Öğrenciler üzerinde stres tahmin etmek için ticari-Off--raf bilek Wearables değerlendirilmesi
Summary
Ticari-off–raf (COTS) bilek wearables öğrenciler stres tahmin etmek için temel alan çözümler değerlendirmek için bir protokol önerilmiştir. Protokol iki aşama, bir ilk laboratuvar tabanlı stres indüksiyon testi ve öğrenci akademik faaliyetleri gerçekleştirirken sınıfta yer alan bir izleme sahne yapılır.
Abstract
Öncelikle gençler arasında spor aktiviteleri izlemek için son yıllarında giyilebilir ticari-off–raf (COTS) aygıtları popüler hale gelmiştir. Bu cihazlar kalp hızı, cilt sıcaklığı veya galvanik deri tepkisini gibi fizyolojik sinyalleri üzerinde veri toplamak için sensörler bulunmaktadır. Sinyalleri bu tür veri analytics teknikleri uygulayarak, daha üst düzey insan davranışı yönlerini tahminleri elde etmek mümkündür. Literatürde, uyku düzeni veya stres hakkında bilgi edinmek için klinik cihazlar kullanarak toplanan fizyolojik veri kullanımını açıklayan çeşitli eserleri vardır. KARYOLASI bilek wearables kullanarak yakalanan verileri öğrenenler psikolojik eğitim ortamlarında durumda karakterize etmek yeterli olup olmadığını ancak, hala açık bir soru var. Bu kağıt stres tahmini karyolası bilek wearables kullanarak elde edilen verilerden değerlendirmek için bir iletişim kuralı anlatılmaktadır. Protokol iki aşamada yapılır. Bir mobil uygulaması farklı stres düzeyleri bir öğrenci rahatlatıcı bir video, Stroop renk ve Word testi, tempolu işitsel seri ek test ve hiperventilasyon test yoluyla ikna etmek için kullanıldığı bir kontrollü laboratuvar deneyi, ilk aşamada oluşur. İkinci aşama sınıfta stres çeşitli akademik etkinlikler gerçekleştirmek, yani teorik ders katılıyor, çalışmaları ve diğer bireysel faaliyetler yapıyor ve kısa testler ve Sınavlar sırasında nerede analiz yapılır. Her iki durumda da, nicel veri karyolası bilek wearables elde edilen ve anketler aracılığıyla toplanan nitel veri olarak kabul edilir. Bu protokol ile bir stres indüksiyon app basit ve tutarlı bir yöntem içerir ve sınırlı katılımı gerektiren soru formları, personel desteği.
Introduction
Giyilebilir teknolojileri yaygın olarak mevcuttur ve uygulama ortamlarını sürekli genişletiyoruz. Hangi karyolası arasında bilek wearables1, akıllı saatler ve akıllı bantları gibi sporcular arasında popüler olarak bir kişisel fiziksel fitness aracı2izleme birçok farklı aygıt içinde belgili tanımlık çarşı bulabilirsiniz. Analitik teknikler, bu cihazlar kullanarak elde edilen veriler genel fiziksel durumu gibi göstergeler sağlamak için işlenen veri uygulayarak, kalite veya kurtarma faktör uyku. Her ne kadar sıkı gereksinimleri klinik denemelerin sınırla Bu alanda gösterdiği uygulanabilirliği hakkında onların olası uygulama diğer alanlara sağlık etki alanı3,4, özellikle akademik topluluk ilgi kaldırdı onların giriş. Ancak, bir daha az talep içinde bağlam eğitimi gibi farklı giyilebilir cihazların kullanımını içeren edebiyat son araştırmalarda bulabiliriz, her ikisi de faaliyetleri5,6 öğretim ve tahmini ile ilgili öğrenci uyku desen7veya öğrencilerin nişan farklı eğitim faaliyetleri8analizi gibi belirli özellikleri.
Bizim durumumuzda, karyolası bilek takılabilir cihazlar sonunda sırayla eğitim bağlamlarda önemli bir yönüdür stres tahmini kolaylaştırmak fizyolojik sinyal toplamak için araç olarak analiz odaklanın. Stres akademik faaliyetleri ve genel öğrencilere performansını gelişiminde ilgili bir etkisi vardır. Örneğin, stres düzeyleri doğrudan Tükenmişlik sendromu öğrenciler9,10,11başlangıcı için ve ilgili yüksek stres düzeyleri birinci yıl sırasında nerede bırakma arasında % 20 oranları özellikle ilgili ve % 3012,13 yaygındır. Algılama ve stres göstergeleri kontrol akademik performans önemli ölçüde artırabilirsiniz.
