Einsatz von Mikroexpressionserkennungssoftware in Apps zur Entwicklungsförderung emotionaler Intelligenz bei Kindern mit Autismus-Spektrums-Störung

Inhaltsverzeichnis

1. Einleitung

2. Mikroexpressionen
2.1 Definition
2.2 Facial Action Coding System

3. Autismus

4. Programme
4.1 Eilert Akademie
4.2 SHORETM
4.3 Capture My Emotion

5. Evaluation
5.1 Ergebnisse
5.2 Limitationen und Zukunft

6. Zusammenfassung

Literaturverzeichnis

1. Einleitung

Wir sind jeden Tag von ihnen umgeben. Sie steuern meist unseren Tagesablauf, beeinflussen große Entscheidungen, können uns hochschweben und tief fallen lassen: Emotionen. Als Mensch sind wir darauf angewiesen sie zu sehen, zu interpretieren und selbst zu zeigen. Jeden Tag werden wir überflutet von Reizen, Aussagen, Gesichtsausdrücken und Regungen aller Art. Sie geben uns Aufschluss über den Gefühlszustand unseres Gegenübers, helfen uns ihn nachzuvollziehen und geben manchmal preis, dass Menschen nicht immer das meinen, was sie sagen.

Die Tatsache, dass wir Freundschaften oder Beziehungen haben, einem Studium nachgehen und uns meistens im Alltag mühelos verständigen, zeigt, dass wir ganz unbewusst kompetent sind, die Ausdrücke, die unser Gegenüber uns preisgibt, zu dekodieren. Doch nicht allen Menschen fällt das leicht. Menschen mit Autismus-Spektrum-Störungen (ASS) haben große Probleme beim Deuten und Erkennen von Emotionsausdrücken (vgl. R. JD 2011). Besonders Kindern mit ASS bereitet dies große Schwierigkeiten in sozialen Kontexten. Oft werden sie Opfer von Mobbingattacken und haben große Probleme Freundschaften zu knüpfen. (vgl. Schirmer, 2011)

Daraus ergibt sich für mich die folgende Forschungs-Frage, die ich in dieser Arbeit untersuchen werde:

Kann das Wissen über Mikroexpressionen zusammen mit moderner Technik in interaktiven Apps, Kindern mit ASS und ihren Eltern, Erziehern oder Pflegern, das Erkennen und den Umgang mit Emotionen vereinfachen?

Zu Beginn definiere ich den Begriff „Mikroexpressionen“ und gehe kurz auf das Facial Action Coding System (FACS) von Paul Ekman ein. Im Anschluss gehe ich kurz auf den Begriff Autismus ein und arbeite heraus, welche Form von Autismus-Spektrum-Störungen besonders effektiv gefördert werden können. Basierend auf den ersten zwei Abschnitten leite ich über zu bereits bestehenden Programmen. Hierbei stelle ich die Programme progressiv vor, wobei sich nach und nach herauskristallisiert welche Implikationen zu beachten sind, um die Emotionale Intelligenz von Kindern mit ASS nachhaltig zu fördern. Darauf folgend berichte ich von einer Pilotstudie, welche die Effekte von Trainingsprogrammen mit Einsatz von Mikroexpressionserkennungssoftware für Kinder mit ASS evaluiert. Zum Ende der Arbeit gebe ich einen Ausblick in die Zukunft und ziehe ein Resümee.

2. Mikroexpressionen

2.1 Definition

Mikroexpressionen sind sehr kurze, unwillentlich auftretende Gesichtsausdrücke, die in emotional hoch bedeutsamen Situationen auftreten. Hierbei spielt die Themenrelevanz eine große Rolle: Je wichtiger ein Thema für eine Person ist, desto stärker sind die damit verbundenen Gefühle, und damit auch der Ausdruck der Mikroexpression. Mikroexpressionen verkörpern die sieben Basisemotionen (nach Ekman) des Menschen: Freude, Ärger, Überraschung, Ekel, Verachtung, Angst und Trauer. (Vgl. P. Ekman, Gefühle lesen, 2004) (Ekman P. , Gefühle lesen: Wie Sie Emotionen erkennen und richtig interpretieren, 2004)

Seit der Entdeckung in den 1960 Jahren durch die Psychologen Isaacs und Ekman (vgl. Ekman 2004) findet Mikroexpressionserkennung Einsatz in der Wirtschaft, Sicherheitstechnik und sogar in Gerichtsprozessen (Ekman, 2009)

Für die meisten Menschen bleiben Mikroexpressionen, die nur 40-500 ms dauern (vgl. Eilert 2013) verborgen, bzw. unter der Bewusstseinsschwelle.

