Name: 学生へのストレスを推定する商業の棚を離れて手首ウェアラブルの評価 (動画) | JoVE Journal
Uploaded: 2018-06-16T13:30:00.000+00:00
Duration: 12 min 51 s
Description: 学ぶ商用手首ウェアラブルデバイスを用いた学生のストレス推定プロトコル。実験室でのストレス誘発テストと教室でのモニタリングの2段階で評価し、心拍数や皮膚温度などの生理学的信号から機械学習でストレスレベルを推定する方法です。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

この作品は、スペイン国家研究機関と、欧州地域開発基金 (ERDF) パラス (TIN2016-80515-R AEI/EFRD, EU) プロジェクトの下でサポートされます。

以下のすべてのメソッドは、ガリシアのポンテベドラ-ビーゴ-オウレンセ (登録コード 2017/336) の研究倫理委員会の地方政府によって承認されています。1年生で、通信工学 - ヴィーゴの大学、快適な室といくつかの講義とコンピューターのアーキテクチャによって学士の学位コースの演習の両方のプロトコルを実装しました。
1. デバイスを準備します。
<ol><li>安定したインターネット接続にスマート フォンやタブレット デバイスを接続します。</li>
	<li>スマート フォンで Bluetooth 通信をオンにします。</li>
	<li>スマート フォンで手首装着型アプリケーションを対応する公式の app store で検索します。ダウンロードしてそれをインストールします。</li>
	<li>スマート フォンで生体信号をキャプチャする PhysiologicalSignals アプリを検索します。ダウンロードしてそれをインストールします。 注: 現在、アプリはベータ版との要求によって利用することができます。</li>
	<li>タブレットの研究実験室の実験で使用される StressTest アプリを検索します。ダウンロードしてそれをインストールします。 注: 現在、アプリはベータ版との要求によって利用することができます。</li>
	<li>ベビーベッド手首のウェアラブル デバイスをオンにし、ウェアラブルを配置します。</li>
	<li>スマート フォンで公式ベビーベッド手首装着型アプリケーションを開きます。 注: アプリはスマート フォンでのウェアラブル デバイスを同期に進みます。一部のデバイスでは、電子メール アドレスが必要です。</li>
	<li>スマート フォンで PhysiologicalSignals アプリを開きます。<ol>
<li>センサー アクセス要求の通知される場合に、それを受け入れます。</li>
		<li>デバイスを確認してください。緑色で表示される単語Weared PhysiologicalSignals アプリを待ちます。 注: これはウェアラブル デバイスが検出されましたし、スマート フォンのセンサーからの情報の伝達を有効にするために示します。このメッセージが表示されない場合は、手順 1.6 から繰り返します。</li>
	</ol>
</li>
</ol>2. 研究所相
<ol><li>研究室の設定を準備します。気が散る雑音なしと快適な温度 (22 ° C、26 ° C) の間で快適な非不安ルームを選択します。</li>
	<li>手首のウェアラブル デバイスをオンに、subject´s 非利き手の手首の周りに配置し、学生の頭にヘッドフォンを配置します。手首の周りでウェアラブルを苦しくない程度にフィットします。</li>
	<li>安定したインターネット接続にスマート フォンやタブレットを接続し、Bluetooth 接続がアクティブであることを確認します。</li>
	<li>スマート フォン、PhysiologicalSignals アプリケーションを起動します。<ol>
<li>単語Wearedは緑色で表示するアプリを待ちます。</li>
		<li>左側の設定メニューでユーザーの変更オプションを選択し、テストを完了し、保存をクリックして被験者の ID を提供します。</li>
	</ol>
</li>
	<li>ラップトップでダッシュ ボードにアクセスし、テスト管理者の ID とパスワードを入力します。 注: 現在、プライベートとセキュリティの問題のダッシュ ボードへのアクセスこそ要求の下で利用可能です。<ol>
<li>サブジェクトの ID と被験者のストレス] タブを選択します。</li>
		<li>生理学的な信号の進化をチェックし、実験を開始する前に熱安定性に到達するウェアラブル デバイスを待ちます。 注: 熱安定性、高原をグラフとして識別されます。</li>
	</ol>
</li>
	<li>タブレットの StressTest アプリケーションを起動します。<ol>
<li>4 つの実験課題を対象に説明します。いくつかの画面やタスクの各 1 つで実行されるアクションを表示します。 注: これは件名はする必要がありますストレスを感じたり、実行される活動に基づきリラックスした、ない恐怖または何が起こることが懸念ため、非常に重要です。</li>
		<li>学生テーブルに彼らの腕を休ませるし、手を使用して、アクティビティを実行するウェアラブル デバイスを配置する場所を教えてください。</li>
		<li>2.4.2 の手順と同じユーザー ID を入力し、矢印をクリックします。</li>
	</ol>
</li>
	<li>ビデオのタスクを起動し、学生に完全な制御を与えます。<ol>
<li>タスクは何事もなく実施していることを確認します。</li>
		<li>タスクを終了したときは、自覚ストレスを対象に提供することを確認します。</li>
	</ol>
</li>
	<li>レベル 1、2 および 3 のストループ カラー タスク (scwt 測度) を連続して起動します。<ol>
<li>各レベルのサブタスクが何事もなく実施されるを確認します。</li>
