تقييم ويرابليس المعصم التجارية قبالة الجرف لتقدير الضغط على الطلاب
Summary
ومن المقترح وضع بروتوكول لتقييم حلول تقوم على أساس تجاري قبالة الجرف ويرابليس المعصم (عمر) لتقدير الإجهاد في الطلاب. البروتوكول تتم في مرحلتين، أولية المستندة إلى مختبر التعريفي اختبار إجهاد، ومرحلة رصد الجارية في الفصول الدراسية أثناء قيام الطالب الأنشطة الأكاديمية.
Abstract
يمكن ارتداؤها من الأجهزة التجارية قبالة الجرف (عمر) أصبحت شعبية خلال السنوات الأخيرة لرصد الأنشطة الرياضية، لا سيما بين الشباب. تتضمن هذه الأجهزة أجهزة استشعار لجمع البيانات عن الإشارات الفسيولوجية مثل معدل ضربات القلب ودرجة حرارة الجلد أو استجابة الجلد جلفانيه. عن طريق تطبيق تقنيات تحليل البيانات لهذه الأنواع من إشارات، من الممكن الحصول على تقديرات جوانب ذات مستوى أعلى من السلوك البشري. في الأدب، وهناك عدة أعمال تصف استخدام البيانات الفسيولوجية التي تم جمعها باستخدام الأجهزة الطبية للحصول على معلومات عن أنماط النوم أو الإجهاد. بيد أنها لا تزال مسألة مفتوحة ما إذا كانت البيانات التي تم التقاطها باستخدام ويرابليس المعصم أسرة كافية لوصف الحالة النفسية المتعلمين في الأوساط التعليمية. تناقش هذه الورقة وضع بروتوكول لتقييم تقدير الإجهاد من البيانات التي تم الحصول عليها باستخدام أسرة المعصم ويرابليس. البروتوكول ينفذ على مرحلتين. وتتألف المرحلة الأولى من تجربة مختبرية تحت التحكم، حيث يستخدم تطبيق المحمول للحث على مستويات مختلفة من الإجهاد في طالب عن طريق الفيديو الاسترخاء، ولون ستروب وكلمة، واختبار “السمع بالإضافة المسلسل يسير بخطى”، واختبار فرط التنفس. تجري المرحلة الثانية في الفصول الدراسية، حيث يتم تحليل الإجهاد أثناء القيام بالعديد من الأنشطة الأكاديمية وهي حضور المحاضرات النظرية والقيام بالمناورات وغيرها من الأنشطة الفردية وأخذ الاختبارات القصيرة والامتحانات. وفي كلتا الحالتين، تعتبر البيانات الكمية التي تم الحصول عليها من أسرة المعصم ويرابليس ونوعية البيانات التي تم جمعها عن طريق الاستبيانات. ويشمل هذا البروتوكول طريقة بسيطة ومتسقة مع تطبيق التعريفي إجهاد والاستبيانات، التي تتطلب مشاركة محدودة لدعم الموظفين.
Introduction
الدولة من أحدث التكنولوجيات يمكن ارتداؤها متاحة على نطاق واسع، وبيئاتها التطبيق آخذة في التوسع باستمرار. يمكن أن نجد في السوق العديد من الأجهزة المختلفة، بين فيه أسرة المعصم ويرابليس1، مثل الساعات الذكية وعصابات الذكية، تحظى بشعبية بين الرياضيين لياقة البدنية شخصية رصد أداة2. عن طريق تطبيق التقنيات التحليلية البيانات، يمكن معالجة البيانات التي تم الحصول عليها باستخدام هذه الأجهزة لتوفير مؤشرات مثل الحالة المادية العامة، والنوم عامل الجودة أو الانتعاش. انطباق الواضحة في هذا المجال أثارت اهتمام الأوساط الأكاديمية حول إمكانية تطبيقها على حقول أخرى، لا سيما في3،الصحة المجال4، على الرغم من أن الحد من متطلبات صارمة للتجارب السريرية بدء العمل بها. ومع ذلك، في أقل تطلبا السياق مثل التعليم، يمكن أن نجد في الأدب التحقيقات الأخيرة التي تنطوي على استخدام أنواع مختلفة من الأجهزة يمكن ارتداؤها، سواء المتعلقة بتدريس الأنشطة5،6 والتقدير بعض الخصائص للطالب مثل أنماط النوم7، أو التحليل لمشاركة الطلاب في الأنشطة التعليمية المختلفة8.
