AI သည် ဗီဒီယိုကွန်ဖရင့်များအတွင်း အာရုံကြောစပီကာများကို 'အခန်းကိုဖတ်ရန်' ကူညီပေးသည်။

2013 တွင် အများသူငှာ ကြောက်ရွံ့ခြင်းအပေါ် စစ်တမ်းတစ်ခုက လူသိရှင်ကြား ပြောဆိုခြင်း၏ အလားအလာကို ဆုံးဖြတ်ခဲ့သည်။ သေမည့်အလားအလာထက် ပိုဆိုးသည်။ ဖြေဆိုသူအများစုအတွက်။ Syndrome လို့ ခေါ်တယ်။ glossophobia.

COVID-မောင်းနှင်မှု ရွှေ့ပြောင်း Zoom နှင့် Google Spaces ကဲ့သို့သော ပလပ်ဖောင်းများရှိ အွန်လိုင်းချုံ့ချဲ့အစည်းအဝေးများအထိ 'လူကိုယ်တိုင်' အစည်းအဝေးများအထိ အခြေအနေကို အံ့သြဖွယ်ကောင်းအောင် မလုပ်ဆောင်နိုင်ခဲ့ပါ။ အစည်းအဝေးတွင် ပါဝင်သူအများအပြားပါရှိရာ၊ ကျွန်ုပ်တို့၏ သဘာဝခြိမ်းခြောက်မှု အကဲဖြတ်နိုင်စွမ်းသည် ပါဝင်သူများ၏ ပုံရိပ်ဖော်ပုံများနှင့် မျက်နှာအမူအရာနှင့် ခန္ဓာကိုယ်ဘာသာစကား၏ သိမ်မွေ့သော သိမ်မွေ့သော ရုပ်ပုံအချက်ပြမှုများကို ဖတ်ရန် အခက်အခဲရှိသည်။ ဥပမာအားဖြင့် Skype သည် နှုတ်ဖြင့်မဟုတ်သောအချက်များ ပေးပို့ခြင်းအတွက် ညံ့ဖျင်းသောပလက်ဖောင်းတစ်ခုအဖြစ် တွေ့ရှိရပါသည်။

အများသူငှာ စကားပြောစွမ်းဆောင်မှုအပေါ် သက်ရောက်မှုများ သည် အကျိုးစီးပွားနှင့် တုံ့ပြန်မှုအပေါ် သက်ရောက်မှုများ ရှိပါသည်။ ကောင်းစွာမှတ်တမ်းတင် ယခုအချိန်တွင်၊ ကျွန်ုပ်တို့အများစုအတွက် အလိုလိုသိသာပါသည်။ ပွင့်လင်းမြင်သာသော ပရိသတ်တုံ့ပြန်မှုသည် စပီကာများကို တွန့်ဆုတ်စေပြီး နောက်ပြန်ဆုတ်သွားစေနိုင်သည်။ အဖြည့်ခံစကား၎င်းတို့၏ ငြင်းခုံမှုများသည် သဘောတူညီခြင်း၊ အထင်အမြင်သေးခြင်း သို့မဟုတ် စိတ်ပါဝင်စားမှုတို့နှင့် ကိုက်ညီခြင်းရှိမရှိ သတိမထားမိဘဲ၊ ပြောဆိုသူနှင့် ၎င်းတို့၏ နားထောင်သူများအတွက် မကြာခဏ အဆင်မပြေမှုများ ဖြစ်စေသည်။

COVID ကန့်သတ်ချက်များနှင့် ကြိုတင်ကာကွယ်မှုများကြောင့် လှုံ့ဆော်ပေးသော အွန်လိုင်းဗီဒီယိုအစည်းအဝေးသို့ မမျှော်လင့်ထားသော အပြောင်းအလဲမှ ဖိအားအောက်တွင်၊ ပြဿနာသည် ပိုမိုဆိုးရွားလာကာ များပြားလှသော ပရိသတ်တုံ့ပြန်မှုအစီအစဉ်များကို ကွန်ပျူတာအမြင်တွင် အကြံပြုထားပြီး ပြီးခဲ့သောနှစ်အနည်းငယ်အတွင်း သုတေသနအသိုင်းအဝိုင်းအပေါ် သက်ရောက်မှုရှိသည်။