		<li>各サブタスクが終了したら、件名が自覚ストレスを提供することを確認します。</li>
		<li>レベル 3 とだけに対してのみ対象は 4 分後に、それを解決しない、場合は、画面の上部にある矢印を押すことでタスクを終了します。</li>
	</ol>
</li>
	<li>ペース聴覚逐次加算テスト (PASAT) を起動します。<ol>
<li>タスクは何事もなく実施していることを確認します。</li>
		<li>件名でも、4 分後 PASAT テストを解決しない場合は、画面の上部にある下向き矢印キーを押してタスクを終了します。</li>
		<li>タスクを終了したときは、自覚ストレスを対象に提供することを確認します。</li>
	</ol>
</li>
	<li>過呼吸テストを起動します。<ol>
<li>ダッシュ ボードを使用して HR の進化を観察します。生理学的な信号が大きく変化しない場合インスピレーションと有効期限の率を徐々 に増加する対象を求めます。</li>
		<li>場合は、件名は、このタスクめまいや不快な停止を感じています。いずれの場合も、4 分後タスクを完了します。</li>
		<li>タスクを終了したときは、自覚ストレスを対象に提供することを確認します。</li>
	</ol>
</li>
</ol>3. 教室相
<ol><li>手首のウェアラブル デバイスをオンにし、subject´s 非利き手の手首にウェアラブルを配置します。手首の周りでウェアラブルを苦しくない程度にフィットします。</li>
	<li>安定したインターネット接続にスマート フォンを接続し、Bluetooth 接続がアクティブなことを確認します。</li>
	<li>スマート フォン、PhysiologicalSignals アプリケーションを起動します。<ol>
<li>単語Wearedは緑色で表示するアプリを待ちます。</li>
		<li>設定メニューでユーザーの変更オプションを選択、テストを完了し、保存をクリックして被験者の ID を提供します。</li>
	</ol>
</li>
	<li>ラップトップでダッシュ ボードにアクセスし、テスト管理者の ID とパスワードを入力します。<ol>
<li>サブジェクトの ID と被験者のストレス] タブを選択します。</li>
		<li>生理学的な信号の進化を確認します。</li>
	</ol>
</li>
	<li>学生と教師の相互作用に関連して教室に関連する事象について注釈を取る。 注: 関連情報と基本的なイベントは、その後生理学的なサンプルのラベルに使用されます。例のイベントは、先生から生徒への質問または理論的説明を開始します。</li>
	<li>講義の最後には、5 レベルの規模に応じて、セッション中に特定の時間にストレスのレベルについてアンケートを完了する対象を求めます。</li>
</ol>4. データ解析
<ol><li>ラップトップでダッシュ ボードにアクセスし、テスト管理者の ID とパスワードを入力します。<ol>
<li>サブジェクトの ID と被験者のストレス] タブを選択します。</li>
		<li>授業実験の日を選択します。</li>
	</ol>
</li>
	<li>活動や知覚のストレスのレベルを識別することによって主題のサンプル ラベルを付けます。<ol>
<li>講義室活動とスタート地点とゴールの回とその型によるとその継続期間を特定します。</li>
		<li>各アクティビティの自覚ストレス レベルを選択します。</li>
	</ol>
</li>
	<li>各教科、各セッション タグのサンプル ファイルをダウンロードします。 注: 各学生のコンマ区切り値 (CSV) ファイルを作成、標準偏差、斜面、差分、アクティビティ タイプ、アクティビティ ベースのストレス (すなわち、関連付けられているストレスと生体信号の値を反映して各行既定のアクティビティに)、被写体認識ストレス。</li>
	<li>データ分析パッケージを起動します。<ol>
<li>分類子のセットを選択 (例えばSVM、C4.5, K-NN、ランダム フォレスト、Naïve Bayes と 0 R) セッションごとにすべての学生の CSV ファイルをインポート。</li>
		<li>電車し、10 倍のクロス検証手法を用いた識別器の評価。 注: 分析、アクティビティ タイプ、アクティビティ ベースのストレス、ストレス知覚によって従属変数の分析として選択するものとします。</li>
		<li>最後に、精度とエラー率の結果を確認します。</li>
	</ol>
</li>
</ol>

<ol><li>IDC. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Forecasts+Wearables+Shipments+to+Reach+213.6+Million+Units+Worldwide+in+2020+with+Watches+and+Wristbands+Driving+Volume+While+Clothing+and+Eyewear+Gain+Traction%22">Forecasts Wearables Shipments to Reach 213.6 Million Units Worldwide in 2020 with Watches and Wristbands Driving Volume While Clothing and Eyewear Gain Traction</a>. , at 
 <a target="_blank" href="http://www.idc.com/getdoc.jsp?containerId=prUS41530816">http://www.idc.com/getdoc.jsp?containerId=prUS41530816</a> (2016).</li>
