Evaluatie van commerciële-Off-The-Shelf pols Wearables te schatten van Stress op studenten

Summary

Een protocol bij het evalueren van de oplossingen op basis van commerciële-off-the-shelf (COTS) pols wearables te schatten stress in studenten wordt voorgesteld. Het protocol wordt uitgevoerd in twee fasen, een eerste laboratorium gebaseerde inductie stresstest en een toezicht stadium plaatsvinden in de klas, terwijl de student academische activiteiten uitvoert.

Abstract

Wearable commerciële-off-the-shelf (COTS) apparaten zijn te controleren van sportieve activiteiten, voornamelijk onder jongeren de laatste jaren populair geworden. Deze apparaten zijn onder andere sensoren om gegevens te verzamelen op fysiologische signalen zoals hartslag, huidtemperatuur of galvanische huid reactie. Door data analytics technieken om dit soort signalen toe te passen is het mogelijk om te verkrijgen van de schattingen van de hogere aspecten van menselijk gedrag. In de literatuur zijn er verschillende werken met een beschrijving van het gebruik van fysiologische gegevens verzameld met behulp van klinische apparaten informatie te verkrijgen over slaappatronen of stress. Het is echter nog steeds een open vraag of gegevens die zijn vastgelegd met behulp van COTS pols wearables volstaat te karakteriseren van de leerders psychologische toestand in educatieve settings. Dit document bespreekt een protocol om te evalueren van de stress-schatting van de gegevens die zijn verkregen met behulp van COTS pols wearables. Het protocol wordt uitgevoerd in twee fasen. De eerste fase bestaat uit een gecontroleerde laboratorium experiment, waar een mobiele app wordt gebruikt voor het opwekken van verschillende stress niveaus in een student door middel van een ontspannende video, een Stroop kleur en woord test, een tempo auditieve seriële toevoeging test en een hyperventilatie-test. De tweede fase wordt uitgevoerd in de klas, waar stress wordt geanalyseerd tijdens het uitvoeren van de verschillende academische activiteiten, namelijk naar theoretische lezingen bijwonen, doen van oefeningen en andere individuele activiteiten en korte toetsen en examens te nemen. In beide gevallen, worden zowel de kwantitatieve gegevens die zijn verkregen uit COTS pols wearables en de kwalitatieve gegevens verzameld door middel van vragenlijsten beschouwd. Dit protocol omvat een eenvoudige en consistente methode met een app van de inductie spanning en vragenlijsten, waarbij een beperkte deelname van ondersteunend personeel.

Introduction

State-of-the-art wearable technologieën zijn wijd beschikbaar, en hun toepassingsomgevingen breiden voortdurend uit. We kunnen vinden in de markt veel verschillende apparaten, onder welke COTS pols wearables¹, zoals slimme horloges en slimme bands, zijn populair onder sporters als een persoonlijke fysieke fitness monitoring tool². Door gegevens analytische technieken toe te passen, kunnen de gegevens die zijn verkregen met behulp van deze apparaten voorzien van indicatoren zoals algemene fysieke toestand, kwaliteit of herstel factor slapen verwerkt worden. De aantoonbare toepasbaarheid in dit gebied aan de orde gesteld rente in de academische gemeenschap over hun eventuele toepassing op andere gebieden, met name in de gezondheid domein^3,4, hoewel de strenge eisen van klinische proeven beperken de invoering ervan. Echter, in een minder veeleisend context, zoals onderwijs, we kunnen vinden in de literatuur recent onderzoek met betrekking tot het gebruik van verschillende soorten draagbare apparaten, beide gerelateerde activiteiten^5,6 te onderwijzen en de schatting van bepaalde kenmerken van de student zoals slaap patronen⁷, of de analyse van de betrokkenheid van de leerlingen in verschillende educatieve activiteiten⁸.

In ons geval richten we ons op het analyseren van COTS pols draagbare apparaten als middel om te verzamelen van fysiologische signalen die stress-schatting, die op zijn beurt een belangrijk aspect in een educatieve context is uiteindelijk zou vergemakkelijken. Stress heeft een relevante invloed in de ontwikkeling van academische activiteiten en algemene studenten prestaties. Bijvoorbeeld stress niveaus zijn direct gerelateerd aan het begin van de burnout-syndroom in studenten^9,10,11, en hoge stress niveaus zijn vooral van belang tijdens het eerste jaar, waar drop-out tarieven tussen 20% en 30%^12,13 zijn gemeenschappelijk. Opsporen en beheersen van stress indicatoren kunnen drastisch verbeteren van leerprestaties.