Hardware-Focused ဖြေရှင်းချက်

သို့သော် ၎င်းတို့အများစုသည် လျှို့ဝှက်ရေး သို့မဟုတ် ထောက်ပံ့ပို့ဆောင်ရေးပြဿနာများကို မြှင့်တင်ပေးနိုင်သည့် အပိုပစ္စည်းများ သို့မဟုတ် ရှုပ်ထွေးသောဆော့ဖ်ဝဲများပါ၀င်သည် - ကုန်ကျစရိတ်မြင့်မားသော သို့မဟုတ် ကပ်ရောဂါကိုကြိုတင်ကာကွယ်နိုင်သော အရင်းအမြစ်-ကန့်သတ်ချဉ်းကပ်မှုပုံစံများပါဝင်သည်။ 2001 ခုနှစ်တွင် MIT မှအဆိုပြုခဲ့သည်။ Galvactivatorပါဝင်သူ ပရိသတ်၏ စိတ်ခံစားမှုအခြေအနေကို ရည်ညွှန်းသည့် လက်ဝတ်ဆင်ကိရိယာ၊ နေ့တာရှည် စာတမ်းဖတ်ပွဲအတွင်း စမ်းသပ်ခဲ့သည်။

2001 ခုနှစ်မှ စတင်၍ ပရိသတ်၏ ခံစားချက်နှင့် ထိတွေ့ဆက်ဆံမှုကို နားလည်ရန် ကြိုးပမ်းမှုဖြင့် အရေပြားလျှပ်ကူးနိုင်သော တုံ့ပြန်မှုကို တိုင်းတာသည့် MIT ၏ Galvactivator။ အရင်းအမြစ်- https://dam-prod.media.mit.edu/x/files/pub/tech-reports/TR-542.pdf

တတ်နိုင်သလောက် ပညာရပ်ဆိုင်ရာ စွမ်းအင်များစွာကိုလည်း မြှုပ်နှံထားသည်။ 'ကလစ်နှိပ်သူများ' ဖြန့်ကျက်ခြင်း၊ Audience Response System (ARS) အနေဖြင့် ပရိသတ်များ၏ တက်ကြွစွာပါဝင်မှုကို တိုးမြင့်စေသည့် အတိုင်းအတာတစ်ခု (ကြည့်ရှုသူကို တက်ကြွသောတုံ့ပြန်ချက်မုဒ်တစ်ခု၏ အခန်းကဏ္ဍသို့ တွန်းအားပေးသွားသောကြောင့်) ပရိတ်သတ်များ၏ တက်ကြွစွာပါဝင်မှုကို တိုးမြှင့်ပေးသည့် အတိုင်းအတာတစ်ခုဖြစ်သည်။ .

စပီကာနှင့် ပရိသတ်ကို 'ချိတ်ဆက်ရန်' အခြားကြိုးပမ်းမှုများလည်း ပါဝင်သည်။ နှလုံးခုန်နှုန်း စောင့်ကြည့်ခြင်း။electroencephalography ကို လွှမ်းမိုးရန် ရှုပ်ထွေးသော ခန္ဓာကိုယ် ဝတ်ဆင်ထားသော ကိရိယာများကို အသုံးပြုခြင်း၊ 'ရွှင်လန်းသောမီတာ'ကွန်ပျူတာအမြင်-အခြေခံ စိတ်ခံစားမှုအသိအမှတ်ပြုမှု စားပွဲမှ ချည်နှောင်ထားသော အလုပ်သမားများအတွက် နှင့် ပရိသတ်ကို ပေးပို့သည့် အသုံးပြုမှု ရုပ်ပြောင် မိန့်ခွန်းပြောနေစဉ်။

LMU Munich နှင့် Stuttgart တက္ကသိုလ်တို့မှ ပူးတွဲပညာရေးဆိုင်ရာ သုတေသနပရောဂျက်တစ်ခုဖြစ်သည့် EngageMeter သည် 2017 မှစတင်ခဲ့သည်။ Source: http://www.mariamhassib.net/pubs/hassib2017CHI_3/hassib2017CHI_3.pdf