2.2 Facial Action Coding System

Um die bislang unbekannten Gesichtsregungen zu katalogisieren und messbar zu machen entwickelte der amerikanische Psychologe Paul Ekman das Facial Action Coding System (FACS). Das FACS soll alle wahrnehmbaren Gesichts- und zudem Kopf- und Augenbewegungen erfassen. Dazu ist das Gesicht in 44 sog. Action Units (AU) eingeteilt. (Vgl. Ekman). Damit kann bestimmt werden, welche Gesichtsmuskeln bei welchen Emotionsausdrücken beteiligt sind.

3. Autismus

Der Begriff Autismus wird oft sehr allgemein verwendet. Korrekter Weise spricht man von einer Autismus-Spektrums-Störung (ASS). Menschen mit ASS leiden unter einer Beeinträchtigung der sozialen Interaktion sowie unter einem mangelnden, Einfühlungsvermögen, geschuldet durch die unzureichende Fähigkeit, den emotionalen Ausdruck eines Gegenübers angemessen zu interpretieren (vgl. Gregor Domes, 2008 S.261). Viele Menschen mit ASS, leiden zudem an Alexithymie: ihnen fällt der Zugang und die Einschätzung eigener Gefühle sehr schwer (vgl. Saalfrank 2015).

Autismus-Spektrums-Störungen, die zu den „tiefgreifenden Entwicklungsstörungen“ (Gregor Domes, 2008, S. 261) zählen, gliedern sich in mehrere Bereiche:

- den frühkindlichen Autismus (FA, Morbus Kanner),
- das Asperger-Syndrom (AS),
- der atypische Autismus
- und der so genannte „high functioning autism“ (HFA).

Kinder mit ASS weisen zudem fein- und grobmotorische Koordinationsstörungen auf, was in der Entwicklung von Apps, berücksichtigt werden muss.

Bei der Entwicklung von Apps und Programmen zur Unterstützung der Emotionserkennungsfähigkeit stehen besonders Kinder mit „high functioning autism“ im Fokus. Diese Dimension des Autismus charakterisiert sich durch subtilere Symptome: u.a. eine, verglichen mit den anderen Formen autistischer Störungen, bessere Feinmotorik (vgl. Design of emotion-aware mobile apps for autistic children , 2014 S. 23), einer höheren gesundheitsbezogenen Lebensqualität (gbLQ) (vgl. Inge Kamp-Becker, 2010).

Kamp-Becker et al. untersuchten in einer Studie anhand eines validierten Fragebogens zur Erfassung der gbLQ (WHOQOL-BREF), die gesundheitsbezogene Lebensqualität von Patienten mit ASS mit IQ > 70 aus Patientenperspektive. Untersucht wurden 26 männliche Jugendliche und junge Erwachsende mit diagnostiziertem Asperger-Syndrom, High Functioning Autismus oder Atypischer Autismus. Die Ergebnisse zeigten, dass die durchschnittlichen Werte des Fragebogens auf den Subskalen: „Körperliche Gesundheit“, „Psychische Gesundheit“ und „Umwelt“, verglichen mit Gesunden aus der zugrundeliegenden Population, signifikant niedriger waren. Jedoch wiesen Patienten mit hochfunktionalem ASS, im Vergleich zu den Werten von Patienten mit anderen autistischen Störungen, einen hohen Wert auf der Subskala „Lebenspraktische Fertigkeiten“ auf (vgl. Inge Kamp-Becker, 2010). „Es zeigte sich eine signifikante Assoziation zwischen gbLQ und der Domäne „Lebenspraktische Fertigkeiten“ (Inge Kamp-Becker, 2010, S. 2), deswegen sollte laut Kamp-Becker et. al die Förderung lebenspraktischer Fertigkeiten bei der Entwicklung von Therapieprogrammen besonders im Fokus stehen (vgl. Inge Kamp-Becker, 2010). Diese Ergebnisse und die subtileren Symptome von hochfunktionalem ASS (u.a. bessere Feinmotorik, siehe oben) zeigen, warum sich die Entwicklung von Apps und Programmen besonders auf Kinder mit „high functioning autism“ konzentriert (vgl. Gay & Leijdekkers 2014).