Het gebruik van BABYBEDJES pols draagbare apparaten is gerechtvaardigd omdat zij hebben sensoren die informatie verschaffen over de fysiologische signalen die wijd verbeid door de wetenschappelijke gemeenschap in stress beoordeling en opsporing gebruikt hebben. Sommige van de signalen waarnaar in de literatuur voor dit doel gebruikt zijn hartslag (HR)¹⁴, hartslag varaibility¹⁵, huid temperatuur (ST)¹⁶, ademhaling¹⁴en galvanische huid reactie (GSR)¹⁷. Deze signalen kunnen worden verzameld door COTS pols wearables. Zij bieden echter niet dezelfde prestaties als klinische apparaten. Er zijn verschillen aan de nauwkeurigheid van de sensoren onder apparaten^18,19,20,21gerelateerde. Echter hebben vorige werken^18,19,20,21 aangetoond dat, in een langzame beweging scenario, COTS pols draagbare sensoren fout patronen vergelijkbaar met gespecialiseerde apparaten.

Het doel van deze paper is om een protocol om te evalueren van verschillende oplossingen voor stress schatting in studenten met behulp van COTS pols wearables. Er zijn veel regelingen die te schatten stress niveaus, waarbij het gebruik van de verschillende pols draagbare apparaten en gegevens analytics technieken, en meer in het bijzonder machine leren algoritmen kunnen worden voorgesteld. LEDIKANTEN pols wearables worden gekenmerkt door hun hoge fragmentatie, heterogeniteit en interoperabiliteit problemen²². Drie bedrijven hebben een geaggregeerde marktaandeel van bijna 50%²³, maar veel andere bedrijven-account voor veel kleinere markt van individuele aandelen, met een geaggregeerde aandeel boven de 50%. Aan de andere kant, in termen van heterogeniteit, niet alle wearables hebben het zelfde aantal en type van sensoren, met versnellingsmeters en h sensoren worden de meest voorkomende, en ST en de GSR alleen aanwezig in 5% van de apparaten bestudeerd. Wat betreft interoperabiliteit zijn er verschillende operating systemen en data collectie benaderingen die niet compatibel zijn met elkaar. Wat betreft de machine leertechnieken die kunnen worden toegepast voor het inschatten van de stress van de gegevens die worden verzameld door middel van een inrichting van de pols, zijn er vele opties beschikbaar²⁴, met inbegrip van beslisbomen, neurale netwerken, dichtstbijzijnde buurman benaderingen, Naïve Bayes classificaties, etc. te vatten, er is een grote verscheidenheid aan oplossingen die kunnen worden ontwikkeld voor stress-schatting, dus het is instrumentale ontwerpen een evaluatie-protocol ter vergemakkelijking van de vergelijking tussen verschillende voorlopig opties om uiteindelijk de meest geschikt in een bepaalde context.

Voor de uitvoering van het protocol zijn verschillende hulpprogramma’s die nodig zijn (figuur 1). Ten eerste is een COTS pols wearable apparaat nodig om fysiologische gegevens te halen. Dit draagbare apparaat moet ten minste HR monitoring mogelijkheden, maar extra sensoren wenselijk zijn (b.v., versnellingsmeter, ST, GSR sensoren). Ten tweede, een smartphone met de PhysiologicalSignal app is vereist voor het verzamelen van de gegevens die zijn vastgelegd door het draagbare apparaat. Ten derde, een tablet die de StressTest app in werking is nodig om te draaien van stress inductie oefeningen (de smartphone kan worden gebruikt in plaats daarvan de tablet voor dit doel). Vierde, sommige vragenlijsten kwalitatieve gegevens te verzamelen over studenten perceptie over stress. Ten vijfde, een server met een Web service²⁵ gegevensverzameling en voorbehandeling, en een Web-dashboard te tonen de evolutie van de signalen uit te voeren. En tot slot een data analytics pakket²⁶ voor het verwerken van de gegevens verzameld over de studenten met behulp van machine learning technieken.

Het evaluatie-protocol is onderverdeeld in twee fasen. De ene, wordt de laboratorium-fase, uitgevoerd in een comfortabele kamer, waar verschillende stress niveaus (dat wil zeggen, “ontspannen”, “geconcentreerde stress” en “stress”) op een doel onderwerp (een student) worden veroorzaakt door verschillende algemene stress-inducerende taken. Het tweede deel vindt plaats in de klas, en het gaat om controle van de student tijdens de voltooiing van verschillende academische activiteiten: theoretische uitleg, individuele activiteiten, korte tests, examens, etc. tijdens de uitvoering van Dit protocol, het onderwerp de fysiologische signalen worden vastgelegd door middel van een inrichting van de pols. Ten slotte, deze signalen worden verwerkt door machine leren algoritmen om schattingen op het niveau van stress.