وفي حالتنا، نحن نركز على تحليل أسرة المعصم الأجهزة يمكن ارتداؤها كوسيلة لجمع الإشارات الفسيولوجية التي من شأنها في نهاية المطاف تسهيل تقدير الإجهاد، الذي بدوره أحد جوانب رئيسية في السياقات التعليمية. الإجهاد له تأثير ذات صلة في تطوير الأنشطة الأكاديمية وأداء الطلاب عموما. على سبيل المثال، مستويات الإجهاد ذات صلة مباشرة بظهور أعراض الإرهاق في الطلاب9،،من1011، ومستويات عالية من الإجهاد ذات الصلة لا سيما خلال العام طالبة، حيث معدلات التسرب بين 20% ونسبة 30%12،13 شائعة. كشف ومراقبة مؤشرات الإجهاد يمكن أن تحسن هائل في الأداء الأكاديمي.
استخدام الأجهزة يمكن ارتداؤها المعصم أسرة له ما يبرره لأن لديهم أجهزة الاستشعار التي توفر معلومات حول الإشارات الفسيولوجية التي استخدمت على نطاق واسع من المجتمع العلمي في تقييم الإجهاد والكشف. بعض الإشارات التي يشار إليها في الأدبيات المستخدمة لهذا الغرض وتشمل معدل ضربات القلب (HR)14ومعدل ضربات القلب فاريبيليتي15، الجلد درجة الحرارة (ش)16، التنفس14واستجابة الجلد جلفانيه (GSR)17. ويمكن جمع هذه الإشارات بأسره المعصم ويرابليس. بيد أنها لا توفر نفس الأداء كالأجهزة الطبية. وهناك اختلافات تتعلق بدقة أجهزة الاستشعار بين الأجهزة18،19،،من2021. ومع ذلك، أظهرت السابقة يعمل18،،19،،من2021 أن أسرة المعصم أجهزة الاستشعار يمكن ارتداؤها على أنماط الخطأ مماثلة للأجهزة المتخصصة، في سيناريو حركة بطيئة،.
الهدف من هذه الورقة وضع بروتوكول لتقييم حلول مختلفة لتقدير الإجهاد في الطلاب باستخدام أسرة المعصم ويرابليس. وهناك العديد من الترتيبات التي يمكن أن تقترح لتقدير مستويات الإجهاد، التي تنطوي على استخدام المعصم مختلفة يمكن ارتداؤها الأجهزة والبيانات التقنيات التحليلية، وعلى وجه التحديد آلة تعلم الخوارزميات. ويرابليس المعصم أسرة تتسم بهم عالية التفتت، وعدم التجانس وإمكانية التشغيل المتداخل مشاكل22. ثلاث شركات على حصة سوق إجمالية تقريبا 50%23، ولكن أسهم كثير من حساب شركات أخرى للسوق الفردية أصغر كثيرا، بحصة إجمالية تتجاوز 50 في المائة. من ناحية أخرى، من حيث عدم التجانس، ويرابليس ليست كلها لها نفس عدد ونوع من أجهزة الاستشعار، مع مقاييس التسارع وأجهزة استشعار ح يجري الأكثر شيوعاً، ودرس في ش وفي GSR يجري فقط في 5% الأجهزة. أما بالنسبة لإمكانية التشغيل المتداخل، هناك نهج جمع البيانات وأنظمة تشغيل مختلفة غير متوافقة مع بعضها البعض. أما بالنسبة للجهاز تعلم التقنيات التي يمكن تطبيقها لتقدير الإجهاد من البيانات التي تم جمعها عن طريق جهاز معصم، هناك العديد من الخيارات المتاحة24، بما في ذلك قرار الأشجار، والشبكات العصبية، أقرب جاره النهج، بايز ساذجة المصنفات، إلخ خلاصة القول، هناك مجموعة كبيرة ومتنوعة من الحلول التي يمكن وضعها لتقدير الإجهاد، حتى أنها مفيدة لتصميم على بروتوكول تقييم لتسهيل المقارنة بين مختلف خيارات أولية لتحديد في نهاية المطاف أنسب في سياق معين.
