Nowa.Moda
Nauka

W symulacji połączenie mimiki i przewodnictwa skóry nie poprawiło przewidywania wyboru rekomendacji oznaczonej jako pochodząca od AI

W małym badaniu z symulowaną oceną ADHD model oparty na samej mimice wypadł lepiej niż model łączący mimikę z pomiarem przewodnictwa skóry, gdy analizowano sygnały od 6 do 3 sekund przed decyzją. Badani wybierali między dwiema rekomendacjami: jedną oznaczoną jako pochodząca od AI, drugą — od lekarza.

Osoba z czujnikiem w formie pierścienia na palcu patrzy na ekran laptopa z dwiema opcjami obok siebie — ilustracja
Poglądowa ilustracja wyboru między dwiema rekomendacjami podczas rejestracji mimiki i przewodnictwa skóry.

Komplet danych nadających się do analizy uzyskano od 60 z 80 studentów kierunków inżynierskich, którzy ukończyli szerszy eksperyment. W tej grupie 40 osób wybrało opcję z etykietą AI, a 20 — drugą. Hamid Shamszare i Avishek Choudhury opublikowali wyniki 20 listopada 2026 r. w PLOS ONE.

Na podstawie nagrań twarzy oszacowano prawdopodobieństwo ośmiu kategorii mimiki. Z pomiaru przewodnictwa skóry wyodrębniono dwie cechy opisujące jego krótkotrwałe zmiany. Badacze porównali modele analizujące każdy z tych sygnałów osobno z trzecim modelem, który łączył ich przewidywania.

Do porównania posłużyła miara ROC-AUC: im wyższa wartość, tym lepiej model rozróżniał dwa rodzaje decyzji. We wcześniejszym przedziale wynik dla mimiki wyniósł 0,643, dla połączenia sygnałów 0,526, a dla samego przewodnictwa skóry 0,430. Nawet dla najlepszego wyniku 95-procentowy przedział ufności był szeroki: od 0,490 do 0,786.

W ostatnich trzech sekundach przed decyzją wszystkie trzy modele uzyskały niższe wyniki niż wcześniej. Po korekcie uwzględniającej wielokrotne porównania istotna statystycznie była tylko przewaga modelu opartego na mimice nad modelem łączonym we wcześniejszym przedziale.

Była to analiza eksploracyjna z walidacją wewnętrzną: modele sprawdzano na danych osób pominiętych podczas danego etapu uczenia, ale nadal z tej samej próby. Dodatkową niewiadomą było dopasowanie nagrania twarzy do pomiaru ze skóry. Przesunięcie w czasie między zapisami oszacowano, lecz nie zweryfikowano go niezależnie.

Co oznaczał wybór w symulacji

Po wypełnieniu kwestionariusza przesiewowego uczestnicy widzieli dwie rekomendacje obok siebie. Opcja przypisana lekarzowi odpowiadała wynikowi kwestionariusza, a opcję przypisaną AI losowano spośród możliwych wariantów. W takim układzie nie dało się oddzielić wpływu etykiety od wpływu zgodności rekomendacji z wynikiem kwestionariusza.

Autorzy traktowali decyzję jako pojedynczy wybór w konkretnym zadaniu, a nie bezpośredni pomiar zaufania do AI. W dalszych badaniach proponują zebrać więcej niż jedną decyzję od każdego uczestnika i mierzyć zaufanie niezależnie od tych wyborów.