Studie av fremkalte emosjonelle responser

Millioner av mennesker rammes av psykiske lidelser hvert år. Omtrent én av fem voksne i USA opplever minst én episode med psykiske lidelser hvert år. Omtrent 16 millioner mennesker har minst én alvorlig depressiv episode i løpet av ett år. Forskere har identifisert at Millennial aldersgruppe har størst risiko for å utvikle angst, depresjon og selvmordstanker enn noen annen generasjon. Disse forholdene tilskrives av mange årsaker som økende konkurranse, mindre kommunikasjon, mindre tilknytning til den virkelige verden, arbeidspress osv.

Med tanke på det økende nivået av problemer knyttet til mental helse, tvunget til å tenke på å forstå følelser og tilhørende helsepåvirkning. Populære metoder for følelsesdeteksjon er ved å oppdage ansiktsuttrykk, men for å oppdage sanntidsfølelser er biofysiske signaler det beste verktøyet i henhold til litteraturen. Ved å vurdere den fremtidige muligheten for produktform av EMO-001, viste følelsesdeteksjon gjennom biosignaler seg å være den riktige tilnærmingen. Hensikten med forskningen er å klassifisere de fremkalte følelsene basert på biosignaler til støtte for produktet EMO-001-enheten ved hjelp av fotopletysmografi (PPG), galvanisk hudrespons (GSR) og elektrokardiogram (EKG). Identifikasjon av følelser fra biosignaler, og utvikling av klassifiseringsalgoritme hjelper produktet til å identifisere den emosjonelle tilstanden til personen i sanntid og hjelper til slutt med å spore den emosjonelle tilstanden og foreslå en aktivitet som kan løfte det emosjonelle velværet til en person.

Store seks følelser, underholdning, trist, avsky, redd, overrasket, spenning ble ansett for å samle biosignal. Biosignaler for den nøytrale tilstanden ble også fanget for å lage en baseline for å identifisere endringer i biosignalene med skiftende følelser.

For å finne kjønnsbalansen i fag, ble det vurdert et lignende forhold mellom menn og kvinner. Vi retter oss mot tusenårsaldersgruppen for dette produktet, og vurderer personer fra 18 til 33 år med minimum bachelorgrad og de som er ansatt. Vi betraktet at personer som forstår engelsk og hindi anses som emne, da videoinnhold kun var på disse språkene.

Ved å utforske ulike metoder for følelsesfremkalling, ble en audiovisuell metode vurdert for denne prøven, siden det er de mest effektive metodene beskrevet i ulik tidligere litteratur og gjennom praktiske scenarier. Mer enn 1000 videoklipp fra åpen plattform ble sett og analysert for fem forskjellige følelser. Av disse ble 100 videoklipp (20 per følelse) gransket av tre nivåkontroller, utvalgte videoklipp ble også validert ved intern blindsjekk for å finne ut hvilke eksakte følelser som har blitt fremkalt fra hver video. Fra disse identifiserte klippene var det utarbeidet forskjellige sett med klipp. Vi kunne identifisere at videoklipp er mindre effektive for å fremkalle sinne; derfor ble interaksjonsmetoden brukt for det.

Intern validering av datafangstsensorer og montering gjort for å sikre at de oppnådde biosignalene er av god kvalitet. For innsamling av biosignaler ble forsøkspersonene bedt om å sitte i riktig stilling, og sensorer ble plassert på et bestemt sted på kroppen.

Når motivet var klart for deltakelse, først i 30 sekunder nøytrale bilder (f. naturområder) ble vist å nøytralisere hans/hennes følelser. Etter det startet med en hvilken som helst følelse, ble tre tilfeldig utvalgte videoer av en bestemt følelse fra databanken vist, hver etterfulgt av et nøytralt klipp for å nøytralisere effekten av den tidligere videoen. Parallelt med videoer ble biosignaldataene samlet inn fra sensorene. Etter hver video ble forsøkspersonen bedt om å fylle ut et tilbakemeldingsskjema for å vurdere følelsene sine. Etter å ha fullført signalsamlingen av fem forskjellige følelser og nøytrale i mellom, startet interaksjon med subjektet hvor personen ble spurt om sin generelle bakgrunn og sakte vendte seg til et eller annet sensitivt tema som bidro til å fremkalle sinnefølelsen.

Forsøket hadde fullstendig ikke-invasiv intervensjon, der deltakeren måtte sitte i to timer for å se videoene. Innsamlede data vil videre bli analysert og brukt for utvikling av emosjonsklassifiseringsalgoritme.