<li>Piwek, L., Ellis, D. A., Andrews, S., Joinson, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+rise+of+consumer+health+wearables%3Apromises+and+barriers%5BTitle%5D)+AND+%22PLoS+Medicine%22%5BJournal%5D)">The rise of consumer health wearables:promises and barriers.</a> PLoS Medicine. 13 (2), (2016).</li>
<li>Rudner, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interrogation+of+Patient+Smartphone+Activity+Tracker+to+Assist+Arrhythmia+Management%5BTitle%5D)+AND+%22Annals+of+Emergency+Medicine%22%5BJournal%5D)">Interrogation of Patient Smartphone Activity Tracker to Assist Arrhythmia Management.</a> Annals of Emergency Medicine. 68 (3), 292-294 (2016).</li>
<li>Gao, Y., Li, H., Luo, Y. <a target="_blank" href="https://www.emeraldinsight.com/doi/abs/10.1108/IMDS-03-2015-0087">An empirical study of wearable technology acceptance in healthcare.</a> Industrial Management & Data Systems. 115 (9), 1704-1723 (2015).</li>
<li>Lukowicz, P., et al. <a target="_blank" href="https://dl.acm.org/citation.cfm?id=2808407">Glass-physics: using google glass to support high school physics experiments.</a> Proceedings of the 2015 ACM International Symposium on Wearable Computers - ISWC '15. , 151-154 (2015).</li>
<li>Sapargaliyev, D. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSapargaliyev%2C+D+%22Wearables+in+Education%3A+Expectations+and+Disappointments%22">Wearables in Education: Expectations and Disappointments</a>. , 73-78 (2015).</li>
<li>de Arriba Pérez, F., CaeiroRodríguez, M., Santos Gago, J. M. <a target="_blank" href="https://link.springer.com/article/10.1007/s12652-017-0477-5">How do you sleep? Using off the shelf wrist wearables to estimate sleep quality, sleepiness level, chronotype and sleep regularity indicators.</a> Journal of Ambient Intelligence and Humanized Computing. , 1-21 (2017).</li>
<li>Espinosa, H. G., Lee, J., Keogh, J., Grigg, J., James, D. A. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S187770581501499X">On the Use of Inertial Sensors in Educational Engagement Activities.</a> Procedia Engineering. 112, 262-266 (2015).</li>
<li>Travers, C. J., Cooper, C. L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aTravers%2C+CJ+%22El+Estre%CC%81s+de+los+profesores+la+presio%CC%81n+en+la+actividad+docente%22">El Estrés de los profesores la presión en la actividad docente</a>. , Paidós. at 
 <a target="_blank" href="https://dialnet.unirioja.es/servlet/libro?codigo=110437">https://dialnet.unirioja.es/servlet/libro?codigo=110437</a> (1997).</li>
<li>Maslach, C., Jackson, S. E. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1002/job.4030020205/abstract">The measurement of experienced burnout.</a> Journal of occupational Behavior. 2, 99-113 (1981).</li>