အကျိုးအမြတ်များသော ပရိသတ်ခွဲခြမ်းစိတ်ဖြာမှု၏ ကဏ္ဍခွဲတစ်ခုအနေဖြင့် ပုဂ္ဂလိကကဏ္ဍသည် ငေးကြည့်မှု ခန့်မှန်းခြင်းနှင့် ခြေရာခံခြင်း- ပရိသတ်တစ်ဦးစီ (နောက်ဆုံးတွင် ပြောဆိုနိုင်သည့်) စနစ်များဖြစ်သည့် ပုဂ္ဂလိကကဏ္ဍသည် အထူးစိတ်ဝင်စားခဲ့သည်။ မျက်စိခြေရာခံခြင်း။ ထိတွေ့ဆက်ဆံမှုနှင့် အတည်ပြုမှုအညွှန်းကိန်းအဖြစ်။

ဤနည်းလမ်းအားလုံးသည် ပွတ်တိုက်မှု မြင့်မားသည်။ ၎င်းတို့ထဲမှ အများစုသည် စိတ်ကြိုက် ဟာ့ဒ်ဝဲများ၊ ဓာတ်ခွဲခန်း ပတ်ဝန်းကျင်များ၊ အထူးပြုနှင့် စိတ်ကြိုက်လုပ်ထားသော ဆော့ဖ်ဝဲလ်ဘောင်များနှင့် စျေးကြီးသော စီးပွားဖြစ် API များအတွက် စာရင်းသွင်းခြင်း သို့မဟုတ် ဤကန့်သတ်ချက်များ ပေါင်းစပ်မှုတစ်ခုခု လိုအပ်ပါသည်။

ထို့ကြောင့် ဗီဒီယိုကွန်ဖရင့်အတွက် သာမန်ကိရိယာများထက် အနည်းငယ်ပိုသော အခြေခံအနည်းငယ်သာသောစနစ်များ ဖွံ့ဖြိုးတိုးတက်လာမှုသည် ပြီးခဲ့သော 18 လအတွင်း စိတ်ဝင်စားဖွယ်ဖြစ်လာခဲ့သည်။

ပရိသတ်၏ နှစ်သက်မှုကို မသိမသာ အစီရင်ခံခြင်း။

ဤအဆုံးသတ်အတွက်၊ တိုကျိုတက္ကသိုလ်နှင့် Carnegie Mellon တက္ကသိုလ်တို့အကြား သုတေသနပူးပေါင်းဆောင်ရွက်မှုအသစ်တစ်ခုသည် ပေါ့ပါးသောကြည့်ရှုပြီး ပုံဆောင်သည့် ဝဘ်ကင်မရာအသုံးပြုသည့် ဝဘ်ဆိုဒ်ကိုသာ အသုံးပြု၍ ပုံမှန်ဗီဒီယိုကွန်ဖရင့်တူးလ်များ ( Zoom ကဲ့သို့သော) သို့ ပြန်လည်ရောက်ရှိနိုင်သည့် ဆန်းသစ်သောစနစ်တစ်ခုကို ပေးဆောင်ပါသည်။ ခန့်မှန်းချက်ဆော့ဖ်ဝဲကို လုပ်ဆောင်နေပါသည်။ ဤနည်းအားဖြင့် local browser plugins များလိုအပ်မှုကိုပင် ရှောင်ရှားနိုင်သည်။

အသုံးပြုသူ၏ ခေါင်းညိတ်မှုနှင့် ခန့်မှန်းမျက်လုံးအာရုံစူးစိုက်မှုကို စပီကာဆီသို့ ပြန်လည်မြင်ယောင်လာသည့် ကိုယ်စားလှယ်ဒေတာအဖြစ် ဘာသာပြန်ဆိုထားပြီး၊ အကြောင်းအရာသည် ပရိသတ်ကို ဆွဲဆောင်နိုင်သည့်အတိုင်းအတာအထိ 'တိုက်ရိုက်' litmus စမ်းသပ်မှုကို ပြုလုပ်နိုင်စေသည် - နှင့် အနည်းဆုံး အချိန်ကာလ၏ မရေရာသော ညွှန်ပြချက်တစ်ခုလည်းဖြစ်သည်။ ဟောပြောသူသည် ပရိသတ်စိတ်ဝင်စားမှု လျော့နည်းသွားနိုင်သည့် ဟောပြောချက်ဖြစ်သည်။

