﻿<?xml version="1.0" encoding="utf-8"?>
<ArticleSet>
  <ARTICLE>
    <Journal>
      <PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName>
      <JournalTitle>راهبرد توسعه</JournalTitle>
      <ISSN>1735-2460</ISSN>
      <Volume>21</Volume>
      <Issue>83</Issue>
      <PubDate PubStatus="epublish">
        <Year>2025</Year>
        <Month>12</Month>
        <Day>9</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Providing a body language analysis model using artificial intelligence applications for the blind</ArticleTitle>
    <VernacularTitle>رویکرد ترکیبی تحلیل زبان بدن مبتنی بر هوش مصنوعی برای ارائه بازخورد شنیداری به نابینایان</VernacularTitle>
    <FirstPage>186</FirstPage>
    <LastPage>200</LastPage>
    <ELocationID EIdType="doi" />
    <Language>fa</Language>
    <AuthorList>
      <Author>
        <FirstName> سهیل</FirstName>
        <LastName> نادری</LastName>
        <Affiliation> دانشگاه آزاد اسلامی واحد علوم و تحقیقات</Affiliation>
      </Author>
      <Author>
        <FirstName>طهمورث</FirstName>
        <LastName>شیری</LastName>
        <Affiliation>دانشگاه ازاد اسلامی واحد تهران مرکز</Affiliation>
      </Author>
      <Author>
        <FirstName>افسانه</FirstName>
        <LastName>مظفری</LastName>
        <Affiliation>دانشگاه آزاد اسلامی-واحد علوم تحقیقات تهران</Affiliation>
      </Author>
      <Author>
        <FirstName>محمد</FirstName>
        <LastName>سلطانی فر</LastName>
        <Affiliation>دانشگاه آزاد اسلامی-واحد علوم تحقیقات تهران</Affiliation>
      </Author>
    </AuthorList>
    <History PubStatus="received">
      <Year>2025</Year>
      <Month>9</Month>
      <Day>6</Day>
    </History>
    <Abstract>&lt;p&gt;Human communication is largely based on non-verbal cues, including body movements, facial expressions, and tone of voice. Blind people face fundamental difficulties in understanding these cues due to their limited visual perception, which limits the quality of their interpersonal communication and social participation. The aim of the present study was to design and explain a native model for body language analysis based on artificial intelligence with a needs-based approach for the blind. The research method was qualitative and based on Grounded Theory in the Glaser method. The statistical population consisted of 19 IT experts and 13 blind users who were selected through purposive sampling. The data collection tool was semi-structured and in-depth interviews. The data were analyzed through an open, axial, and selective coding process, and the continuous comparison process continued until theoretical saturation. The findings showed that the core category of designing an intelligent body language analysis model for the blind was extracted from the data. Key factors identified included emotion intensity, gaze direction, interaction distance, and movement shoulders, which play a fundamental role in social interactions. Participants emphasized that the desired technology should be simple, low-cost, portable, and based on real-time audio feedback. This model, while improving the quality of communication for the blind, also has the potential to be developed in the fields of education, employment, and rehabilitation. The results of the study, in addition to providing theoretical innovation in the field of communication and disability studies, also provide a new perspective for the development of intelligent assistive technologies from an applied perspective. Therefore, the use of artificial intelligence algorithms in combination with human-centered design can be an effective solution to reduce the communication gap for the blind&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;ارتباط انسان&amp;zwnj;ها بخش عمده&amp;zwnj;ای از معنا و پیام&amp;zwnj;های خود را از طریق نشانه&amp;zwnj;های غیرکلامی مانند حرکات بدن، حالات چهره و لحن صدا منتقل می&amp;zwnj;کند؛ به&amp;zwnj;طوری که تحقیقات نشان داده&amp;zwnj;اند بیش از ۶۵ درصد اطلاعات ارتباطی از طریق این نشانه&amp;zwnj;ها به مخاطب منتقل می&amp;zwnj;شود. افراد نابینا به دلیل محرومیت از ادراک دیداری این نشانه&amp;zwnj;ها، در درک عواطف، نگرش&amp;zwnj;ها و پیام&amp;zwnj;های پنهان دیگران دچار چالش&amp;zwnj;های اساسی هستند که منجر به محدودیت در کیفیت تعاملات میان&amp;zwnj;فردی و آسیب به مشارکت اجتماعی آنان می&amp;zwnj;گردد. در این پژوهش، با هدف کاهش این شکاف ارتباطی، الگویی ترکیبی برای تحلیل زبان بدن مبتنی بر فناوری هوش مصنوعی و ارائه بازخورد شنیداری مؤثر به نابینایان طراحی شده است. رویکرد تحقیق به&amp;zwnj;صورت ترکیبی و از نوع کیفی با بهره&amp;zwnj;گیری از نظریه داده&amp;zwnj;بنیاد (Grounded Theory) به سبک گلیزر است و داده&amp;zwnj;ها از طریق ۱۳ مصاحبه عمیق با نابینایان و ۱۹ مصاحبه نیمه&amp;zwnj;ساختاریافته با متخصصان فناوری اطلاعات گردآوری شده است. تحلیل داده&amp;zwnj;ها به کمک روش سه&amp;zwnj;مرحله&amp;zwnj;ای کدگذاری باز، محوری و انتخابی انجام و تا حصول اشباع نظری ادامه یافته است. مقوله محوری استخراج&amp;zwnj;شده، &amp;laquo;طراحی انسانی&amp;zwnj;محور ابزار هوشمند تحلیل زبان بدن با تأکید بر بازخورد صوتی بلادرنگ&amp;raquo; می&amp;zwnj;باشد که در برگیرنده مؤلفه&amp;zwnj;های کلیدی شامل شدت هیجان، جهت نگاه، فاصله تعاملی و حرکات شانه است. الگوی نهایی ارائه شده، شامل سخت&amp;zwnj;افزار هندزفری دوربین&amp;zwnj;دار و نرم&amp;zwnj;افزار هوشمند روی گوشی تلفن&amp;zwnj;همراه است که داده&amp;zwnj;های تصویری و صوتی محیط را به صورت آنی تجزیه و تحلیل و به&amp;zwnj;طور بلادرنگ بازخورد صوتی قابل فهم به کاربر ارائه می&amp;zwnj;کند. نتایج نشان می&amp;zwnj;دهد این الگو می&amp;zwnj;تواند تأثیر چشمگیری در بهبود ارتباطات نابینایان در حوزه&amp;zwnj;های آموزشی، کاری و اجتماعی داشته باشد و علاوه بر نوآوری نظری، چشم&amp;zwnj;اندازی کاربردی برای توسعه فناوری&amp;zwnj;های کمکی هوشمند فراهم نماید.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="Keyword">
        <Param Name="Value">هوش مصنوعی، تحلیل زبان بدن، بازخورد شنیداری، نابینایان، نظریه داده‌بنیاد، فناوری کمکی.</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="Pdf">http://rahbord-mag.ir/fa/Article/Download/52441</ArchiveCopySource>
  </ARTICLE>
</ArticleSet>