Model ValidationAfter implementing

Model Validation

After implementing the system, we conducted an online study to determine if the extroverted and introverted gaze behaviors
generated by the gaze controller would actually be perceived as such. We filmed four one-minute videos of the robot interacting
with a human user in the Tower of Hanoi scenario.
In two of the videos, the robot utilized the extrovert model
of gaze behaviors, with the other two videos depicting the robot utilizing the introvert model. This study used a withinparticipant
design; all four of the videos were shown to each participant in a random order. Following each video, participants
rated the perceived extroversion of the robot on six five-point rating scales which have also been used in previous
research to rate the perceived personality of robots [23].
Participants in this study were recruited using Amazon’s Mechanical Turk.
We recruited 30 participants (15 Female, 15 Male) with a mean age of 34.9 (SD = 8.5). Standard IPfiltering
techniques were employed to limit participation to the United States and prevent multiple participation. In order
to eliminate participants that were not focusing on the videos, we asked participants to indicate the color of the robot’s head
(blue) at the end of the study, discarding data from participants who failed to provide a correct answer. We also tracked
the amount of time that the browser window containing the video stimulus remained in focus on the participant’s computer.
Eight participants failed the color question and/or unfocused the stimulus window for a majority of the study time and were
therefore eliminated from analysis, leaving 22 participants.
We analyzed the effect of the robot’s gaze behavior on participant ratings of the robot personality using repeated-measures
analysis of variance (ANOVA). Results indicated that participants did perceive a difference in the personality of the robot
in the way that we intended. The extroversion rating of the robot was significantly higher in the extrovert gaze behavior
condition (M=3.79, SD=0.54) than in the introvert gaze behavior
condition (M=3.53, SD=0.59), F(1, 84) = 5.09, p = .027.
This result is supported by previous work which demonstrated that participants can accurately recognize a robot’s intended
personality based on its verbal and nonverbal behaviors [23].

ผลลัพธ์ (ไทย) 1:

ตรวจสอบรูปแบบหลังจากใช้ระบบ เราดำเนินการศึกษาออนไลน์เพื่อตรวจสอบถ้า extroverted และ introverted มองพฤติกรรมสร้าง โดยสายตา ควบคุมจะจริงจะถือว่าเป็นการ เรามาถ่ายทำเรื่องสี่หนึ่งวิดีโอของหุ่นยนต์ทำการโต้ตอบมีผู้คนในสถานการณ์หอคอยแห่งฮานอยในสองวิดีโอ หุ่นยนต์ใช้แบบ extrovertของสายตาพฤติกรรม กับวิดีโอสองอื่น ๆ ที่แสดงให้เห็นถึงหุ่นใช้แบบ introvert การศึกษานี้ใช้การ withinparticipantออกแบบ 4 ทั้งหมดของวิดีโอที่แสดงให้ผู้เข้าร่วมแต่ละลำดับ ต่อผู้เข้าร่วมแต่ละวิดีโอคะแนน extroversion รับรู้ของหุ่นยนต์ในระดับจัดอันดับ 5 จุดหกที่ยังถูกใช้ในก่อนหน้านี้วิจัยการประเมินบุคลิกภาพการรับรู้ของหุ่นยนต์ [23]ผู้เข้าร่วมในการศึกษานี้ได้พิจารณาใช้ Turk. กลของ Amazon เราคัด 30 คน (15 เพศหญิง เพศชาย 15) อายุเฉลี่ยของ 34.9 (SD = 8.5) มาตรฐาน IPfilteringเทคนิคถูกจ้างจำกัดเข้าร่วมกับสหรัฐอเมริกา และป้องกันไม่ให้มีส่วนร่วมของหลาย ในใบสั่งเพื่อกำจัดผู้เข้าร่วมที่ถูกไม่เน้นวิดีโอ เราถามผู้เรียนเพื่อระบุสีของหัวของหุ่นยนต์(สีฟ้า) จบการศึกษา ละทิ้งข้อมูลจากคนที่ไม่สามารถให้คำตอบที่ถูกต้อง เรายังติดตามจำนวนครั้งที่เบราว์เซอร์ประกอบด้วยกระตุ้นวิดีโอยังคงอยู่ในโฟกัสบนคอมพิวเตอร์ของผู้เข้าร่วม8 ผู้เรียนไม่สามารถถามสี / unfocused หน้าต่างกระตุ้นสำหรับส่วนใหญ่ของเวลาศึกษาและดังนั้นจึง ตัดออกจากการวิเคราะห์ ออกจากผู้เข้าร่วม 22เราวิเคราะห์ผลของการทำงานของหุ่นยนต์สายตาผู้เข้าร่วมการจัดอันดับของบุคลิกหุ่นยนต์ที่ใช้การวัดซ้ำวิเคราะห์ความต่าง (การวิเคราะห์ความแปรปรวน) ระบุผลลัพธ์ที่ ผู้เรียนได้สังเกตความแตกต่างในบุคลิกภาพของหุ่นยนต์ในแบบที่เราตั้งใจ คะแนน extroversion ของหุ่นยนต์มีสูงมากในการทำงานสายตา extrovertเงื่อนไข (M = 3.79, SD = 0.54) มากกว่าใน introvert การมองพฤติกรรมเงื่อนไข (M = 3.53, SD =คือ 0.59), F (1, 84) = 5.09, p =.027ผลนี้ได้รับการสนับสนุน โดยงานก่อนหน้าซึ่งแสดงว่า ผู้เข้าร่วมสามารถอย่างถูกต้องรู้จักหุ่นยนต์ของวัตถุประสงค์บุคลิกภาพตามลักษณะของวาจา และ nonverbal [23]