CalmResponses ဖြင့်၊ သုံးစွဲသူ၏အာရုံစူးစိုက်မှုနှင့် ခေါင်းညိတ်ခြင်းကို ပရိသတ်တုံ့ပြန်ချက်အစုအဝေးတွင် ပေါင်းထည့်ထားပြီး စကားပြောသူကို အကျိုးပြုနိုင်သည့် အမြင်ဆိုင်ရာကိုယ်စားပြုမှုအဖြစ် ဘာသာပြန်ဆိုထားသည်။ အသေးစိတ်နှင့် ဥပမာများအတွက် ဆောင်းပါး၏အဆုံးတွင် ထည့်သွင်းထားသော ဗီဒီယိုကို ကြည့်ပါ။ Source: https://www.youtube.com/watch?v=J_PhB4FCzk0

အွန်လိုင်း ဟောပြောပွဲများကဲ့သို့သော ပညာရေးဆိုင်ရာ အခြေအနေများစွာတွင်၊ ကျောင်းသားများသည် ၎င်းတို့၏နောက်ခံ သို့မဟုတ် လက်ရှိအသွင်အပြင်နှင့်ပတ်သက်၍ ကိုယ့်ကိုယ်ကိုယ်သတိရှိခြင်းကြောင့် ၎င်းတို့၏ကင်မရာများကို မဖွင့်ထားသောကြောင့် စပီကာမှ လုံးဝမမြင်ရနိုင်ပေ။ CalmResponses သည် စပီကာမှ အကြောင်းအရာကို မည်သို့ကြည့်ရှုနေသည်ကို အစီရင်ခံခြင်းဖြင့်၊ ကြည့်ရှုသူသည် ၎င်းတို့၏ကင်မရာကို အသက်သွင်းရန် မလိုအပ်ဘဲ ခေါင်းညိတ်နေပါက စပီကာတုံ့ပြန်ချက်အတွက် ဆူးအတားအဆီးကို ကိုင်တွယ်ဖြေရှင်းနိုင်ပါသည်။

အဆိုပါ စက္ကူ ခေါင်းစဉ်ဖြစ်ပါတယ် CalmResponses- အဝေးမှ ဆက်သွယ်မှုတွင် စုပေါင်း ပရိသတ် တုံ့ပြန်မှုများကို ပြသခြင်း။နှင့် UoT မှ သုတေသီနှစ်ဦးနှင့် Carnegie Mellon မှ တစ်ဦးတို့ကြား ပူးပေါင်းလုပ်ဆောင်ခြင်းဖြစ်သည်။

စာရေးဆရာများသည် တိုက်ရိုက် web-based ဒီမိုကို ကမ်းလှမ်းပြီး ထုတ်ဝေခဲ့သည်။ GitHub တွင်အရင်းအမြစ်ကုဒ်.

CalmResponses မူဘောင်

ခေါင်းညိတ်ခြင်းအတွက် CalmResponses ၏ စိတ်ဝင်စားမှုသည် သုတေသနအပေါ် အခြေခံသည် (အချို့က အော်ဟစ်ပြောဆိုသည်။ ဒါဝင်ခေတ်ကို ပြန်ရောက်သွားတယ်။) နားထောင်သူအားလုံး၏ 80% ကျော်၏ ဦးခေါင်းလှုပ်ရှားမှုကိုဖော်ပြသည်။ ခေါင်းညိတ်ခြင်းတို့ ပါဝင်ပါသည်။ (သူတို့ရှိနေချိန်မှာတောင် သဘောမတူကြောင်းဖော်ပြခြင်း။) တစ်ချိန်တည်းမှာပင် မျက်လုံးအကြည့်လှုပ်ရှားမှုများကို ပြသခဲ့သည်။ ကျော်လွန် များပြားသော လေ့လာမှုတွေ ယုံကြည်စိတ်ချရသော အကျိုးစီးပွား သို့မဟုတ် ထိတွေ့ဆက်ဆံမှုဆိုင်ရာ အညွှန်းကိန်းတစ်ခု ဖြစ်လာရန်။

