Tutkimus herättäneistä tunnereaktioista

Miljoonat ihmiset kärsivät mielenterveysongelmista joka vuosi. Noin joka viides aikuinen Yhdysvalloissa kokee vähintään yhden mielisairausjakson vuosittain. Noin 16 miljoonalla ihmisellä on vähintään yksi vakava masennusjakso yhden vuoden aikana. Tutkijat ovat havainneet, että Millennial-ikäryhmällä on suurin riski sairastua ahdistukseen, masennukseen ja itsemurha-ajatuksiin kuin millään muulla sukupolvella. Nämä olosuhteet johtuvat monista syistä, kuten lisääntyvästä kilpailusta, vähemmän kommunikaatiosta, vähemmän todellisesta kiintymyksestä, työpaineista jne.

Ottaen huomioon mielenterveyteen liittyvien kysymysten lisääntymisen, pakotti pohtimaan tunteiden ymmärtämistä ja niihin liittyviä terveysvaikutuksia. Suosittuja tunteiden havaitsemismenetelmiä ovat ilmeiden havaitseminen, mutta reaaliaikaisten tunteiden havaitsemiseen biofyysiset signaalit ovat paras työkalu kirjallisuuden mukaan. Lisäksi, kun harkitaan EMO-001:n tulevaa tuotemuotoa, tunteiden havaitseminen biosignaalien avulla osoittautui oikeaksi lähestymistavaksi. Tutkimuksen tarkoituksena on luokitella herätetyt tunteet biosignaalien perusteella tuotteen EMO-001-laitteen tueksi käyttämällä valokuvapletysmografiaa (PPG), galvaanista ihovastetta (GSR) ja elektrokardiogrammia (EKG). Tunteiden tunnistaminen biosignaaleista ja luokittelualgoritmin kehittäminen auttaa tuotetta tunnistamaan henkilön tunnetilan reaaliajassa ja auttaa lopulta seuraamaan tunnetilaa ja ehdottamaan toimintaa, joka voi kohottaa henkilön emotionaalista hyvinvointia.

Kuuden suuren tunteen, huvituksen, surun, inhoa, pelokasta, yllättynyttä, jännitystä katsottiin keräävän biosignaalia. Neutraalin tilan biosignaalit kerättiin myös perustan luomiseksi biosignaalien muutosten tunnistamiseen muuttuvien tunteiden kanssa.

Sukupuolten välisen tasapainon löytämiseksi koehenkilöissä harkittiin samanlaista miesten ja naisten suhdetta. Tämän tuotteen Millennial-ikäryhmään kohdistettaessa huomioimme 18–33-vuotiaat henkilöt, joilla on vähintään kandidaatin tutkinto, sekä työssä olevat. Katsoimme, että ihmiset, jotka ymmärtävät englantia ja hindiä, katsottiin aiheiksi, koska videosisältö oli vain näillä kielillä.

Erilaisia ​​tunteiden herättämisen menetelmiä tutkiessa tässä kokeessa harkittiin audiovisuaalista menetelmää, koska se on tehokkain menetelmä, joka on kuvattu eri aikaisemmassa kirjallisuudessa ja käytännön skenaarion kautta. Yli 1 000 videoleikettä avoimelta alustalta nähtiin ja analysoitiin viiden eri tunteen suhteen. Joista 100 videoleikettä (20 per tunne) tarkasteltiin kolmen tason tarkastuksella, valitut videoleikkeet validoitiin myös sisäisellä sokkotarkastuksella selvittääkseen, mitä tunnetta kustakin videosta on herättänyt. Näistä tunnistetuista leikkeistä oli valmistettu erilaisia ​​leikkeitä. Voisimme havaita, että videoleikkeet eivät ole yhtä tehokkaita vihan herättämisessä; siksi siihen käytettiin vuorovaikutusmenetelmää.

Tietoa keräävien antureiden sisäinen validointi ja kokoonpano tehty sen varmistamiseksi, että saadut biosignaalit ovat laadukkaita. Biosignaalien keräämistä varten koehenkilöitä pyydettiin istumaan oikeaan asentoon ja anturit sijoitettiin tiettyyn kohtaan kehoa.

Kun kohde oli valmis osallistumaan, aluksi 30 sekuntia neutraaleja kuvia (esim. luontokohteiden) osoitettiin neutraloivan hänen tunteitaan. Sen jälkeen mistä tahansa tunteesta alkaen näytettiin kolme satunnaisesti valittua videota tietystä tunteesta tietopankista, joista jokaista seurasi neutraali leikkaus aiemman videon vaikutuksen neutraloimiseksi. Videoiden rinnalla antureilta kerättiin biosignaalitietoja. Jokaisen videon jälkeen koehenkilöä pyydettiin täyttämään palautelomake tunteidensa arvioimiseksi. Kun viiden erilaisen ja välillä neutraalin tunteen signaalikokoelma oli saatu päätökseen, aloitettiin vuorovaikutus kohteen kanssa, jossa koehenkilöltä kysyttiin heidän yleistä taustaansa ja hän kääntyi hitaasti johonkin herkkään aiheeseen, joka auttoi herättämään vihatunteen.

Kokeessa oli täysin ei-invasiivinen interventio, jossa osallistujan piti istua kaksi tuntia katsoakseen videoita. Kerättyä dataa analysoitaisiin edelleen ja hyödynnettäisiin tunteiden luokittelualgoritmin kehittämiseen.