幾十年來，自閉癥研究一直聚焦于描述行為和識別診斷模式。但新一代研究正從單純的描述邁向測量、精準和情境分析。
在近期發表的諸多研究中，一個共同主題逐漸浮現：研究者正將行為科學與技術相結合，以自然的方式觀察溝通、情緒和學習過程。這一轉變并非要用機器取代人類洞察力，而是借助更智能的工具，更清晰地洞察那些一直存在卻未被充分認知的現象。
以新視角理解自閉癥
傳統評估方法依賴于結構化觀察和照料人報告。這些方法固然重要，但有時會錯過溝通起始和發展過程中最早、最細微的跡象。這一不足促使Choi – Tucci等人（2025）開發了《意向性溝通編碼量表即一種量化嬰兒如何有目的地運用目光、發聲和手勢的測量工具。
為此，研究團隊使用了諾達思的行為觀察記錄分析系統（The Observer XT）。通過對照料者與嬰兒互動視頻逐幀標注，研究者不僅能夠捕捉到發生了哪些行為，還能了解這些行為是如何以及何時指向他人的。例如，當照料者問“猴子怎么叫？”時，一個孩子抬起頭，發出“唧唧”聲。這一小小的舉動清楚地表明孩子意識到了對方的存在。
這種細致入微的研究使得以客觀和可重復的方式，使研究早期社會溝通中微妙卻至關重要的方面成為可能。其結果是形成了一套編碼系統，能夠將自然互動轉化為結構化、可量化的數據，幫助研究者和臨床醫生比以往更早地發現有意義的發展模式。
從行為數據中洞察信息
Bahrami Rad等人（2025）的另一項研究進一步拓展了這一方法。他們的團隊使用可穿戴數據采集系統記錄存在多種殘疾和自閉癥且表現出挑戰性行為個體的生理信號，如肌肉活動、皮膚電活動和皮膚溫度。
研究者使用The Observer XT對視頻中的每個行為進行編碼，并將其與可穿戴數據采集系統收集的數據相關聯。這使得他們能夠逐秒觀察運動或身體信號（如興奮度增加）的變化如何與特定情緒或行為相聯系。
研究結果令人矚目：運動模式往往是壓力或煩躁情緒最早且最強烈的指示信號。這些發現為預測建模指明了方向，即該系統能夠在行為升級（如發展為自傷行為）之前提醒照料者。
期間，The Observer XT作為數據同步的支柱，確保生理測量與行為數據緊密結合。其結果是形成了對情緒調節豐富且多層次的理解。
使用FaceReader精準解讀情緒并驗證參與度
雖然行為觀察和生理指標能夠揭示人們的行為，但要理解他們的感受，還需要另一層面的分析。Erkan Kurnaz（2025）在他的研究中探索了視頻自我建模（VSM）——學習者觀看自己成功完成任務視頻的教學技巧。這種方法基于這樣的理念：看到自己的成功能夠增強自信心、動機和行為學習。
VSM長期以來一直用于行為和特殊教育研究，以幫助自閉癥兒童發展社交、溝通和學習能力。它結合了兩個有效要素：
-
自我觀察：學習者看到自己正確的行為，從而強化期望的技能；
-
積極示范：示范者（學習者自身）具有內在的熟悉感和可預測性，這有助于減輕焦慮并促進專注。
在這項研究中，VSM被應用于教授無插件編程技能，即不使用計算機介紹編程邏輯的活動。孩子們通過卡片、拼圖和運動游戲等動手材料學習序列、循環和條件推理的基礎知識。這些練習以觸覺、視覺和具體的方式幫助孩子們像程序員一樣思考，適合許多自閉癥學習者。
在實施VSM干預之前，研究團隊希望驗證被試是否愿意觀看自己錄制的視頻。為此，他們使用諾達思的面部表情分析系統（FaceReader）分析孩子們觀看自己視頻片段與空白屏幕視頻時的面部表情。
FaceReader能夠自動檢測出快樂、悲傷和驚訝等情緒，為每個孩子的情感反應提供客觀數據。結果顯示，孩子們在觀看自己成功表現的片段時，表現出更多積極的面部表情，這證實了他們對這一過程的喜愛和投入。
這一驗證步驟至關重要：它表明視頻自我建模不僅可行，而且具有情感激勵作用。通過將VSM與自動情緒分析相結合，該研究清晰地展示了技術如何使自閉癥教育中的學習和情感參與變得可測量和可視化。
基于現實生活的研究
這些研究的一個顯著特點是其生態效度，即研究在現實生活環境中進行，如家庭、教室或日?；顒?，而非在受控的實驗室環境中。
-
Choi – Tucci的研究觀察了照料者與嬰兒的自發游戲。
-