ผลลัพธ์ (ไทย) 2:

ตรวจสอบรุ่นหลังจากการใช้ระบบที่เราดำเนินการศึกษาออนไลน์เพื่อตรวจสอบว่าเข้าสังคมและพฤติกรรมจ้องมองเก็บตัวที่สร้างขึ้นโดยควบคุมสายตาจริงจะถูกมองว่าเป็นเช่น เราถ่ายทำวิดีโอสี่หนึ่งนาทีของหุ่นยนต์ที่มีปฏิสัมพันธ์กับผู้ใช้ของมนุษย์ในหอคอยแห่งฮานอยสถานการณ์. ในสองของวิดีโอหุ่นยนต์ที่ใช้รูปแบบการเปิดเผยพฤติกรรมจ้องมองด้วยอีกสองวิดีโอภาพวาดหุ่นยนต์รูปแบบการใช้เก็บตัว . การศึกษาครั้งนี้ใช้ withinparticipant ออกแบบ ทั้งสี่ของวิดีโอที่มีการแสดงที่เข้าร่วมในแต่ละลำดับแบบสุ่ม หลังจากที่แต่ละวิดีโอเข้าร่วมจัดอันดับพาหิรวัฒน์รับรู้ของหุ่นยนต์ในหกคะแนนห้าจุดชั่งน้ำหนักที่ได้ถูกนำมาใช้ในก่อนหน้านี้การวิจัยให้คะแนนบุคลิกภาพการรับรู้ของหุ่นยนต์ [23]. ผู้เข้าร่วมในการศึกษาครั้งนี้ได้รับคัดเลือกโดยใช้วิศวกรรมเติร์กเมซอน. เรา ได้รับคัดเลือก 30 คน (15 หญิง 15 ชาย) กับอายุเฉลี่ย 34.9 (SD = 8.5) มาตรฐาน IPfiltering เทคนิคการเป็นลูกจ้างที่จะ จำกัด การมีส่วนร่วมไปยังประเทศสหรัฐอเมริกาและป้องกันไม่ให้มีส่วนร่วมในหลาย ๆ เพื่อที่จะกำจัดผู้เข้าร่วมที่ไม่ได้มุ่งเน้นไปที่วิดีโอที่เราถามผู้เข้าร่วมจะบ่งบอกถึงสีของหัวของหุ่นยนต์(สีฟ้า) ในตอนท้ายของการศึกษาทิ้งข้อมูลจากผู้เข้าร่วมที่ล้มเหลวที่จะให้คำตอบที่ถูกต้อง นอกจากนี้เรายังติดตามปริมาณของเวลาที่หน้าต่างเบราว์เซอร์ที่มีการกระตุ้นวิดีโอยังคงอยู่ในโฟกัสบนเครื่องคอมพิวเตอร์ของผู้เข้าร่วม. แปดเข้าร่วมล้มเหลวคำถามสีและ / หรือเลื่อนลอยหน้าต่างกระตุ้นเศรษฐกิจส่วนใหญ่ของเวลาการศึกษาและได้รับการตัดออกดังนั้นจากการวิเคราะห์ ออกจาก 22 ผู้เข้าร่วม. เราวิเคราะห์ผลกระทบของพฤติกรรมการจ้องมองของหุ่นยนต์เข้าร่วมการจัดอันดับของหุ่นยนต์บุคลิกภาพใช้ซ้ำมาตรการการวิเคราะห์ความแปรปรวน (ANOVA) ผลการศึกษาพบว่าผู้เข้าร่วมได้รับรู้แตกต่างในบุคลิกของหุ่นยนต์ในทางที่เราตั้งใจ คะแนนพาหิรวัฒน์ของหุ่นยนต์อย่างมีนัยสำคัญที่สูงขึ้นในพฤติกรรมจ้องเปิดเผยสภาพ (M = 3.79, SD = 0.54) มากกว่าในสายตาพฤติกรรมเก็บตัวสภาพ (M = 3.53, SD = 0.59), น (1, 84) = 5.09, p = 0.027. ผลที่ได้นี้ได้รับการสนับสนุนจากงานก่อนหน้านี้ซึ่งแสดงให้เห็นว่าผู้เข้าร่วมอย่างถูกต้องสามารถรับรู้ของหุ่นยนต์ตั้งใจบุคลิกภาพขึ้นอยู่กับพฤติกรรมทางวาจาและอวัจนภาษาของตน [23]