Allgemein zeigt sich, dass Patienten mit ASS mimischen Reizen eine geringere Bedeutung zuschreiben (vgl. Gregor Domes, 2008). Kevin A. Pelphrey et al. analysierten die Fokuspunkte von Patienten mit ASS und einer gesunden Kontrollgruppe bei dem Betrachten des Bilderkatalogs “pictures of facial affect.” von Ekman und Friesen’ (1976). Es zeigte sich, dass Versuchspersonen mit ASS, im Vergleich zur Kontrollgruppe, weniger die Augenpartien der emotionalen Gesichter fixierten und deren Fokuspunkte diffus variierten (vgl. (Kevin A. Pelphrey, 2002)). Hier sollte der Ansatz bei der Entwicklung von Apps und Programmen zur Entwicklung von Emotionswahrnehmung und -verständnis sein.

Das Ziel solcher Apps sollte die Förderung der Wahrnehmung und die Einordnung von Emotionen sein. Welche Programme es bereits gibt und durch was sie sich auszeichnen, stelle ich im Folgenden genauer dar.

4. Programme

Das Wissen jahrelanger Forschung findet Anwendung in Online-Trainings (Eilert Akademie , [Zugriff: 06.07.2016]) zum Erlernen von Mikroexpressionserkennung.

Außerdem unterstützte das Fraunhofer Institut die Entwicklung einer Software für Google Glass, einer Brille mit eingebauter intelligenter Kamera, (vgl. SHORE™, 2016). Mit SHORETM soll es möglich sein, Emotionen, Geschlecht, Alter unseres Gegenübers in Echtzeit deuten zu können (vgl. SHORE™, 2016).

Besonders zugeschnitten auf Kinder mit ASS, verwendet die App „Capture my Emotion“ ähnliche Programme, um den Kindern den Umgang mit Emotionen zu erleichtern (vgl. Gay & Leijdekkers 2014). Die Programme zur Emotionserkennung basieren auf komplexen Algorithmen, die 3D Rekonstruktionen von Gesichtern herstellen und analysieren. Im Folgenden erläutere ich die einzelnen Programme und Apps etwas genauer.

4.1 Eilert Akademie

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Online Selbsttest: Mimikresonanz.

URL: http://www.mikroexpressionen.de/viewcourse.php?cid=50&action=list#. Zugriff: [15.07.2016]

Der Berliner Unternehmer und durch Paul Ekman zertifizierter FACS- Coder, Dirk W. Eilert, hat ein Online-Training zu Verbesserung der Fähigkeit zur Erkennung von Mikroexpressionen entwickelt (Eilert-Akademie, [Zugriff: 06.07.2016]). In einer benutzerfreundlichen Oberfläche

Die Mikroexpressionen werden auf Fotografien dargestellt, wobei die Anzeigedauer der Emotionsausdrücke in der Mimik manuell einstellbar sind. Vor und nach der Expression sieht der Nutzer das Gesicht mit neutralem Ausdruck. Sofern er das schnelle (Zeit manuell einstellbar, siehe oben) Aufblitzen der Mikroexpression erkannt hat, kann der Nutzer aus den nebenstehenden sieben Basisemotionen auswählen. Bei Klick auf das Symbol in Form eines Blitzes kann sich der Nutzer den Ausdruck der Emotion noch einmal angucken. Bei Klick auf das Symbol „i“ erhält der Nutzer die prototypischen Erscheinungsbilder der Emotionen in einer Übersicht aufgelistet. Das Training dient zur Selbsttestung und bietet einen guten ersten Einstieg in das Thema. Allerdings ist es nicht auf Kinder mit ASS zugeschnitten und beinhaltet auch keine Speicher-, oder Kommentarfunktion weshalb es für einen therapeutischen Einsatz nicht geeignet ist.

4.2 SHORETM

Das Fraunhofer Institut unterstützt die Entwicklung einer Software für Google Glass, einer Brille mit eingebauter intelligenter Kamera, (vgl. SHORE, Zugriff: 18.07.2016). Mit SHORETM soll es möglich sein, Emotionen, Geschlecht, Alter eines Gegenübers in Echtzeit deuten zu können.

[...]