Bahrami Rad的研究在教室和居住環境中開展。
- Kurnaz的干預在真實的學習環節中進行。
在每種情況下，Noldus的工具都能夠在不干擾自然互動的情況下進行嚴格的數據收集。The Observer XT提供了精確的時間標注和注釋功能，而FaceReader則能夠對非結構化視頻進行自動情緒分析。二者共同作用，使研究者能夠在保持科學嚴謹性的同時，保留研究的現實性。
這種自然情境與客觀數據的結合標志著方法論上的重要進步：自閉癥研究既具有現實性又具有可重復性。
自閉癥研究的整體轉變
這些研究共同凸顯了一個重要的演變：自閉癥研究正變得更加多模態、定量化，并對現實世界的復雜性做出響應。
其中，有三個更廣泛的轉變尤為突出：
-
從特征到過程：研究者不再僅僅關注診斷特征，而是研究溝通、壓力或學習如何隨時間展開。自閉癥不再被視為一種靜態狀況，而是個體與環境之間的動態互動。
-
從臨床到技術精準：可穿戴數據采集系統、行為編碼系統和自動視頻分析等工具增加了客觀性和可重復性。它們使研究團隊能夠檢測到人類可能忽略的細微變化，這對于早期干預和進展監測尤其有用。
-
從觀察到整合：通過結合視頻編碼、生理數據和情緒分析，研究者能夠為每個參與者的體驗構建多層次的圖景。其結果不僅是更多的數據，而是更豐富、具有情境意識的理解。
至關重要的是，技術應該擴展而非取代人類的理解。
The Observer XT 和 FaceReader 之所以強大，是因為它們擴展了人類的專業知識。每個數據點背后都是一個情感和行為同樣值得同情的個體。
展望未來：從數據到理解
將這些研究聯系在一起的是從觀察行為到理解體驗的轉變。通過使用Noldus的工具同步觀察、情緒和環境，研究者現在能夠實時追蹤學習、溝通和壓力如何相互作用。通過將Noldus的工具與可穿戴數據采集系統和教育創新相結合，研究者可以實現：
-
在語言發展之前測量溝通意向。
-
通過同步的運動和生理指標檢測早期痛苦信號。
- 通過面部表情分析量化學習中的情感參與。
當行為科學與技術相結合時，自閉癥研究將與日常生活更加緊密相連。它使我們不僅僅局限于“自閉癥是什么樣的？它感覺如何、如何發展以及如何適應？”這樣的問題，而是能夠提出更豐富的探討。
參考文獻
- Bahrami Rad, A.; Villavincencio, T.; Kiarashi, Y.; Anderson, C.; Foster, J.; Kwon, H.; Hamlin, T.; Lantz, J. & Clifford, G.D. (2025). From motion to emotion: exploring challenging behaviors in autism spectrum disorder through analysis of wearable physiology and movement. Physiological Measurement, 46.
- Choi-Tucci, E.; Sideris, J.; Holland C.; Baranek, G.T. & Watson, L.R. (2025). Measuring Intentional Communication in Infants at Elevated Likelihood of Autism: Validity, Reliability, and Responsiveness of a Novel Coding Scale. Journal of Speech, Language, and Hearing Research,68, 1151-1160.
- Kurnaz, E. (2025). Effectiveness of Video Self-Modeling in Teaching Unplugged Coding Skills to Children with Autism Spectrum Disorders. Behavioral sciences, 15(3), 272.；
歡迎關注我們的公眾號
了解更多精彩內容