CalmResponses ကို HTML၊ CSS၊ နှင့် JavaScript တို့ဖြင့် အကောင်အထည်ဖော်ပြီး စနစ်ခွဲသုံးမျိုးပါဝင်သည်- ပရိသတ် ကလိုင်းယင့်၊ စပီကာကလိုင်းယင့်နှင့် ဆာဗာတစ်ခုတို့ ဖြစ်သည်။ ပရိသတ်ဖောက်သည်များသည် cloud အပလီကေးရှင်းပလက်ဖောင်း Heroku ပေါ်ရှိ WebSockets မှတစ်ဆင့် သုံးစွဲသူ၏ဝဘ်ကင်မရာမှ မျက်လုံးအကြည့် သို့မဟုတ် ခေါင်းလှုပ်ရှားမှုဒေတာကို ဖြတ်သန်းသည်။

CalmResponses အောက်ရှိ ကာတွန်းလှုပ်ရှားမှုတစ်ခုတွင် ညာဘက်တွင် ပရိသတ်က ခေါင်းညိတ်ပြသည်ကို မြင်တွေ့ရသည်။ ဤအခြေအနေတွင် လှုပ်ရှားမှုအမြင်အာရုံကို ဟောပြောသူသာမက ပရိသတ်တစ်ခုလုံးအတွက်ပါ ရရှိနိုင်သည်။ အရင်းအမြစ်- https://arxiv.org/pdf/2204.02308.pdf

ပရောဂျက်၏ မျက်လုံးခြေရာခံခြင်းအပိုင်းအတွက် သုတေသီများက အသုံးပြုခဲ့သည်။ WebGazerဝဘ်ဆိုက်တစ်ခုမှ တိုက်ရိုက် latency နည်းပါးစွာဖြင့် လုပ်ဆောင်နိုင်သော ပေါ့ပါးသော JavaScript-based browser-based eye-tracking framework (သုတေသီများ၏ကိုယ်ပိုင် web-based အကောင်အထည်ဖော်မှုအတွက် အထက်လင့်ကိုကြည့်ပါ)။

ရိုးရှင်းသော အကောင်အထည်ဖော်မှုနှင့် ကြမ်းတမ်းသော လိုအပ်ချက်၊ စုစည်းမှု တုံ့ပြန်မှု အသိအမှတ်ပြုမှုသည် ငေးကြည့်မှုနှင့် ဟန်ပြခန့်မှန်းမှုတွင် မြင့်မားသောတိကျမှုလိုအပ်မှုထက် သာလွန်သောကြောင့်၊ အလုံးစုံတုံ့ပြန်မှုခန့်မှန်းချက်အတွက် ထည့်သွင်းစဉ်းစားခြင်းမပြုမီ ပျမ်းမျှတန်ဖိုးများအတိုင်း ထည့်သွင်းခြင်းအား ချောမွေ့စေသည်။

ခေါင်းညိတ်လုပ်ဆောင်ချက်ကို JavaScript စာကြည့်တိုက်မှတစ်ဆင့် အကဲဖြတ်သည်။ clmtrackrပုံများ သို့မဟုတ် ဗီဒီယိုများမှတဆင့် ရှာဖွေတွေ့ရှိထားသော မျက်နှာများအတွက် မျက်နှာပုံစံမော်ဒယ်များနှင့် ကိုက်ညီပါသည်။ ပုံမှန်မှတ်တိုင်ဆိုသည်မှာ အပြောင်းအလဲ. စီးပွားရေးနှင့် နှောင့်နှေးနှေးကွေးသော ရည်ရွယ်ချက်များအတွက်၊ ခေါင်းညိတ်ခြင်း လုပ်ဆောင်ချက်များကို ခြေရာခံရန် လုံလောက်ပြီဖြစ်သောကြောင့် စာရေးသူ၏ အကောင်အထည်ဖော်မှုတွင် နှာခေါင်းအတွက် တွေ့ရှိထားသော မှတ်တိုင်ကိုသာ တက်ကြွစွာ စောင့်ကြည့်နေပါသည်။

အသုံးပြုသူ၏နှာခေါင်းဖျားအနေအထား၏ ရွေ့လျားမှုသည် ခေါင်းညိတ်ခြင်းနှင့်သက်ဆိုင်သည့် ပရိသတ်တုံ့ပြန်မှုကို ပံ့ပိုးပေးသည့် လမ်းကြောင်းကို ဖန်တီးပေးကာ ပါဝင်သူအားလုံးကို စုစည်းထားသည့်ပုံစံဖြင့် မြင်သာစေပါသည်။

