话(F(2)= 10.60,p< . 01)。

表2

表2。反应延迟(s)每个参与者的会话和实验条件。

总结影响大小的统计所示表3。1和2比较的条件、手段和中位数是非常相似的。当比较的延迟条件2的条件3,中值明显高于均值。总的来说,第二比较值高于第一。午睡这种差异不明显,但对τ清晰多了_novlap和TAU-U。图1概述这些值的次数达到特殊效果的类别。午睡,“小”表示的值小于0.65,“媒介”值高于0.65,低于0.93,和“大”值为0.93以上。TAU-U,价值观也可能是负面的。随着TAU-U优势τ_novlap这对于基线调整趋势,只有TAU-U所示。1和2比较的条件,因此,TAU-U可以调整的事实条件1中有显著积极的趋势。参与者的数量大、中型小睡效应大小类别时更高的比较条件2和3比1与2 (图1)。TAU-U,类似的模式出现了。过渡的条件1到2导致只有三个实例的效应大小和没有媒介,而过渡条件2到3导致五介质效应大小和八大效应大小。

表3

表3。影响大小值(打盹,τ_novlap和TAU-U)由参与者的过渡条件1(没有干预)条件2(标准教学)和过渡条件2条件3(机器人干预)。

图1

图1。上面的饼图显示参与者的数量在每个小睡效应大小类别比较条件1(没有干预)和条件2(标准教学)和条件2与条件3(机器人干预)。饼形图显示数量的参与者在每个底部效果TAU-U类别。午睡分数范围从0到1,值小于0.66被认为是没有或小效果,值在0.66和0.92之间介质效应,和值0.93及以上的重大影响。相同的截止值被应用于TAU-U。注意,TAU-U值也可以是负的,这表明一个条件变化导致低延迟,而不是高的。

讨论

本研究探讨了机器人的效用对学龄前儿童作为delay-of-gratification干扰的任务。24学龄前儿童在这种单一大小写的设计研究中,完成了三个实验条件不同的可用性的活动在指定的等待期。在第一个条件,没有提供活动但是老师的数量目前延迟增加跨会话期间,孩子的等待时间不断增加。等待时间在第二个条件没有进一步增加当老师提供的活动,如阅读、唱歌或玩玩具。然而,在最后的条件,当孩子能够观察并与机器人互动,等待时间显著增加。而对于大多数孩子的效果从第一过渡到第二个条件表示没有干预效果,略多于一半的参与者表现出一个中型或大型机器人的干预效果。这些数据表明,接触机器人出现有益的错误选择对学龄前儿童DG的任务。

最近的研究越来越多地应用机器人教育情况(课题组组长Pandey,葛林介绍,2017年),包括自律的教学技能(霍尔兹和雷曼,1995年;卡尔森,2005;里沃德et al ., 2015;Holeva et al ., 2021)。DG的一个重要方面,是发展策略的能力应对任何挫折或偏好的影响可能发生逆转而主动选择等待一个喜欢但延迟奖励。自我排解(安德森,1978)以及干扰别人安排的(普特南et al ., 2002)已被证明增加儿童表现出DG的可能性。我们的初步研究表明,机器人也似乎是一个有效的错误选择。

当前研究的目的不是为了说明机器人的优越性应用程序作为干预教DG的工具,而是要证明其可行性。比较与传统教学方法如提供条件2因此不是重点。更系统的干预方法之间的比较需要干预秩序的平衡或multiple-baseline设计(巴洛et al ., 2009),这是在目前的学前教育背景并不可行。相反,目标是探索机器人的使用在多大程度上可以提供一个短期的有益作用在幼儿dg过程。结果表明,在这种情况下,机器人干预似乎提供额外的好处相比,条件2(延迟似乎已达到稳定)。使用机器人继续教育干预进一步开发,DG可能成为一个标准的教育交付投资组合的一部分。尽管DG已经提出了机器人干预之前(法拉利et al ., 2009),这种方法尚未探索的可行性研究之前。随着机器人的功能不断提高,未来的干预措施能够分配一个机器人越来越积极的作用在这样的程序。我们建议最终交付DGprograms机器人可能会导致程序的一致性,测量精度和成本节省员工的时间。

尽管没有措施的机器人接受被收集,非正式反馈老师和家长表示,孩子们通常喜欢与机器人的交互。等待时间的事实条件3跨会话(机器人干预)增加表明,新奇的机器人不可能是唯一的因素相对大量的中型和大型的影响大小,尽管水平的增加可能的儿童-机器人互动交互跨会话可能也起到了一定作用。鉴于后勤约束和限制的需要研究在学校设置的长度,我们无法安排更多的会话在每个条件,探索在什么阶段延迟分数在机器人干预条件下达到一个稳定的水平。进一步限制是缺乏后续探索在多大程度上干预效果持久;如果孩子将继续延迟满足甚至在随后没有机器人。