لتنفيذ البروتوكول، بالعديد من الأدوات اللازمة (الشكل 1). أولاً، هناك حاجة جهاز يمكن ارتداؤها معصم أسرة لإحضار البيانات الفسيولوجية. يجب أن يكون هذا الجهاز يمكن ارتداؤها على الأقل الموارد البشرية رصد القدرات، ولكن أجهزة استشعار إضافية تكون مرغوبة (مثل أجهزة الاستشعار التسارع، ش، GSR). ثانيا، مطلوب هاتف ذكي يعمل التطبيق فيسيولوجيكالسيجنال لجمع البيانات التي يتم التقاطها من قبل الجهاز يمكن ارتداؤها. ثالثا، هو قرص تشغيل التطبيق ستريستيست اللازمة لتشغيل تمارين الإجهاد التعريفي (الهاتف الذكي يمكن أن تستخدم بدلاً من ذلك الكمبيوتر اللوحي لهذا الغرض). رابعا، بعض الاستبيانات لجمع البيانات النوعية في تصور الطلاب على الإجهاد. خامسا، خدمة ملقم مع صفحة ويب25 القيام بجمع البيانات ومعالجة مسبقة، ولوحة معلومات ويب لإظهار تطور الإشارات. وأخيراً، جمعت بيانات تحليلات مجموعة26 لمعالجة البيانات عن الطلاب باستخدام تقنيات التعلم آلة.
بروتوكول التقييم تنقسم إلى مرحلتين. أول واحد، في مرحلة المختبر، تجري في غرفة مريحة، حيث يتم الناجمين عن مستويات مختلفة من الإجهاد (أي، “الاسترخاء”، “تركيز الإجهاد” والتأكيد على “”) إلى موضوع هدف (طالب) من خلال العديد من المهام الشائعة المسببة الإجهاد. الجزء الثاني تجري في الفصول الدراسية، وأنها تنطوي على رصد الطالب أثناء إنجاز العديد من الأنشطة الأكاديمية: التفسيرات النظرية، الأنشطة الفردية، اختبارات قصيرة، والامتحانات، و غيرها أثناء التنفيذ هذا البروتوكول، في الموضوع الفسيولوجية إشارات يتم التقاطها بواسطة جهاز معصم. وأخيراً، تتم معالجة هذه الإشارات بواسطة آلة التعلم خوارزميات تقديم تقديرات عن مستوى الإجهاد.
أثناء مرحلة المختبر، يستخدم التطبيق ستريستيست للحث على مستويات مختلفة من الإجهاد. وأدلة هذا التطبيق الموضوع لإنجاز أربع مهام مختلفة. المهمة الأولى لإنشاء خط أساس لتحليل الإجهاد. في هذه المهمة، يتصور الطالب 4 دقائق فيديو استرخاء التي تظهر لقطات مختلفة من غروب الشمس على جسر. المهمة الثانية لتكيف من لون ستروب واختبار Word27 (سكوت). كل ثانيتين، هذا الموضوع يجب أن تختار اللون الذي رسمت اسم اللون (الأحمر، الأخضر، والبرتقالي، والأزرق والأرجواني). تتوفر عدة الأزرار الموجودة في الجزء السفلي من الشاشة التي تحتوي على الرسالة الأولى من كل لون لهذا الموضوع لاختيار اللون رسمت في كل وقت. على سبيل المثال، يصور الزر الذي يشير إلى اللون الأزرق الحرف باء وفي حالتنا، ينقسم هذا الاختبار إلى ثلاثة مستويات مختلفة من الصعوبة. للمستوى الأول (SCWT1)، سوف تظهر ملونة “عبارة من الألوان” في نفس ترتيب الأزرار، حتى تطابق اللون والاسم مباشرة. يتم أخذ هذا المستوى كخط أساس، كما أنها لا تنطوي على أي صعوبة وهذا الموضوع ينبغي إلا اضغط الأزرار بشكل صحيح، دائماً بنفس الترتيب. للمستوى الثاني (SCWT2)، تظهر الملونة “عبارة من الألوان” عشوائياً، ولكن يتم الاحتفاظ بالمراسلات بين اسم ولون. تنبعث كل مرة يفشل هذا الموضوع تنبيه، وإذا أخطاء اثنين، سيتم إعادة تعيين نقاط تصحيح الألوان. على مستوى آخر، أصعب (SCWT3)، لا تطابق اسم ولون. وبهذه الطريقة يهدف هذا المستوى أكثر معقدة ومرهقة بالنسبة لهذا الموضوع. وتتألف المهمة الثالثة على “الإيقاع السمعي المسلسل إضافة” اختبار (جانب PASAT)28، الذي يقيس كيف يواجه الطالب اختبار تركيز. خلال هذه المهمة، لعبت تسلسل أرقام متتالية بصوت عال، ويجب إضافة الطالب آخر رقمين وكتابة النتيجة في قدم مربع على الشاشة قبل الاستماع إلى الرقم التالي. في هذه المهمة، إذا كان هذا الموضوع يجعل من خطأ، يحدث حدثاً مثيرة للقلق لتوليد الإجهاد (اثنان أرقام سليمة وفي الوقت نفسه أو الاحتفاظ لفترة طويلة من الصمت). وفي هذه الحالة، إذا ارتكبت ثلاثة أخطاء، سيتم إعادة تعيين حساب المبلغ. وتتألف المهمة الرابعة في نشاط زيادة التنفس للحث على اختلاف نفس الإشارات الفسيولوجية التي تثير حالة ضاغطة17. في نهاية كل مهمة ومستوى، هذا الموضوع قد تشير إلى مستوى الإجهاد المتصورة، استخدام التطبيق نفسه، وفقا لمقياس Likert قيمة 5.