အပူမြေပုံ

ခေါင်းညိတ်လှုပ်ရှားမှုကို ရွေ့လျားနေသော အစက်များဖြင့် ကိုယ်စားပြုထားသော်လည်း (အထက်ပုံများနှင့် ဗီဒီယိုတွင် အဆုံးတွင်ကြည့်ပါ)၊ အမြင်အာရုံအာရုံကို မျှဝေထားသောတင်ဆက်မှုမျက်နှာပြင်ပေါ်တွင် အာရုံစိုက်ထားသည့် စပီကာနှင့် ပရိသတ်ကိုပြသသည့် အပူမြေပုံတစ်ခု၏ သတ်မှတ်ချက်များအရ အမြင်အာရုံကို အစီရင်ခံသည် ဗီဒီယိုကွန်ဖရင့်ပတ်ဝန်းကျင်။

ပါဝင်သူအားလုံးသည် ယေဘူယျအသုံးပြုသူများ၏ အာရုံစူးစိုက်မှုကို မည်သည့်နေရာတွင် မြင်နိုင်သည် ။ စာတမ်းတွင် အကြောင်းအမျိုးမျိုးကြောင့် အသုံးပြုသူသည် အခြားပါဝင်သူများ၏ 'ပြခန်း' ကို မြင်နိုင်သောအခါတွင် ဤလုပ်ဆောင်ချက်ကို ရနိုင်သည်ဆိုသည်ကို ဖော်ပြထားခြင်းမရှိပေ။

စမ်းသပ်မှုများ

ကွဲပြားသောအခြေအနေသုံးစုံကိုအသုံးပြု၍ CalmResponses အတွက် စမ်းသပ်မှုပတ်ဝန်းကျင်နှစ်ခုကို ပုံစံထုတ်ထားပြီး၊ 'Condition B' (baseline) တွင်၊ ကျောင်းသားအများစုသည် ၎င်းတို့၏ webcams များကို လှည့်ပတ်ထားလေ့ရှိသော ကျောင်းသားအများစု၏ ပုံမှန်အွန်လိုင်းကျောင်းသားဟောပြောပွဲကို ပုံတူကူးထားပါသည်။ ပိတ်ထား၍ ဟောပြောသူသည် ပရိသတ်၏မျက်နှာကို မြင်နိုင်စွမ်းမရှိ၊ 'အခြေအနေ CR-E' တွင်၊ စပီကာသည် ငေးကြည့်သည့် တုံ့ပြန်ချက် (အပူမြေပုံများ) ကို မြင်နိုင်သည်။ 'Condition CR-N' တွင်၊ စပီကာသည် ပရိသတ်ထံမှ ခေါင်းညိတ်ခြင်းနှင့် အကြည့်လှုပ်ရှားမှု နှစ်ခုလုံးကို မြင်နိုင်သည်။

ပထမစမ်းသပ်မှုအခြေအနေတွင် အခြေအနေ B နှင့် အခြေအနေ CR-E ပါ၀င်သည်၊ ဒုတိယအခြေအနေ B နှင့် condition CR-N တို့ပါဝင်သည်။ ဟောပြောသူနှင့် ပရိသတ်နှစ်ဦးလုံးထံမှ တုံ့ပြန်ချက်ရယူခဲ့သည်။

စမ်းသပ်မှုတစ်ခုစီတွင် အချက်သုံးချက်ကို အကဲဖြတ်ခဲ့သည်- တင်ပြချက်၏ ဦးတည်ချက်နှင့် အစီအစဥ်အကဲဖြတ်ခြင်း (တင်ဆက်ပုံနှင့်ပတ်သက်၍ ၎င်းတို့၏ခံစားချက်များနှင့် ပတ်သက်၍ ဟောပြောသူထံမှ ကိုယ်တိုင်အစီရင်ခံသည့်မေးခွန်းလွှာတစ်ခုအပါအဝင်)၊ 'အဖြည့်ခံ' မိန့်ခွန်း၏ အဖြစ်အပျက် အရေအတွက်၊ တဒင်္ဂမလုံခြုံမှုနှင့် ကွဲပြားမှုကို ညွှန်ပြသော၊ အရည်အသွေးဆိုင်ရာမှတ်ချက်များ။ အဲဒီသတ်မှတ်ချက်တွေ ရှိတယ်။ ဘုံ ခန့်မှန်းသူများ စကားပြောအရည်အသွေးနှင့် စကားပြောသူ၏စိုးရိမ်ပူပန်မှု။