ผลลัพธ์ (ไทย) 3:

รูปแบบการตรวจสอบ

หลังจากการใช้ระบบเราได้ดำเนินการศึกษาออนไลน์เพื่อตรวจสอบว่าเป็นมิตรและเก็บตัวจ้องมองพฤติกรรม
สร้างโดยสายตาควบคุมจริง ๆ จะมีการรับรู้เช่น เราถ่ายไปสี่นาทีวิดีโอของหุ่นยนต์ที่มีปฏิสัมพันธ์กับมนุษย์
ผู้ใช้ในหอคอยของฮานอยสถานการณ์ .
2 ในวิดีโอ , หุ่นยนต์ที่ใช้รูปแบบแสดงตัว
พฤติกรรมดู ,กับอีกสองวิดีโอภาพหุ่นยนต์ที่ใช้เก็บตัวนางแบบ การศึกษานี้ใช้ในการออกแบบ withinparticipant
; ทั้งสี่ของวิดีโอได้แสดงให้ผู้เข้าร่วมแต่ละในลำดับแบบสุ่ม วิดีโอต่อไปนี้แต่ละผู้เข้าร่วมในการ extroversion
ของหุ่นยนต์ในหกจุดห้าระดับจังหวัดซึ่งยังถูกใช้ในก่อนหน้านี้
อัตราการรับรู้บุคลิกภาพการวิจัยหุ่นยนต์ [ 23 ] .
ผู้เข้าร่วมในการศึกษาครั้งนี้ได้คัดเลือกใช้ Amazon เครื่องกลเติร์ก
เราคัดเลือก 30 คน ( ชาย 15 หญิง 15 ) ที่มีอายุเฉลี่ย 75 ( SD = 8.5 ) มาตรฐาน ipfiltering
เทคนิคที่ถูกจ้างมาเพื่อ จำกัด การมีส่วนร่วมในสหรัฐอเมริกา และป้องกันการมีส่วนร่วมของหลาย เพื่อ
เพื่อกำจัดผู้ที่ไม่ได้เน้นวิดีโอ เราถามผู้เข้าร่วมเพื่อแสดงสีของหุ่นยนต์หัว
( สีฟ้า ) ในตอนท้ายของการทิ้งข้อมูลจากผู้ล้มเหลวที่จะให้คำตอบที่ถูกต้อง เรายังติดตาม
จํานวนเวลาที่หน้าต่างเบราว์เซอร์ที่มีวิดีโอกระตุ้นยังคงโฟกัสบนคอมพิวเตอร์ของผู้เข้าร่วม
แปดผู้ล้มเหลวสีคำถามและ / หรือ unfocused หน้าต่างกระตุ้นสำหรับส่วนใหญ่ของเวลาการศึกษาและ
จึงตัดออกจากการวิเคราะห์ เหลือ 22 คน
เราวิเคราะห์ผลการศึกษาของหุ่นยนต์ในสายตาผู้เข้าร่วมจัดอันดับของหุ่นยนต์บุคลิกภาพโดยใช้การวัดซ้ำ
การวิเคราะห์ความแปรปรวน ( ANOVA )ผลการศึกษาพบว่า ผู้เข้าร่วมได้เข้าใจความแตกต่างในบุคลิกภาพของหุ่นยนต์
ในทางที่เราตั้งใจไว้ การจัดอันดับหุ่นยนต์ extroversion สูงกว่าในแสดงตัว จ้องมองพฤติกรรม
เงื่อนไข ( M = 3.78 , S.D . = 0.54 ) กว่าในขรึมจ้องมองพฤติกรรม
เงื่อนไข ( M = 3.53 , S.D . = 0.59 ) , F ( , 1 ) ) = 5.09 , p = . 027 .
ผลที่ได้นี้ได้รับการสนับสนุนโดยก่อนหน้านี้ ซึ่งแสดงให้เห็นว่าผู้เข้าร่วมถูกต้องสามารถรับรู้ของหุ่นยนต์ไว้
บุคลิกภาพตามแบบของทางวาจาและพฤติกรรม [ 23 ] .