Artificial Intelligence 1 λεπτό ανάγνωσης

Έρευνα εντοπίζει και προβλέπει αποκλίσεις νοητικών μοντέλων σε ομάδες

Η χρήση φυσικής γλώσσας για την ενημέρωση συνεργατών σχετικά με την κατάσταση εργασιών είναι συνήθης. Ωστόσο, η μη πλήρης επικοινωνία δημιουργεί αποκλίσεις στα νοητικά μοντέλα των μελών της ομάδας, επηρεάζοντας αρνητικά τη συνολική απόδοση.

Ερωτήματα ανακύπτουν για την κατηγοριοποίηση αυτών των αποκλίσεων και την ικανότητα των ασυμφωνιών στον διάλογο να προβλέπουν μελλοντικές αποκλίσεις νοητικών μοντέλων. Οι παραδοσιακές μέθοδοι αξιολόγησης του κοινού νοητικού μοντέλου (SMM) βασίζονται σε αναδρομική κωδικοποίηση από ειδικούς, αδυνατώντας να συλλάβουν τη δυναμική του συντονισμού σε πραγματικό χρόνο.

Προτείνεται ένα πλαίσιο για τον εντοπισμό και την κατηγοριοποίηση τεσσάρων τύπων αποκλίσεων νοητικών μοντέλων: μη υποστηριζόμενες πεποιθήσεις, ψευδείς πεποιθήσεις, αντιφάσεις πεποιθήσεων και παραλείψεις. Όλοι αυτοί οι τύποι αναδύονται φυσικά στους διαλόγους των ομάδων.

Με τη χρήση διαλόγων από είκοσι ομάδες δυάδων σε συνεργατικές εργασίες αναγνώρισης αντικειμένων (τέσσερα διαδοχικά επίπεδα), αποδεικνύεται ότι αυτά τα πρότυπα αποκλίσεων περιέχουν προγνωστικά σήματα. Ο μέσος όρος των ιστορικών μετρήσεων αποκλίσεων επιτυγχάνει ουσιαστική ακρίβεια πρόβλεψης με ομοιόμορφη στάθμιση (διερευνητική βάση), παρουσιάζοντας διαφορική προβλεψιμότητα μεταξύ των τύπων αποκλίσεων.

Source: arXiv:2605.03149v1 Announce Type: new