Kiváltott érzelmi válaszok tanulmányozása

Évente emberek millióit érintik a mentális betegségek. Az Egyesült Államokban körülbelül minden ötödik felnőtt tapasztal legalább egy mentális betegség epizódot évente. Körülbelül 16 millió embernek van legalább egy súlyos depressziós epizódja egy év alatt. A kutatók megállapították, hogy a millenniumi korosztályban a legnagyobb a szorongás, a depresszió és az öngyilkossági gondolatok kialakulásának kockázata, mint bármely más generáció. Ezek a feltételek számos okra vezethetők vissza, mint például a növekvő verseny, kevesebb kommunikáció, kevesebb valós kötődés, munkahelyi nyomás stb.

Figyelembe véve a mentális egészséggel kapcsolatos problémák növekvő szintjét, kénytelen volt elgondolkodni az érzelmek és a kapcsolódó egészségügyi hatások megértésében. Az érzelemészlelés népszerű módszerei az arckifejezések észlelése, de a valós idejű érzelmek kimutatására a biofizikai jelek a legjobb eszköz az irodalom szerint. Az EMO-001 termékformájának jövőbeni lehetőségét mérlegelve a bio-jeleken keresztül történő érzelemészlelés bizonyult a helyes megközelítésnek. A kutatás célja a kiváltott érzelmek bio-jelek alapján történő osztályozása az EMO-001 termék támogatása érdekében fotopletizmográfia (PPG), Galvanic Skin Response (GSR) és elektrokardiogram (EKG) segítségével. Az érzelmek bioszignálokból történő azonosítása és az osztályozási algoritmus kidolgozása segít a terméknek valós időben azonosítani a személy érzelmi állapotát, és végül segít nyomon követni az érzelmi állapotot, és olyan tevékenységet javasol, amely javíthatja az ember érzelmi jólétét.

Hat fő érzelem, szórakozottság, szomorúság, undor, ijedtség, meglepődés, izgalom tekinthető biojel gyűjtésének. A semleges állapothoz tartozó biojeleket is rögzítettük, hogy kiindulópontot hozzanak létre a biojelek változásainak azonosításához az érzelmek változásával.

Az alanyok nemi egyensúlyának megtalálásához a férfiak és a nők hasonló arányát vettük figyelembe. A Millenáris korosztályt megcélozva ennél a terméknél a 18-33 éves korosztályt vesszük figyelembe, minimum bachelor végzettséggel és munkaviszonyban állókat. Úgy gondoltuk, hogy az angolul és hindiül értő embereket tantárgynak tekintjük, mivel a videótartalom csak ezeken a nyelveken készült.

Az érzelemkiváltás különböző módszereit feltárva a kísérlethez egy audiovizuális módszert vettek fontolóra, mivel ez a különböző korábbi szakirodalomban és gyakorlati forgatókönyvön keresztül leírt leghatékonyabb módszer. Több mint 1000 nyílt platformról készült videoklipet láttak és elemeztek öt különböző érzelem alapján. Ebből 100 (érzelemenként 20) videó klipet három szintellenőrzéssel vizsgáltak meg, a kiválasztott videoklipeket belső vak ellenőrzéssel is ellenőrizték, hogy kiderüljön, milyen érzelmeket váltottak ki az egyes videókból. Ezekből az azonosított klipekből különböző klipkészletek készültek. Megállapíthattuk, hogy a videoklipek kevésbé hatékonyak a harag kiváltásában; ezért interakciós módszert alkalmaztak rá.

Az adatrögzítő érzékelők belső validálása és az összeszerelés a kapott biojelek jó minőségének biztosítása érdekében. A biojelek gyűjtéséhez az alanyokat arra kérték, hogy üljenek megfelelő testhelyzetbe, és érzékelőket helyeztek el a test egy bizonyos helyén.

Amikor az alany készen állt a részvételre, kezdetben 30 másodpercig semleges képek (pl. természeti helyszínekről) kimutatták, hogy semlegesítik érzelmeit. Ezt követően, bármelyik érzelemtől kezdve, három véletlenszerűen kiválasztott videó egy adott érzelemről az adatbankból, mindegyiket egy semleges vágás követte, hogy semlegesítse a korábbi videó hatását. Videókkal párhuzamosan az érzékelőkről gyűjtöttük a bio-jeladatokat. Minden videó után az alanynak egy visszajelzési űrlapot kellett kitöltenie, hogy értékelje érzelmeit. Az öt különböző, köztük semleges érzelem jelgyűjtésének befejezése után megkezdődött az interakció az alanymal, ahol az alany általános hátteréről kérdezték, és lassan egy kényes témához fordult, ami segített kiváltani a harag érzelmét.

A kísérlet teljesen non-invazív beavatkozást tartalmazott, ahol a résztvevőnek két órát kellett ülnie a videók megtekintéséhez. Az összegyűjtött adatokat tovább elemezzük és felhasználjuk az érzelmek osztályozási algoritmusának kidolgozására.