<li>Maslach, C., Jackson, S., Leiter, M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aMaslach%2C+C+%22Maslach+Burnout+Inventory%22">Maslach Burnout Inventory</a>. , Palo Alto. (1986).</li>
<li>Kitsantas, A., Winsler, A., Huie, F. <a target="_blank" href="http://journals.sagepub.com/doi/abs/10.4219/jaa-2008-867">Self-Regulation and Ability Predictors of Academic Success During College: A Predictive Validity Study.</a> Journal of Advanced Academics. 20, (2008).</li>
<li>Deberard, C., Scott, M., Glen, I., Spielmans, D. C. <a target="_blank" href="https://eric.ed.gov/?id=EJ701984">Julka Predictors of academic achievement and retention among college freshmen: a longitudinal study.</a> College Student Journal. 381, 66-80 (2004).</li>
<li>Healey, J. A. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHealey%2C+JA+%22Wearable+and+automotive+systems+for+affect+recognition+from+physiology%22">Wearable and automotive systems for affect recognition from physiology</a>. , (2000).</li>
<li>Vrijkotte, T. G. M., van Doornen, L. J. P., de Geus, E. J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effects+of+Work+Stress+on+Ambulatory+Blood+Pressure%2C+Heart+Rate%2C+and+Heart+Rate+Variability%5BTitle%5D)+AND+%22Hypertension%22%5BJournal%5D)">Effects of Work Stress on Ambulatory Blood Pressure, Heart Rate, and Heart Rate Variability.</a> Hypertension. 35 (4), (2000).</li>
<li>Karthikeyan, P., Murugappan, M., Yaacob, S. <a target="_blank" href="https://www.jstage.jst.go.jp/article/jpts/24/12/24_1341/_article">Descriptive Analysis of Skin Temperature Variability of Sympathetic Nervous System Activity in Stress.</a> Journal of Physical Therapy Science. 24 (12), 1341-1344 (2012).</li>
<li>de Santos Sierra, A. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3ade+Santos+Sierra%2C+A+%22Design%2C+implementation+and+evaluation+of+an+unconstrained+and+contactless+biometric+system+based+on+hand+geometry+and+stress+detection%22">Design, implementation and evaluation of an unconstrained and contactless biometric system based on hand geometry and stress detection</a>. , (2012).</li>
<li>Natale, V., Drejak, M., Erbacci, A. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1111/j.1479-8425.2012.00575.x/full">Monitoring sleep with a smartphone accelerometer.</a> Sleep and Biological Rhythms. , Available from: 
 <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1111/j.1479-8425.2012.00575.x/full">http://onlinelibrary.wiley.com/doi/10.1111/j.1479-8425.2012.00575.x/full</a> (2012).</li>