Çünkü onlar stres değerlendirme ve algılama bilimsel topluluk tarafından yaygın olarak kullanılmış olan fizyolojik sinyalleri hakkında bilgi vermek sensörler karyolası bilek giyilebilir aygıtlarının kullanımını haklı olduğunu. Bazı sinyaller kalp hızı (HR)14, kalp hızı varaibility15, cilt sıcaklığı (ST)16, solunum14ve galvanik deri tepkisini (GSR)17bu amaç için kullanılan edebiyat dahil etmek denir. Bu sinyaller karyolası bilek wearables tarafından toplanabilir. Ancak, klinik cihazlar aynı performansı sunmuyoruz. Farklılıklar vardır sensörler aygıtlar18,19,20,21arasında doğruluğu ile ilgili. Yine de, önceki işleri18,19,20,21 yavaş hareket senaryoda, karyolası bilek giyilebilir sensörler hata desenleri özel cihazlara benzer sahip göstermiştir.
Bu kağıt amacı stres tahmininde karyolası bilek wearables kullanan öğrenciler için farklı çözümler değerlendirmek için bir protokol tanıtmaktır. Stres düzeyleri, farklı bilek giyilebilir cihazları ve veri analytics teknikleri ve özellikle makine öğrenimi algoritmaları kullanımını içeren tahmin etmek için önerilen birçok düzenleme vardır. KARYOLASI bilek wearables onların yüksek parçalanma, heterojen ve birlikte çalışabilirlik sorunları22ile karakterizedir. Üç şirket neredeyse % 5023bir toplu pazar payı var ama % 50 yukarıda toplanmış pay kadar küçük bireysel Pazar için birçok diğer şirketler rapor paylaşır. Öte yandan, heterojenlik, açısından aynı sayıda ve türde algılayıcılar, ivme ve en yaygın olanıdır s sensörleri ile tüm wearables var ve ST’ın ve GSR’ın sadece % 5’in belgili tanımlık aygıt mevcut varlık okudu. Birlikte çalışabilirlik gelince, birbiriyle uyumlu olmayan farklı işletim sistemleri ve veri koleksiyon yaklaşım vardır. Bileğindeki bir aleti aracılığıyla toplanan verilerden stres tahmin etmek için uygulanan teknikler öğrenme makinesi gelince, karar ağaçları, en yakın komşu yaklaşımlar, sinir ağları da dahil olmak üzere birçok seçenekleri kullanılabilir24, Naïve Bayes vardır sınıflandırıcılar, Özetle, için vb böylece sonunda seçmek için farklı geçici seçenekler arasında karşılaştırma kolaylaştırmak için bir değerlendirme protokolü tasarlamak için enstrümantal stres tahmini için geliştirilen çözümleri çok çeşitli olduğunu belirli bir bağlamda en uygun.
Protokolün uygulanması için gerekli (Şekil 1) çeşitli araçlardır. İlk olarak, bir bebek karyolası bilek giyilebilir cihazı fizyolojik veri getirmek için gereklidir. Taşınabilir aygıttaki en az olması gereken özelliklerini, ancak ek sensörler izleme İK arzu (Örneğin, accelerometer, ST, GSR sensörler). İkinci olarak, PhysiologicalSignal app çalışan bir smartphone taşınabilir aygıt tarafından yakalanan verileri toplamak için gereklidir. Üçüncü olarak, StressTest uygulaması çalıştıran bir tablet stres indüksiyon alıştırmaları çalıştırmak için gerekli (smartphone olabilir onun yerine tablet bu amaç için kullanılan). Dördüncü, stres üzerinde öğrencilerin algı üzerinde nitel veri toplamak için bazı soru formları. Beşinci olarak, bir sunucu ile bir Web hizmeti veri toplama ve ön işleme ve sinyalleri evrimi göstermek için Web kontrol paneli gerçekleştirmek için25 . Ve son olarak, toplanan verileri işlemek için veri analytics paket26 makine öğrenme teknikleri kullanan öğrenciler hakkında.
Değerlendirme Protokolü iki aşamalar halinde düzenlenmiştir. İlki, laboratuvar faz nerede farklı stres düzeyleri (yani, “Sakin ol”, “yoğun stres” ve “stres”) bir hedef konu (öğrenci) indüklenir rahat bir odada yaygın stres-inducing görevleri gerçekleştirilir. İkinci bölümü sınıfta yer alır ve öğrenci çeşitli akademik faaliyetleri başarı sırasında izleme içerir: teorik açıklamalar, bireysel etkinlikler, kısa testler, sınavlar, vb sırasında uygulanması Bu iletişim kuralı, konu fizyolojik sinyalleri aracılığıyla bileğindeki bir aleti ele geçirdi. Son olarak, bu sinyalleri algoritmaları stres düzeyi tahminleri sağlamak için öğrenme makine tarafından işlenir.