စမ်းသပ်မှုတွင် အသက် ၁၉ နှစ်မှ ၄၄ နှစ်ကြား လူ ၃၈ ဦး ပါဝင်ပြီး ပျမ်းမျှ အသက် ၂၄.၇ နှစ်ရှိ အမျိုးသား ၂၉ ဦးနှင့် အမျိုးသမီး ကိုးဦး ပါဝင်ကြောင်း၊ ဂျပန် သို့မဟုတ် တရုတ်အားလုံးနှင့် ဂျပန်ဘာသာစကားကို ကျွမ်းကျင်သည်။ ၎င်းတို့ကို ပါဝင်သူ ၆-၇ ဦးဖြင့် အုပ်စုငါးစုသို့ ကျပန်းခွဲကာ ဘာသာရပ်တစ်ခုမှ တစ်ဦးနှင့်တစ်ဦး တစ်ဦးကိုတစ်ဦး မသိခဲ့ကြပါ။

စမ်းသပ်မှုများကို Zoom တွင် ပြုလုပ်ခဲ့ပြီး ပထမစမ်းသပ်မှုတွင် စပီကာငါးဦးနှင့် ဒုတိယတွင် ခြောက်ခုတို့ကို တင်ဆက်ပေးခဲ့သည်။

အဖြည့်ခံအခြေအနေများကို လိမ္မော်ရောင်သေတ္တာများအဖြစ် မှတ်သားထားသည်။ ယေဘုယျအားဖြင့်၊ ဖြည့်သွင်းသည့်အကြောင်းအရာသည် စနစ်မှ များပြားလာသော ပရိသတ်တုံ့ပြန်ချက်ကြောင့် ကျိုးကြောင်းဆီလျော်သော အချိုးကျသွားသည်။

စပီကာတစ်ဦး၏ဖြည့်စွက်စာများသည် သိသိသာသာလျော့နည်းသွားကြောင်း သုတေသီများက မှတ်သားထားပြီး 'အခြေအနေ CR-N' တွင် စပီကာသည် အဖြည့်စာစုများကို မကြာခဏပြောလေ့ရှိကြောင်း သုတေသီများက သတိပြုမိသည်။ အလွန်အသေးစိတ်နှင့် အသေးစိတ်ရလဒ်များကို အစီရင်ခံထားသော စာရွက်ကို ကြည့်ပါ။ သို့သော်၊ အထင်ရှားဆုံးရလဒ်များမှာ စပီကာများနှင့် ပရိသတ်ပါဝင်သူများထံမှ ပုဂ္ဂလဒိဋ္ဌိအကဲဖြတ်ခြင်းတွင်ဖြစ်သည်။

ပရိသတ်များ၏ မှတ်ချက်များ ပါဝင်သည်-

'တင်ဆက်မှုတွေမှာ ကျွန်မ ပါဝင်ခဲ့တယ်လို့ ခံစားမိပါတယ်" [AN2]၊ "စပီကာများရဲ့ မိန့်ခွန်းတွေ တိုးတက်ကောင်းမွန်လာတယ်ဆိုတာ မသေချာပေမယ့် တခြားသူတွေရဲ့ ဦးခေါင်းလှုပ်ရှားမှု စိတ်ကူးနဲ့ ညီညွတ်မှုကို ခံစားရတယ်။' [AN6]

'စပီကာများ' မိန့်ခွန်းများ တိုးတက်ကောင်းမွန်လာသည်ကို ကျွန်ုပ် မသေချာခဲ့ဘဲ အခြားသူများ၏ ဦးခေါင်းလှုပ်ရှားမှု စိတ်ကူးပုံဖော်ခြင်းမှ စည်းလုံးညီညွတ်မှုကို ခံစားခဲ့ရသည်။'