<li>Guo, F., Li, Y., Kankanhalli, M., Brown, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+evaluation+of+wearable+activity+monitoring+devices%5BTitle%5D)+AND+%22Proceedings+of+the+1st+ACM+international+workshop+on+Personal+data+meets+distributed+multimedia%22%5BJournal%5D)">An evaluation of wearable activity monitoring devices.</a> Proceedings of the 1st ACM international workshop on Personal data meets distributed multimedia. , 
 <a target="_blank" href="http://dl.acm.org/citation.cfm?id=2512882">http://dl.acm.org/citation.cfm?id=2512882</a> (2013).</li>
<li>Wallen, M. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Accuracy+of+Heart+Rate+Watches%3A+Implications+for+Weight+Management%5BTitle%5D)+AND+%22PLOS+ONE%22%5BJournal%5D)">Accuracy of Heart Rate Watches: Implications for Weight Management.</a> PLOS ONE. 11 (5), e0154420(2016).</li>
<li>Wang, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Accuracy+of+Wrist-Worn+Heart+Rate+Monitors%5BTitle%5D)+AND+%22JAMA+Cardiology%22%5BJournal%5D)">Accuracy of Wrist-Worn Heart Rate Monitors.</a> JAMA Cardiology. 2 (1), 104(2017).</li>
<li>de Arriba Pérez, F., CaeiroRodríguez, M., Santos Gago, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Collection+and+Processing+of+Data+from+Wrist+Wearable+Devices+in+Heterogeneous+and+Multiple-User+Scenarios%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">Collection and Processing of Data from Wrist Wearable Devices in Heterogeneous and Multiple-User Scenarios.</a> Sensors. 16 (9), 1538(2016).</li>
<li>IDC. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Wearables+Aren%27t+Dead%2C+They%27re+Just+Shifting+Focus+as+the+Market+Grows+16.9%25+in+the+Fourth+Quarter%2C+According+to+IDC%22">Wearables Aren't Dead, They're Just Shifting Focus as the Market Grows 16.9% in the Fourth Quarter, According to IDC</a>. , at 
 <a target="_blank" href="https://www.idc.com/getdoc.jsp?containerId=prUS42342317">https://www.idc.com/getdoc.jsp?containerId=prUS42342317</a> (2017).</li>
<li>Mark, H., Ian, W., Eibe, F. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aMark%2C+H+%22Data+Mining%3A+Practical+Machine+Learning+Tools+and+Techniques%22">Data Mining: Practical Machine Learning Tools and Techniques</a>. , Morgan Kaufmann Publishers. (2011).</li>
<li>de Arriba Pérez, F., Santos Gago, J. M., Caeiro Rodríguez, M. <a target="_blank" href="http://www.lectitopublishing.nl/article/detail/w61lvexw">Analytics of biometric data from wearable devices to support teaching and learning activities.</a> Journal of Information Systems Engineering & Management. 1, 41-54 (2016).</li>