Laboratuvar aşamasında StressTest app farklı stres düzeyleri ikna etmek için kullanılır. Bu app konu dört farklı görevlerin tamamlanması için size yol gösterir. İlk görev gerilme analizi için bir temel oluşturmaktır. Bu görev, öğrenci bir günbatımı bir köprü farklı çekim görüntülendiği bir 4 dakika rahatlatıcı video görüntüler. İkinci görev Stroop renk ve Word Test27 (SCWT) bir uyarlamasıdır. Her iki saniyede bir, konu adı bir renk (kırmızı, yeşil, turuncu, mavi ve mor) boyanmıştır renk seçmeniz gerekir. Her renk ilk harfini içeren ekranın alt kısmında yer alan birçok düğme her zaman boyalı renk seçmek konunun kullanılabilir. Örneğin, mektup b mavi başvurduğu düğmeyi gösteriyor Bizim durumumuzda bu test üç farklı zorluk seviyelerine ayrılmıştır. Renk ve adı doğrudan eşleşecek şekilde (SCWT1) birinci düzey, düğmeler olarak aynı sırada “sözleriyle renkleri” renkli görünür. Bu düzey temel, herhangi bir zorluk anlamına gelmez ve konu sadece sıkıştırma belgili tanımlık düğme düzgün, her zaman yüklendikleri sırayla olarak alınır. İçin belgili tanýmlýk ikinci yüzey (SCWT2), renkli “sözcükleri” renk rastgele görüntülenir, ancak adı ve renk arasındaki ilişkiyi korunur. Her zaman konu başarısız bir bip sesi duyulur ve iki hata yaptıysanız, doğru renk puanı sıfırlar. En son ve en zor seviye için (SCWT3), adını ve rengini aynı değil. Bu şekilde bu düzeyi daha karmaşık ve konu için stresli olması amaçlanmıştır. Üçüncü görev nasıl bir konsantrasyon testi öğrenci deneyimleri ölçen tempolu işitsel seri ek test (PASAT)28, oluşur. Bu görevi sırasında ardışık sayılar dizisi yüksek sesle oynanır ve öğrenci son iki sayı ve sağlanan sonucu ekran kutusunda sonraki dinlemeden önce yazma eklemeniz gerekir. Konu bir hata yaparsa bu görev, stres oluşturmak için rahatsız edici bir olay oluşur (iki aynı anda ses sayı ya da sessizlik içinde uzun süre muhafaza). Bu durumda, üç hataları kaydedilmiş ise, toplam hesabı sıfırlanır. Dördüncü görev üzerinde bir stresli durum17kışkırtmak fizyolojik sinyalleri aynı varyasyon ikna etmek için bir hiperventilasyon faaliyet oluşur. Her görev ve seviye sonunda konu algılanan stres düzeyini belirtmek istimal belgili tanımlık kullanma kendisi, 5-değer Likert ölçeği göre vardır.
Sınıf aşamasında öğrenciler onların sınıf geri kalanı ile birlikte sıradan akademik faaliyetlerini yerine getirir. Protokol sınıf özgü faaliyetleri sırasında ortaya çıkan stres düzeyleri üzerinde duruluyor. Ders sonunda, kısa bir soru formu (ek 1) algılanan çeşitli etkinlikler 5-değer ölçeğine göre stres düzeyini belirtmek için öğrenci tarafından tamamlanır.
Protocol
Representative Results
Discussion
En popüler tüketici elektronik ürünleri arasında bugün mevcut, karyolası takılabilir cihazlardır. Bu cihazlar genellikle fiziksel aktiviteleri izlemek için kullanılır, ancak kendi yetenekleri ve performans diğer alanlarda büyük ilgi olabilir. Bu yazıda, öğrenme ortamları içinde stres tahmin etmek için karyolası giyilebilir cihazların kullanımı değerlendirmek için bir protokol ele alınmıştır. Böyle bir protokol tanımı farklı çözümler wearables ve öğrenme algoritmaları makine içere…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Bu eser İspanyolca devlet araştırma ajansı ve Avrupa Bölgesel Kalkınma Fonu (ERDF) PALLAS (TIN2016-80515-R AEI/EFRD, AB) projesi kapsamında tarafından desteklenir.
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).