စပီကာသည် ဆက်လက်မလုပ်ဆောင်မီ ပရိသတ်တုံ့ပြန်ချက်များကို အကဲဖြတ်ရန် အမြင်အာရုံစနစ်အား ရည်ညွှန်းလိုသောကြောင့် စနစ်သည် စပီကာ၏တင်ဆက်မှုတွင် အတုခေတ္တရပ်ခြင်းပုံစံအသစ်ကို မိတ်ဆက်ကြောင်း သုတေသီများက မှတ်သားထားသည်။

အချို့သောပါဝင်သူများသည် ဇီဝမက်ထရစ်ဒေတာအတွက် စောင့်ကြည့်ခံရခြင်း၏ ဖြစ်နိုင်ခြေရှိသော လုံခြုံရေးဂယက်ရိုက်ခတ်မှုများကြောင့် အချို့သောပါဝင်သူများသည် စမ်းသပ်အခြေအနေများတွင် ရှောင်ရှားရန်ခက်ခဲသော 'အဖြူရောင်အင်္ကျီအကျိုးသက်ရောက်မှု' တစ်မျိုးကိုလည်း မှတ်သားထားသည်။

ကောက်ချက်

ဤကဲ့သို့သောစနစ်တစ်ခုတွင် ထင်ရှားသောအားသာချက်တစ်ခုမှာ ယင်းချဉ်းကပ်မှုတစ်ခုအတွက် လိုအပ်သော စံမဟုတ်သော ဆက်စပ်နည်းပညာများအားလုံးကို ၎င်းတို့၏အသုံးပြုမှုပြီးဆုံးပြီးနောက် လုံးဝပျောက်ကွယ်သွားခြင်းဖြစ်သည်။ ဖြုတ်ပစ်ရန် ကျန်ရှိသော ဘရောက်ဆာ ပလပ်အင်များ မရှိပါ၊ သို့မဟုတ် ၎င်းတို့၏ သက်ဆိုင်ရာ စနစ်များတွင် ဆက်ရှိနေသင့်သည်နှင့် ပတ်သက်၍ ပါဝင်သူများ၏ စိတ်ထဲတွင် သံသယများ သွင်းရန်၊ တပ်ဆင်ခြင်းလုပ်ငန်းစဉ်တစ်လျှောက် အသုံးပြုသူများကို လမ်းညွှန်ရန်မလိုအပ်ပါ (ဝဘ်အခြေခံဘောင်သည် သုံးစွဲသူမှ ကနဦးချိန်ညှိမှုတစ်မိနစ် သို့မဟုတ် နှစ်မိနစ်ခန့် လိုအပ်သော်လည်း) သို့မဟုတ် ဒေသန္တရဆော့ဖ်ဝဲလ်ထည့်သွင်းရန် လုံလောက်သောခွင့်ပြုချက်မရှိသော သုံးစွဲသူများ၏ ဖြစ်နိုင်ခြေကို လမ်းညွှန်ရန်၊ browser-based add-ons နှင့် extensions များ အပါအဝင်။

အကဲဖြတ်ထားသော မျက်နှာနှင့် မျက်စိလှုပ်ရှားမှုများသည် သီးသန့်ဒေသန္တရစက်သင်ယူမှုဘောင်များ (ဥပမာ YOLO စီးရီးကဲ့သို့) အသုံးပြုနိုင်သည့် အခြေအနေများတွင် ရှိနိုင်သကဲ့သို့ တိကျမှုမရှိသော်လည်း၊ ပရိသတ်အကဲဖြတ်ခြင်းအတွက် ဤသဘောထားကွဲလွဲမှုမရှိဘဲ ကျယ်ပြန့်သော သဘောထားနှင့် ရပ်တည်ချက်ခွဲခြမ်းစိတ်ဖြာမှုအတွက် လုံလောက်သောတိကျမှုကို ပေးပါသည်။ ပုံမှန် videoconference မြင်ကွင်းများတွင်။ အခြားအားလုံးထက်၊ ၎င်းသည်အလွန်စျေးသက်သာသည်။

နောက်ထပ်အသေးစိတ်အချက်အလက်များနှင့် ဥပမာများအတွက် အောက်ပါဆက်စပ်ပရောဂျက်ဗီဒီယိုကို ကြည့်ရှုပါ။

ဧပြီလ 11 ရက် 2022 တွင် ပထမဆုံး ထုတ်ဝေခဲ့သည်။