Talemodel finder spor af træthed – men fejlmarginen er stor

Kan stemmen afsløre, hvor træt et menneske er? En ny undersøgelse offentliggjort 3. november i npj Digital Medicine finder målbare sammenhænge mellem tale og flere former for træthed. Men resultaterne viser også, hvorfor en lydoptagelse endnu ikke kan fungere som en sikker måler af den enkeltes tilstand.

Forskerne undersøgte 1.197 deltagere fra seks lande. 83 procent arbejdede i skift. Gennem to uger indsamlede deltagerne data på egne enheder med opgaver før og efter arbejdet. Efter datarensning indgik 29.525 taleoptagelser.

Stemmens lyd frem for ordenes betydning

Opgaverne omfattede oplæsning, oplæsning af meningsløs tekst og beskrivelse af et billede. Modellerne brugte egenskaber ved talens lyd frem for en fortolkning af det, deltagerne sagde. Forskerne sammenholdt dem med blandt andet selvrapporteret søvnighed og tiden siden søvn.

Det er en væsentlig forskel. En talemodel behøver i dette forsøg ikke høre en person sige, at vedkommende er udmattet. Den leder efter statistiske mønstre i måden, talen frembringes på. Det gør metoden interessant som et muligt supplement til spørgeskemaer, fordi selve taleopgaven kan gentages under nogenlunde ens betingelser.

Undersøgelsen skelner samtidig mellem træthedens dimensioner. At være søvnig er ikke nødvendigvis det samme som at være fysisk udmattet eller mangle motivation. En metode, der skal bruges uden for laboratoriet, må kunne håndtere den forskel i stedet for at behandle alle tilstandene som én fælles størrelse.

En sammenhæng er ikke et præcist ur

En testgruppe på 121 personer var holdt adskilt fra træningen. For tiden siden søvn opnåede modellen en rangkorrelation på 0,365 og en fejl målt som RMSE på 5,78 timer. Sammenhængene med de subjektive træthedsmål var svagere.

Korrelationstallet betyder ikke, at modellen ramte rigtigt i 36,5 procent af tilfældene. Det beskriver, hvor godt modellens rækkefølge fulgte deltagernes rapporterede værdier. En model kan godt skelne statistisk mellem højere og lavere værdier og samtidig ramme langt ved siden af for et bestemt menneske.

Fejlen i timer giver derfor et vigtigt korrektiv til nyhedens lovende side. At kunne finde et signal i stemmen er et forskningsresultat. At kunne give en medarbejder et pålideligt svar på, om det er forsvarligt at fortsætte arbejdet, er en langt større opgave. Denne undersøgelse dokumenterer ikke sådan en anvendelse.

Personens egen historik hjælper

Modeller med tidligere oplysninger om samme person klarede sig bedre. Det peger på, at en brugbar løsning kan kræve et personligt sammenligningsgrundlag frem for én universel stemmestandard. Men en simpel baseline baseret på personens tidligere gennemsnit klarede sig også godt.

Den sammenligning er vigtig: En avanceret analyse skal bidrage med mere end det, man allerede kan udlede af tidligere registreringer. Ellers risikerer systemet blot at sætte et teknisk lag oven på kendt information. Bedre resultater med personlige data er derfor ikke i sig selv et bevis på, at stemmen leverer hele forbedringen.

Også målepunkterne kræver omtanke. Deltagernes oplysninger om søvn var selvrapporterede. Modellen blev altså ikke sammenholdt med en direkte, objektiv registrering af alle deltagernes søvn. Den lærer et forhold til det valgte sammenligningsmål, inklusive den usikkerhed der følger med måden, oplysningerne er indsamlet på.

To uger giver ikke hele billedet

Forsøgets korte varighed begrænser, hvad man kan sige om stabilitet gennem måneder, skiftende arbejdsperioder og ændringer i hverdagen. En separat testgruppe er en styrke, men den erstatter ikke afprøvning i en ny, uafhængig population under andre forhold.

Forfatterne efterlyser yderligere validering. De oplyser også kommercielle interesser knyttet til Thymia, herunder mulig produktudvikling og patentansøgninger. Det ændrer ikke de rapporterede tal, men giver relevant baggrund for læsningen.

Det konkrete fremskridt er således et bedre kort over, hvilke træthedssignaler tale kan rumme. Næste afgørende skridt bliver at vise, hvornår signalerne tilfører pålidelig viden om en person – og hvor ofte de tager fejl.