批判性地思考自动检测行为的算法：社会和行为科学家的11条指导方针

发展心理学家越来越多地利用移动和可穿戴传感器，结合机器学习和人工智能(AI)，自动检测被认为推动发展的日常行为和互动。这些技术提供了捕捉学习者真实世界体验的机会，对基础科学和干预具有广泛的影响。然而，许多发展学家缺乏批判性评估用于自动检测行为的模型准确性的培训，并可能没有意识到在实际环境中实施这些方法的各种挑战。为了推动该领域研究和创新的下一波浪潮，我们为读者提供了一套11条实用指导方针，使研究人员能够获得批判性视角，能够以技术上合理、伦理上负责和实用的方式利用或共同设计系统。我们的指导方针突出了使用AI进行研究和干预的常见陷阱和挑战，并结合了为在该领域工作的研究人员提供的最佳实践和实用建议。它们涵盖了模型可推广性的限制、对准确性统计的谨慎解释的建议、现实可行性的重要性、伦理部署以及与社区的持续互动的跨学科合作。总体而言，这些指导方针为推进发展科学中活动识别工具的严谨性、公平性和影响力提供了基础。