Intelligence artificielle pour améliorer l'expression des émotions dans les systèmes de communication alternative et augmentée : une étude préliminaire incluant des enfants avec et sans autismeArtificial Intelligence for Enhancing Emotion Expression in Augmentative and Alternative Communication Systems: A Preliminary Study Including Children Both With and Without Autism.
- DeepFace a été utilisé comme point de départ pour intégrer la reconnaissance des émotions dans la CAA, avec une procédure de calibration individuelle.
- La précision du système était variable selon les émotions et les participants, avec de meilleurs résultats pour la joie, la tristesse et la neutralité.
- Les enfants autistes et neurotypiques ont montré un engagement et une satisfaction globalement positifs avec le système.
Étude préliminaire sur l'intégration de la reconnaissance des émotions dans la CAA pour enfants autistes et neurotypiques, pertinente pour la communication et l'interaction sociale, mais avec un échantillon très limité et une variabilité de précision.
Échantillon de très petite taille (4 enfants autistes), limitant la généralisabilité des résultats. La précision du système variait considérablement selon les émotions et les participants, indiquant une fiabilité insuffisante pour une utilisation clinique sans améliorations. Les tâches étaient semi-spontanées et en laboratoire ; des études en contexte naturel et avec des utilisateurs actifs de CAA sont nécessaires. L'absence de diversité culturelle et développementale dans l'échantillon limite la portée des conclusions.
Cette étude préliminaire évalue l'intégration de DeepFace, un outil de reconnaissance faciale des émotions, dans des systèmes de communication alternative et augmentée (CAA) pour aider à l'expression émotionnelle en temps réel. Douze enfants neurotypiques et quatre enfants autistes (8-13 ans) ont effectué des tâches d'imitation d'émotions et de semi-spontanéité. Après calibration individuelle, le système a montré une précision prometteuse, notamment pour la joie, la tristesse et le calme, avec des variations selon les émotions et les participants. Les évaluations de l'expérience utilisateur étaient généralement positives. Les résultats soulignent l'importance de la calibration et de la personnalisation dans la CAA, mais des études plus larges sont nécessaires.
DeepFace a été utilisé comme point de départ pour intégrer la reconnaissance des émotions dans la CAA, avec une procédure de calibration individuelle. La précision du système était variable selon les émotions et les participants, avec de meilleurs résultats pour la joie, la tristesse et la neutralité. Les enfants autistes et neurotypiques ont montré un engagement et une satisfaction globalement positifs avec le système. L'étude met en avant la nécessité d'élargir les données d'entraînement et d'incorporer des entrées multimodales pour améliorer la robustesse.
L'intégration de la reconnaissance des émotions dans la CAA pourrait améliorer la qualité des interactions sociales pour les enfants autistes en permettant une expression émotionnelle en temps réel. La calibration individuelle est cruciale pour adapter le système aux expressions faciales uniques des utilisateurs, notamment dans l'autisme où les expressions peuvent être atypiques. Ces résultats préliminaires encouragent le développement centré sur l'utilisateur de technologies de CAA émotionnellement réactives.
Faible