<li>Machine Learning Group at the University of Waikato. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Weka+3+-+Data+Mining+with+Open+Source+Machine+Learning+Software+in+Java%22">Weka 3 - Data Mining with Open Source Machine Learning Software in Java</a>. , at
 <a target="_blank" href="https://www.cs.waikato.ac.nz/mL/weka/">https://www.cs.waikato.ac.nz/mL/weka/</a> (2018).</li>
<li>Zhai, J., Barreto, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Stress+Detection+in+Computer+Users+Based+on+Digital+Signal+Processing+of+Noninvasive+Physiological+Variables%5BTitle%5D)+AND+%222006+International+Conference+of+the+IEEE+Engineering+in+Medicine+and+Biology+Society%22%5BJournal%5D)">Stress Detection in Computer Users Based on Digital Signal Processing of Noninvasive Physiological Variables.</a> 2006 International Conference of the IEEE Engineering in Medicine and Biology Society. , 1355-1358 (2006).</li>
<li>Tombaugh, T. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comprehensive+review+of+the+Paced+Auditory+Serial+Addition+Test+%28PASAT%29%5BTitle%5D)+AND+%22Archives+of+Clinical+Neuropsychology%22%5BJournal%5D)">A comprehensive review of the Paced Auditory Serial Addition Test (PASAT).</a> Archives of Clinical Neuropsychology. 21 (1), 53-76 (2006).</li>
<li>Fan, Q., Wang, Y. <a target="_blank" href="http://ieeexplore.ieee.org/document/5608388/">The real-time realization of filtering of speech with DSP TMS320VC5416 Chip.</a> 2010 International Conference on Educational and Information Technology. , (2010).</li>
<li>González Barajas, J. E., Velandia Cárdenas, C., Nieto Camacho, J. <a target="_blank" href="http://www.scielo.org.co/scielo.php?pid=S0123-77992015000100007&script=sci_abstract&tlng=es">Implementación de filtro digital en tiempo real para detección de la onda R.</a> Revista Tecno Lógicas. 18 (34), 75-86 (2015).</li>
<li>Mesirov, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computer+science.+Accessible+reproducible+research%5BTitle%5D)+AND+%22Science+%28New+York%2C+N.Y.%29%22%5BJournal%5D)">Computer science. Accessible reproducible research.</a> Science (New York, N.Y.). 327 (5964), 415-416 (2010).</li>
<li>American Journal Experts. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22How+to+Write+an+Easily+Reproducible+Protocol%22">How to Write an Easily Reproducible Protocol</a>. , at 
 <a target="_blank" href="https://www.aje.com/en/arc/how-to-write-an-easily-reproducible-protocol/">https://www.aje.com/en/arc/how-to-write-an-easily-reproducible-protocol/</a> (2018).</li>
</ol>

著者が明らかに何もありません。

