几十年来，自闭症研究一直聚焦于描述行为和识别诊断模式。但新一代研究正从单纯的描述迈向测量、精准和情境分析。
在近期发表的诸多研究中，一个共同主题逐渐浮现：研究者正将行为科学与技术相结合，以自然的方式观察沟通、情绪和学习过程。这一转变并非要用机器取代人类洞察力，而是借助更智能的工具，更清晰地洞察那些一直存在却未被充分认知的现象。
以新视角理解自闭症
传统评估方法依赖于结构化观察和照料人报告。这些方法固然重要，但有时会错过沟通起始和发展过程中最早、最细微的迹象。这一不足促使Choi – Tucci等人（2025）开发了《意向性沟通编码量表即一种量化婴儿如何有目的地运用目光、发声和手势的测量工具。
为此，研究团队使用了诺达思的行为观察记录分析系统（The Observer XT）。通过对照料者与婴儿互动视频逐帧标注，研究者不仅能够捕捉到发生了哪些行为，还能了解这些行为是如何以及何时指向他人的。例如，当照料者问“猴子怎么叫？”时，一个孩子抬起头，发出“唧唧”声。这一小小的举动清楚地表明孩子意识到了对方的存在。
行为观察记录分析系统 (The Observer XT)
行为观察记录分析系统 (The Observer XT)
这种细致入微的研究使得以客观和可重复的方式，使研究早期社会沟通中微妙却至关重要的方面成为可能。其结果是形成了一套编码系统，能够将自然互动转化为结构化、可量化的数据，帮助研究者和临床医生比以往更早地发现有意义的发展模式。
从行为数据中洞察信息
Bahrami Rad等人（2025）的另一项研究进一步拓展了这一方法。他们的团队使用可穿戴数据采集系统记录存在多种残疾和自闭症且表现出挑战性行为个体的生理信号，如肌肉活动、皮肤电活动和皮肤温度。
研究者使用The Observer XT对视频中的每个行为进行编码，并将其与可穿戴数据采集系统收集的数据相关联。这使得他们能够逐秒观察运动或身体信号（如兴奋度增加）的变化如何与特定情绪或行为相联系。
研究结果令人瞩目：运动模式往往是压力或烦躁情绪最早且最强烈的指示信号。这些发现为预测建模指明了方向，即该系统能够在行为升级（如发展为自伤行为）之前提醒照料者。
期间，The Observer XT作为数据同步的支柱，确保生理测量与行为数据紧密结合。其结果是形成了对情绪调节丰富且多层次的理解。
使用FaceReader精准解读情绪并验证参与度
虽然行为观察和生理指标能够揭示人们的行为，但要理解他们的感受，还需要另一层面的分析。Erkan Kurnaz（2025）在他的研究中探索了视频自我建模（VSM）——学习者观看自己成功完成任务视频的教学技巧。这种方法基于这样的理念：看到自己的成功能够增强自信心、动机和行为学习。
VSM长期以来一直用于行为和特殊教育研究，以帮助自闭症儿童发展社交、沟通和学习能力。它结合了两个有效要素：
自我观察：学习者看到自己正确的行为，从而强化期望的技能；
积极示范：示范者（学习者自身）具有内在的熟悉感和可预测性，这有助于减轻焦虑并促进专注。
在这项研究中，VSM被应用于教授无插件编程技能，即不使用计算机介绍编程逻辑的活动。孩子们通过卡片、拼图和运动游戏等动手材料学习序列、循环和条件推理的基础知识。这些练习以触觉、视觉和具体的方式帮助孩子们像程序员一样思考，适合许多自闭症学习者。
在实施VSM干预之前，研究团队希望验证被试是否愿意观看自己录制的视频。为此，他们使用诺达思的面部表情分析系统（FaceReader）分析孩子们观看自己视频片段与空白屏幕视频时的面部表情。
面部表情分析系统 (FaceReader)
面部表情分析系统 (FaceReader)
FaceReader能够自动检测出快乐、悲伤和惊讶等情绪，为每个孩子的情感反应提供客观数据。结果显示，孩子们在观看自己成功表现的片段时，表现出更多积极的面部表情，这证实了他们对这一过程的喜爱和投入。
这一验证步骤至关重要：它表明视频自我建模不仅可行，而且具有情感激励作用。通过将VSM与自动情绪分析相结合，该研究清晰地展示了技术如何使自闭症教育中的学习和情感参与变得可测量和可视化。
基于现实生活的研究
这些研究的一个显著特点是其生态效度，即研究在现实生活环境中进行，如家庭、教室或日常活动，而非在受控的实验室环境中。
Choi – Tucci的研究观察了照料者与婴儿的自发游戏。
Bahrami Rad的研究在教室和居住环境中开展。
- Kurnaz的干预在真实的学习环节中进行。
在每种情况下，Noldus的工具都能够在不干扰自然互动的情况下进行严格的数据收集。The Observer XT提供了精确的时间标注和注释功能，而FaceReader则能够对非结构化视频进行自动情绪分析。二者共同作用，使研究者能够在保持科学严谨性的同时，保留研究的现实性。
这种自然情境与客观数据的结合标志着方法论上的重要进步：自闭症研究既具有现实性又具有可重复性。
自闭症研究的整体转变
这些研究共同凸显了一个重要的演变：自闭症研究正变得更加多模态、定量化，并对现实世界的复杂性做出响应。
其中，有三个更广泛的转变尤为突出：
从特征到过程：研究者不再仅仅关注诊断特征，而是研究沟通、压力或学习如何随时间展开。自闭症不再被视为一种静态状况，而是个体与环境之间的动态互动。
从临床到技术精准：可穿戴数据采集系统、行为编码系统和自动视频分析等工具增加了客观性和可重复性。它们使研究团队能够检测到人类可能忽略的细微变化，这对于早期干预和进展监测尤其有用。
从观察到整合：通过结合视频编码、生理数据和情绪分析，研究者能够为每个参与者的体验构建多层次的图景。其结果不仅是更多的数据，而是更丰富、具有情境意识的理解。
至关重要的是，技术应该扩展而非取代人类的理解。
The Observer XT 和 FaceReader 之所以强大，是因为它们扩展了人类的专业知识。每个数据点背后都是一个情感和行为同样值得同情的个体。
展望未来：从数据到理解
将这些研究联系在一起的是从观察行为到理解体验的转变。通过使用Noldus的工具同步观察、情绪和环境，研究者现在能够实时追踪学习、沟通和压力如何相互作用。通过将Noldus的工具与可穿戴数据采集系统和教育创新相结合，研究者可以实现：
在语言发展之前测量沟通意向。
通过同步的运动和生理指标检测早期痛苦信号。
- 通过面部表情分析量化学习中的情感参与。
当行为科学与技术相结合时，自闭症研究将与日常生活更加紧密相连。它使我们不仅仅局限于“自闭症是什么样的？它感觉如何、如何发展以及如何适应？”这样的问题，而是能够提出更丰富的探讨。
参考文献
- 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.