أثناء مرحلة الفصل الدراسي، الاضطلاع بأنشطتها الأكاديمية العادية جنبا إلى جنب مع بقية زملائهم الطلاب. ويركز البروتوكول على مستويات الإجهاد التي تحدث خلال الأنشطة الخاصة بالفصل الدراسي. في نهاية المحاضرة، يتم إكمال استبيان موجز (المرفق 1) الطالب للإشارة إلى مستوى الإجهاد في عدة أنشطة وفقا لمقياس 5-القيمة المتصورة.
Protocol
Representative Results
Discussion
عمر الأجهزة يمكن ارتداؤها من بين الأكثر شعبية المنتجات الإلكترونية الاستهلاكية المتاحة اليوم. وتستخدم هذه الأجهزة عادة لرصد الأنشطة البدنية، ولكن قدراتها والأداء يمكن أن تكون ذات فائدة كبيرة في مجالات أخرى. في هذه الورقة، هو مناقشة بروتوكول لتقييم استخدام أجهزة أسرة يمكن ارتداؤها لتقدي…
Disclosures
The authors have nothing to disclose.
Acknowledgements
هذا العمل تدعمه وكالة أبحاث الدولة الإسبانية والأوروبية الإقليمية التنمية صندوق (سيطلب) في إطار المشروع بالاس (TIN2016-80515-R AEI/أفرد، الاتحاد الأوروبي).
Materials
| Microsoft Band 2 | Microsoft | Wearable | |
| Nexus 5 | LG/Google | Smartphone | |
| PhysiologicalSignals | Developed by the paper authors | App to collect data from wearables | |
| StressTest | Developed by the paper authors | App to develop laboraty experiment: Video visualization, Stroop color and word test, paced auditory serial addition test (PASAT) , hyperventilation activity | |
| Quizs | Developed by the paper authors | Questionnaires to collect qualitative data on students’ perception on stress | |
| Server | Developed by the paper authors | Server to store, analyze and display data | |
| Weka application | University of Waikato | Application to process the data using machine learning techniques |
References
- IDC. . Forecasts Wearables Shipments to Reach 213.6 Million Units Worldwide in 2020 with Watches and Wristbands Driving Volume While Clothing and Eyewear Gain Traction. , (2016).
- Piwek, L., Ellis, D. A., Andrews, S., Joinson, A. The rise of consumer health wearables:promises and barriers. PLoS Medicine. 13 (2), (2016).
- Rudner, J., et al. Interrogation of Patient Smartphone Activity Tracker to Assist Arrhythmia Management. Annals of Emergency Medicine. 68 (3), 292-294 (2016).
- Gao, Y., Li, H., Luo, Y. An empirical study of wearable technology acceptance in healthcare. Industrial Management & Data Systems. 115 (9), 1704-1723 (2015).
- Lukowicz, P., et al. Glass-physics: using google glass to support high school physics experiments. Proceedings of the 2015 ACM International Symposium on Wearable Computers – ISWC ’15. , 151-154 (2015).
- Sapargaliyev, D. . Wearables in Education: Expectations and Disappointments. , 73-78 (2015).
- de Arriba Pérez, F., CaeiroRodríguez, M., Santos Gago, J. M. How do you sleep? Using off the shelf wrist wearables to estimate sleep quality, sleepiness level, chronotype and sleep regularity indicators. Journal of Ambient Intelligence and Humanized Computing. , 1-21 (2017).