COTS ウェアラブル デバイスは、今日利用可能な最も人気のある消費者向けエレクトロニクス製品の一つです。これらのデバイスは、物理的な活動を監視するために用いられますが、彼らの能力とパフォーマンスを他の地域で大きな関心の可能性があります。本稿では、学習環境で応力の算定 COTS ウェアラブル デバイスの利用を評価するためのプロトコルを説明します。このようなプロトコルの定義は、ウェアラブルと機械学習アルゴリズムを含むさまざまなソリューションを分析するために特に関連します。プロトコルは、教育現場で使用する応力検出のプロシージャそして最終的な導入の検証可能性があります significate の利点を提供するものです。たとえばウェアラブル デバイスの使用は、いわゆる燃え尽き症候群9,10、11に関連付けられているストレスの高レベルを減らすに貢献できるし、結果としてドロップ アウト率大学12,</sup...

ウェアラブル技術は、広く利用可能と、アプリケーション環境を継続的に拡大しています。さまざまなデバイスでどのベビーベッドの中で手首ウェアラブル1、スマート時計、スマート バンドなど、選手の間で人気のある監視ツール2個人の体力として市場で見出すことができます。データ分析技術を適用すると、一般的な物理状態などの指標を提供、品質または回復要因をスリープ状態にこれらのデバイスを使用して得られたデータを処理できます。この分野で示された適用性が臨床試験の厳格な要件を制限健康ドメイン3,4を中心に、他の分野への応用についての学術コミュニティの関心が高まってください。導入。ただしより少ない要求のコンテキスト教育など、異なるタイプのウェアラブル デバイスの使用を含む文献の最近の調査で見出すことができる、両方と関連して教育活動5,6の推定睡眠パターン7やさまざまな教育活動8の学生の関与の解析など学生のある特定の特徴。
当社の場合、最終的に順番の教育の文脈の重要な側面は、応力の推定を促進するような生体信号を収集するための手段としてベビーベッド手首ウェアラブル デバイスの分析に着目します。ストレスは学術活動や全体的な学生の性能の開発に関連した影響があります。たとえば、ストレス レベル、学生9,10、11、燃え尽き症候群の発症に直接関連し、高応力レベルがドロップ アウト率 20% の間は、新入生の年の間に特に関連します。3012,13共通です。検出とストレス指標を制御する劇的に成績を向上させるため。
彼らはストレス評価と検出の科学界で広く使用されている生体信号に関する情報を提供するセンサーを持っているので、ベビーベッド手首装着型デバイスの使用は正当化されます。信号のいくつかはこの目的のために使用される文学は、心拍数 (HR)14心拍数 varaibility15、皮膚温度 (ST)16、呼吸14、ガルバニック皮膚反応 (GSR)17呼ばれます。これらの信号は、幼児の手首ウェアラブルによって収集できます。しかし、彼らは臨床デバイスと同じ性能を提供していません。違いがありますデバイス18,19,20,21の中でセンサーの精度に関連します。それにもかかわらず、前作品18,19,20,21は、ゆっくりした動きでベビーベッド手首装着型センサーがあるエラー パターンの特殊なデバイスに似ていますを示しています。
本稿の目的は、ベビーベッド手首ウェアラブルを使用して学生の応力推定のための別のソリューションを評価するためのプロトコルを導入することです。異なる手首装着型デバイスとデータ解析技術と具体的に機械学習アルゴリズムの使用を含む、ストレス レベルを推定する提案することができます多くの取り決めがあります。ベビーベッド手首ウェアラブルはその高い断片化、不均一性、相互運用性問題22によって特徴付けられます。3 社が集約されたシェアはほぼ 5023、多くのより小さい個々 の市場のための他の多くの企業アカウントを共有して、50% 以上のシェアを集計。その一方で、不均一性の面ですべてウェアラブル センサー、加速度計と最も一般的である h のセンサーの種類と同じ数であるし、勉強の ST と GSR のデバイスの 5% に存在することだけ。相互運用性に関してはお互いに互換性がない異なるオペレーティング ・ システムとデータ コレクション アプローチがあります。マシンラーニング手首デバイスによって収集されたデータから応力を推定に適用できる手法が多くのオプション利用可能な24、最寄りの隣人のアプローチ、ニューラル ネットワーク、デシジョン ツリーを含む Naïve Bayes分類子、要約するとなど多種多様な異なる仮オプションを最終的に選択間の比較を容易にする評価プロトコルを設計する器械であるので、応力推定の開発可能性がありますソリューションがある、特定のコンテキストに最も適しています。
プロトコルの実装には、いくつかのツールが必要な (図 1) です。まず、ベビーベッド手首装着型デバイスは、生理学的なデータをフェッチする必要です。少なくともこのウェアラブル デバイス必要があります時間監視機能、追加のセンサーが望ましい (例えば、加速度計、ST、GSR センサー)。第二に、PhysiologicalSignal アプリケーションを実行しているスマート フォンは、ウェアラブル デバイスによってキャプチャされたデータを収集する必要があります。StressTest アプリケーションを実行しているタブレットはストレス誘導演習を実行に必要な第三に、(スマート フォンがある可能性がありますこの目的のため代わりにタブレットを使用)。第四に、ストレスに関する学生の認識に定性的なデータを収集するためにいくつかのアンケートです。第五に、web サーバーは、データ コレクションと前処理、および信号の進化を示す Web ダッシュ ボードを実行する25 をサービスします。そして最後に、データを処理するためのデータの解析パッケージ26は、機械学習手法を用いた学生について収集します。
評価プロトコルは、2 つのフェーズで構成されています。最初の 1 つ研究室段階では、行われますターゲットの対象 (生) に別のストレス レベル (すなわち、「リラックス」、「集中ストレス」と「ストレス」) を誘導する、部屋にいくつかの一般的なストレスを誘発するタスク。2 番目の部分は教室で行われ、それを含むいくつかの学術活動の成果の中に学生を監視: 理論的説明、個々 の活動、短いテスト、試験、等の実装時にこのプロトコルでは、主題の生理学的な信号が手首デバイスによってキャプチャされます。最後に、これらの信号は、機械学習のストレス レベルの推定を提供するアルゴリズムによって処理されます。