Tijdens de fase van het laboratorium, wordt de StressTest app gebruikt voor het opwekken van verschillende spanningsniveaus. Deze app helpt het onderwerp aan de voltooiing van vier verschillende taken. De eerste taak is het creëren van een basislijn voor spanningsanalyse. In deze taak visualiseert de student een ontspannen video van 4 minuten, waarin verschillende opnamen van een zonsondergang op een brug worden getoond. De tweede taak is een aanpassing van de Stroop kleur en woord Test²⁷ (SCWT). Elke twee seconden, moet het onderwerp kiezen de kleur waarin de naam van een kleur (rood, groen, oranje, blauw en paars) is geschilderd. Verschillende knoppen onderin het scherm waarin de eerste letter van elke kleur zijn beschikbaar voor het onderwerp de geschilderde kleur kiezen op elk moment. Bijvoorbeeld, beeldt de knop die verwijst blauw de letter B. In ons geval, is deze test onderverdeeld in drie verschillende niveaus van moeilijkheid. Voor het eerste niveau (SCWT1), wordt de gekleurde “woorden van kleuren” weergegeven in dezelfde volgorde staan als de knoppen, zodat kleur en naam overeenkomen met direct. Dit niveau wordt genomen als basislijn, als het geen enkel probleem en het onderwerp moet alleen druk op de toetsen goed, altijd in dezelfde volgorde. Voor het tweede niveau (SCWT2), de gekleurde “woorden van kleuren” willekeurig weergegeven, maar de correspondentie tussen de naam en kleur wordt gehandhaafd. Elke keer het onderwerp er niet in slaagt een pieptoon is te horen, en als twee fouten worden gemaakt, de juiste kleur score zal worden teruggesteld. Voor het laatste, moeilijkste niveau (SCWT3), komen naam en kleuren niet overeen. Op deze manier is dit niveau bedoeld om meer complexe en stressvolle voor het onderwerp. De derde taak bestaat op de auditieve seriële toevoeging tempo test (PASAT)²⁸, die meet hoe de student een concentratie test ervaringen. Tijdens deze taak, een reeks van opeenvolgende nummers hardop wordt gespeeld, en de student moet toevoegen, de laatste twee nummers en schrijf het resultaat in de verstrekte doos op het scherm voordat het luisteren naar het volgende nummer. In deze taak, als het onderwerp een fout maakt, een verontrustende gebeurtenis voor het genereren van stress (twee nummers geluid op hetzelfde moment of een lange periode van stilte in bewaard). In dit geval als drie fouten begaan zijn, zal de som-account worden teruggesteld. De vierde taak bestaat op een hyperventilatie-activiteit voor het opwekken van de dezelfde variatie in de fysiologische signalen die een stressvolle situatie¹⁷zou uitlokken. Aan het einde van elke taak en niveau heeft het onderwerp om aan te geven van het niveau van gepercipieerde stress, met behulp van de toepassing zelf, volgens een 5-waarde Likert-schaal.

Tijdens de fase van de klas, studenten verrichten hun gewone academische activiteiten samen met de rest van hun klasgenoten. Het protocol is gericht op de stress niveaus die zich tijdens de klas-specifieke activiteiten voordoen. Aan het eind van de lezing, wordt een korte vragenlijst (bijlage 1) gecompleteerd door de student om aan te geven van het waargenomen niveau van stress in de verschillende activiteiten volgens een schaal van 5-waarde.

Protocol

Alle onderstaande methoden zijn goedgekeurd door de regionale regering van Galicië van Comité voor ethiek van het onderzoek van Pontevedra-Vigo-Ourense (reg. code 2017/336). Het protocol werd geïmplementeerd voor eerstejaarsstudenten op de School voor telecommunicatieingenieurs – Universiteit van Vigo, zowel in een comfortabele laboratorium kamer en in de verschillende lezingen en een reeks praktische oefensessies natuurlijk een bachelorgraad op computerarchitecturen. 1. Prepareer de apparate…

Representative Results

Het protocol besproken werd gebracht in de praktijk in een cursus computerarchitecturen in het eerste jaar van de telecommunicatie Engineering graad aan de Universiteit van Vigo. Deze cursus heeft meer dan 200 studenten ingeschreven die zijn onderverdeeld in 10 werkgroepen. Voor het uitvoeren van dit experiment, werden studenten van vier van de groepen uitgenodigd om in te schrijven aan het begin van het academiejaar. Het project trok veel belangstelling onder de studenten, en ongeveer 30…

Discussion

LEDIKANTEN draagbare apparaten behoren tot de meest populaire consumentenelektronica die vandaag beschikbaar zijn. Deze apparaten worden meestal gebruikt om fysieke activiteiten te controleren, maar hun mogelijkheden en prestaties zou van groot belang in andere gebieden. In deze paper wordt een protocol bij het evalueren van het gebruik van BABYBEDJES draagbare apparaten voor het inschatten van de stress in leeromgevingen besproken. De definitie van zo’n protocol is met name relevant om te analyseren verschillende oploss…

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