此外,我们的延迟时间是只有三分之一的原始米歇尔的研究(例如,米歇尔et al ., 1972)。虽然我们大部分的参与者并没有达到的最大等待时间,一些参与者,这就带来了一种可能,我们演示了可能影响更明显在更长的延迟。特别是对儿童从家庭的更高的社会经济地位,不再等待时间通常报道(美国瓦茨et al ., 2018;Tunney 2022)。孩子们在我们的研究中可能被视为主要来自中更高的SES背景在印度南部的社会。然而,很少有人知道如何DG在印度儿童可能不同,相比其他国家的孩子,是否和SES可以找到类似的交互作用。鲜有文献中的相关DG,参与者在印度在学术研究与成人参与者DG (Chakraborty和Chechi, 2019)或认知实验探索在多大程度上所谓的自我损耗效应在西方发现的自我控制样本可能推广到印度(Savani和工作,2017年)。在后者的研究中,发现参与注意力控制任务同样没有耗尽效应在印度参与者的能力在认知任务后立即执行。Savani和工作(2017)认为这种效果的反向自我消逝表明意志力可能有激励效果的发挥在宗教和哲学传统的文化,如印度倾向于强调日常生活精神自我控制的应用。这也适用于在多大程度上嵌入值印度教育背景儿童需要在未来的研究探索。其他因素被包括在多大程度上DG在印度学龄前儿童往往是特定于类型的奖励使用:Yanaoka et al。(2022),例如,发现日本的孩子更容易表现出DG食品比孩子在美国,谁又比日本儿童礼物等待时间较长。最终成功应用机器人技术教学的DG最终取决于能够产生更高的效率比现有方法可以提供。特别是对DG,差异有关SES已经可以发现(美国瓦茨et al ., 2018;Tunney 2022),部署跨经济只会加剧不平等SES-related差距在自我控制能力。在机器人技术在医疗领域的应用,负担能力一直被认为是一个关键因素,以确保公平获得卫生服务,从而影响技术发展的方向(Chamzas et al ., 2022;松本et al ., 2022)。股本的重要性也被认为在呼吁政策的使用机器人技术在公共场所(Mintrom et al ., 2022)和教育(Kupferman 2022)。

进一步需要指出本研究的局限性。给定的时间限制,条件1已经达成才运行稳定,并可能增加教师跨会话等待时间的影响(例如,孩子寻找认可等)。条件3,干预的强度(可能与机器人互动的程度)增加跨会话,如上面我们注意到的,可能是部分原因的积极趋势,条件。这一趋势在条件1没有持续到状态2,和影响大小的计算能够使用测量TAU-U调整的趋势。条件3,尺度效应可能是更大如果条件包含更多的会话。未来的研究需要较长的复制研究条件。当然,增加会话的数量最终会创建实验疲劳或天花板效应如果足够DGskills已经获得的参与者。本研究的进一步限制使用的奖励不同程度很高,这可能导致等待时间结果的可变性。先前的研究已经有限的选择奖励两个项目(米歇尔et al ., 1972)。然而,我们高度个性化的选择可能增加的值奖励的可能性的确是非常高的参与者。最后,我们的示例包括儿童年龄4或5年,而不是在研究3到6米歇尔et al。(1972)例如,。因此我们的结果没有直接与那些在其他的研究报告,与机器人的干预措施和未来的研究将需要探索其他年龄组的干预方法的适用性以及其他措施的自律和其他结果变量。

总而言之,目前的研究表明了机器人的可能的效用时分心在学龄前儿童学习DG。我们强调,我们的目标仅仅是研究机械干涉原理的可行性,为未来的研究起点。但是我们做笔记,不干预或标准教学相比,接触机器人自我等待期间增加参与者等待延迟的可能性,更喜欢奖励而不是消耗较小,直接的奖励。中型和大型的效果大小的机器人的干预表明这种方法在未来的发展,值得更多automized机器人干预措施。

数据可用性声明

最初的贡献提出了研究中都包含在本文/辅料,可以针对相应的作者进一步询问。

道德声明

研究涉及人类受试者的人类研究伦理委员会审查和批准Bharath学院高等教育和研究。书面知情同意参加本研究提供的参与者;法定监护人/近亲。

作者的贡献

JB、IP和CK研究计划。JB和CK获得资金。JB、SK、正在进行这项研究。CK写文章的初稿并进行了分析。IP提供广泛的修订。其他作者写的手稿。

资金

这个项目是由奥克兰理工大学的和匹配资助Bharath学院高等教育和研究。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用

w·h·安德森(1978)。比较与self-verbalization自我排解的道德和仪器基本原理delay-of-gratification范式。认知其他。Res。2 (3),299 - 303。doi: 10.1007 / BF01185793