Studie av framkallade emotionella reaktioner

Miljontals människor drabbas av psykisk ohälsa varje år. Ungefär en av fem vuxna i USA upplever minst en psykisk sjukdom varje år. Cirka 16 miljoner människor har minst en allvarlig depressiv episod på ett år. Forskare har identifierat att Millennial åldersgrupp löper störst risk att utveckla ångest, depression och självmordstankar än någon annan generation. Dessa förhållanden tillskrivs av många anledningar som ökad konkurrens, mindre kommunikation, mindre verklighetstrogen anknytning, arbetstryck, etc.

Med tanke på den ökande nivån av problem relaterade till mental hälsa, tvingad att tänka på att förstå känslor och tillhörande hälsoeffekter. Populära metoder för att detektera känslor är genom att detektera ansiktsuttryck, men för att upptäcka känslor i realtid är biofysiska signaler det bästa verktyget enligt litteraturen. Dessutom, genom att överväga den framtida möjligheten till produktform av EMO-001, visade sig känslodetektering genom biosignaler vara det korrekta tillvägagångssättet. Avsikten med forskningen är att klassificera de framkallade känslorna baserat på biosignaler till stöd för produkten EMO-001 med hjälp av fotopletysmografi (PPG), galvanisk hudrespons (GSR) och elektrokardiogram (EKG). Identifiering av känslor från biosignaler och utveckling av klassificeringsalgoritm hjälper produkten att identifiera det känslomässiga tillståndet hos personen i realtid och hjälper så småningom till att spåra det känslomässiga tillståndet och föreslå en aktivitet som kan lyfta en persons känslomässiga välbefinnande.

Sex stora känslor, nöjen, ledsen, avsky, rädd, förvånad, spänning ansågs samla biosignaler. Biosignaler för det neutrala tillståndet fångades också för att skapa en baslinje för att identifiera förändringar i biosignalerna med förändrade känslor.

För att hitta könsbalansen i försökspersoner övervägdes ett liknande förhållande mellan män och kvinnor. Vi riktar in oss på Millennial åldersgrupp för denna produkt, och vi överväger personer från 18 till 33 års ålder med minsta kandidatexamen och de som är anställda. Vi ansåg att personer som förstår engelska och hindi betraktas som ämne eftersom videoinnehåll endast var på dessa språk.

Genom att utforska olika metoder för framkallande av känslor, övervägdes en audiovisuell metod för detta försök, eftersom det är de mest effektiva metoderna som beskrivs i olika tidigare litteratur och genom praktiska scenarier. Mer än 1 000 videoklipp från öppen plattform sågs och analyserades för fem olika känslor. Av vilka 100 videoklipp (20 per känsla) granskades av tre nivåkontroller, utvalda videoklipp validerades också genom intern blindkontroll för att ta reda på vilken exakt känsla som har framkallats från varje video. Från dessa identifierade klipp hade olika uppsättningar klipp framställts. Vi kunde identifiera att videoklipp är mindre effektiva för att framkalla ilska; därför användes interaktionsmetod för det.

Intern validering av datainfångande sensorer och montering gjorts för att säkerställa att de biosignaler som erhålls är av god kvalitet. För insamling av biosignaler ombads försökspersoner att sitta i en korrekt position och sensorer placerades på en speciell plats på kroppen.

När motivet var redo för deltagande, initialt i 30 sekunder neutrala bilder (t.ex. naturplatser) visade sig neutralisera hans/hennes känslor. Efter det, som började med någon av känslorna, visades tre slumpmässigt utvalda videor av en viss känsla från databanken, var och en följt av en neutral klippning för att neutralisera effekten av den tidigare videon. Parallellt med videor samlades biosignaldata från sensorerna. Efter varje video ombads personen att fylla i ett feedbackformulär för att betygsätta sina känslor. Efter att ha avslutat signalinsamlingen av fem olika känslor och neutral däremellan inleddes interaktion med försökspersonen där försökspersonen tillfrågades om sin allmänna bakgrund och långsamt övergick till något känsligt ämne som hjälpte till att framkalla ilskekänslan.

Försöket hade helt icke-invasiv intervention, där deltagarna måste sitta i två timmar för att titta på videorna. Insamlade data skulle vidare analyseras och användas för utveckling av känsloklassificeringsalgoritm.