- Espinosa, H. G., Lee, J., Keogh, J., Grigg, J., James, D. A. On the Use of Inertial Sensors in Educational Engagement Activities. Procedia Engineering. 112, 262-266 (2015).
- Travers, C. J., Cooper, C. L. . El Estrés de los profesores la presión en la actividad docente. , (1997).
- Maslach, C., Jackson, S. E. The measurement of experienced burnout. Journal of occupational Behavior. 2, 99-113 (1981).
- Maslach, C., Jackson, S., Leiter, M. . Maslach Burnout Inventory. , (1986).
- Kitsantas, A., Winsler, A., Huie, F. Self-Regulation and Ability Predictors of Academic Success During College: A Predictive Validity Study. Journal of Advanced Academics. 20, (2008).
- Deberard, C., Scott, M., Glen, I., Spielmans, D. C. Julka Predictors of academic achievement and retention among college freshmen: a longitudinal study. College Student Journal. 381, 66-80 (2004).
- Healey, J. A. . Wearable and automotive systems for affect recognition from physiology. , (2000).
- Vrijkotte, T. G. M., van Doornen, L. J. P., de Geus, E. J. C. Effects of Work Stress on Ambulatory Blood Pressure, Heart Rate, and Heart Rate Variability. Hypertension. 35 (4), (2000).
- Karthikeyan, P., Murugappan, M., Yaacob, S. Descriptive Analysis of Skin Temperature Variability of Sympathetic Nervous System Activity in Stress. Journal of Physical Therapy Science. 24 (12), 1341-1344 (2012).
- de Santos Sierra, A. . Design, implementation and evaluation of an unconstrained and contactless biometric system based on hand geometry and stress detection. , (2012).
- Natale, V., Drejak, M., Erbacci, A. Monitoring sleep with a smartphone accelerometer. Sleep and Biological Rhythms. , (2012).
- Guo, F., Li, Y., Kankanhalli, M., Brown, M. An evaluation of wearable activity monitoring devices. Proceedings of the 1st ACM international workshop on Personal data meets distributed multimedia. , (2013).
- Wallen, M. P., et al. Accuracy of Heart Rate Watches: Implications for Weight Management. PLOS ONE. 11 (5), e0154420 (2016).
- Wang, R., et al. Accuracy of Wrist-Worn Heart Rate Monitors. JAMA Cardiology. 2 (1), 104 (2017).
- de Arriba Pérez, F., CaeiroRodríguez, M., Santos Gago, J. M. Collection and Processing of Data from Wrist Wearable Devices in Heterogeneous and Multiple-User Scenarios. Sensors. 16 (9), 1538 (2016).
- IDC. . Wearables Aren’t Dead, They’re Just Shifting Focus as the Market Grows 16.9% in the Fourth Quarter, According to IDC. , (2017).
- Mark, H., Ian, W., Eibe, F. . Data Mining: Practical Machine Learning Tools and Techniques. , (2011).
- de Arriba Pérez, F., Santos Gago, J. M., Caeiro Rodríguez, M. Analytics of biometric data from wearable devices to support teaching and learning activities. Journal of Information Systems Engineering & Management. 1, 41-54 (2016).
- Machine Learning Group at the University of Waikato. . Weka 3 – Data Mining with Open Source Machine Learning Software in Java. , (2018).
- Zhai, J., Barreto, A. Stress Detection in Computer Users Based on Digital Signal Processing of Noninvasive Physiological Variables. 2006 International Conference of the IEEE Engineering in Medicine and Biology Society. , 1355-1358 (2006).
- Tombaugh, T. N. A comprehensive review of the Paced Auditory Serial Addition Test (PASAT). Archives of Clinical Neuropsychology. 21 (1), 53-76 (2006).
- Fan, Q., Wang, Y. The real-time realization of filtering of speech with DSP TMS320VC5416 Chip. 2010 International Conference on Educational and Information Technology. , (2010).
- González Barajas, J. E., Velandia Cárdenas, C., Nieto Camacho, J. Implementación de filtro digital en tiempo real para detección de la onda R. Revista Tecno Lógicas. 18 (34), 75-86 (2015).
- Mesirov, J. P. Computer science. Accessible reproducible research. Science (New York, N.Y.). 327 (5964), 415-416 (2010).
- American Journal Experts. . How to Write an Easily Reproducible Protocol. , (2018).