実験室段階では、StressTest アプリを使用して、別のストレス レベルを誘発します。このアプリは、4 つの異なるタスクを完了する対象を説明します。最初のタスクは、応力解析のためのベースラインを作成することです。このタスクでは、学生が橋に沈む夕日の別のショットが表示されます 4 分間のリラックスしたビデオを可視化します。2 番目のタスクは、ストループ カラーと単語テスト27 (scwt 測度) の適応です。2 秒ごとに、件名が (赤、緑、オレンジ、青、紫) 色の名前は描かれている色を選択してください。各時塗装の色を選ぶために主題をそれぞれの色の頭文字を含む画面の下部にあるいくつかのボタンがあります。たとえば、青を参照するボタンは b を示しています私たちのケースでは、このテストは難易度の 3 つのレベルに分かれています。最初のレベル (SCWT1) では、色の「色の言葉」色と名前が直接一致ようにボタンと同じ順序で表示されます。このレベルは、任意の難易度を必要としないし、対象する必要がありますのみボタンを押して、正しく、常に同じ順序でベースラインとして解釈されます。2 番目のレベル (SCWT2) では、色の「色の言葉」ランダムに表示されます名前と色対応が維持されます。件名ビープ音が失敗するたびが放出され、2 つのエラーが発生した、正しい色のスコアがリセットされます。最後に、最も困難なレベル (SCWT3) の名前と色は一致しません。この方法でこのレベルの主題のためのストレスより複雑にするものです。3 番目のタスクは、学生が集中テストを経験する方法を測定、ペース聴覚逐次加算テスト (PASAT)28日で構成されます。このタスクでは、連続した番号のシーケンスが声を出して、再生し、学生は、最後の 2 つの数字と書き込みで提供されている結果は画面に表示される次の番号を聞いて前にボックスを追加する必要があります。このタスクの件名はミス、不穏なイベントが発生しますストレスを生成する (2 つの音同時に数値または沈黙の長い期間を維持)。この場合、3 つのエラーがコミットされた合計アカウントがリセットされます。4 番目のタスクは、過活動が引き起こすストレス状況17生理信号で同じ変化を誘発する上で構成されます。各レベルの最後に、テーマは、知覚のストレスのレベルを示す、アプリケーション自体を使用して 5 値リッカート尺度によると。
教室フェーズでは、学生は彼らのクラスメートの残りの部分と一緒に普通学術活動を遂行します。プロトコルは特定の教室活動中に発生するストレスのレベルに焦点を当てください。講義の最後に、簡単なアンケート (附属書 1) は 5 値スケールによるといくつかの活動のストレスの感知されたレベルを示す学生によって完了します。

<table><tbody><tr><td>Microsoft Band 2</td><td>Microsoft</td><td></td><td>Wearable</td></tr><tr><td>Nexus 5</td><td>LG/Google</td><td></td><td>Smartphone</td></tr><tr><td>PhysiologicalSignals</td><td>論文著者</td><td></td>が開発 ウェアラブル<td>からデータを収集するアプリ</td></tr><tr><td>StressTest</td><td>論文著者</td><td></td><td>が開発実験を開発するアプリ:ビデオ視覚化、ストループカラー&ワードテスト、ペーシング聴覚シリアル追加テスト(PASAT)、過換気活動&nbsp;</td></tr><tr><td></td><td>クイズ 論文の著者</td><td></td>によって開発されました <td>ストレスに対する学生の認識に関する定性的データを収集するためのアンケート</td></tr><tr><td>サーバー</td><td>論文の著者</td><td></td>によって開発されました <td>データを保存、分析、表示するためのサーバー</td></tr><tr><td>Wekaアプリケーション ワイ</td><td>カト</td><td></td>大学 <td>機械学習技術を使用してデータを処理するアプリケーション</td></tr></tbody></table>

学生へのストレスを推定する商業の棚を離れて手首ウェアラブルの評価

Evaluation of Commercial-Off-The-Shelf Wrist Wearables to Estimate Stress on Students

ウェアラブル商業オフ棚 (COTS) デバイスは、主に若者の間でのスポーツ活動を監視する最後の年の間に人気になっています。これらのデバイスには、心拍数、皮膚温、皮膚電気反応などの生体信号のデータを収集するセンサーが含まれます。データ解析技術を信号のこれらの種類に適用すると、人間の行動のより高いレベルの側面の推定を得ることが可能です。本邦で臨床装置を用いた睡眠パターンやストレスに関する情報を取得収集された生理学的なデータの使用を記述するいくつかの作品があります。しかし、それはまだ未解決の問題幼児手首ウェアラブルを使用してキャプチャしたデータを教育現場で学習者の心理状態の特性を十分かどうか。本稿では、ベビーベッド手首ウェアラブルを使用して得られたデータから応力を評価するためのプロトコルについて説明します。プロトコルは 2 つのフェーズで行われます。最初の段階は、モバイル アプリを使用してリラックスしたビデオ、ストループ カラーと単語テスト、ペース聴覚連続足し算テスト、および過呼吸テストによる学生に別のストレス レベルを誘発する制御実験から成っています。2 番目のフェーズは、いくつかの学術活動を行う、すなわち理論講義への出席演習やその他の個々 の活動を行う、簡単なテストや試験中のストレスの分析、教室で行われます。両方のケースでベビーベッド手首ウェアラブルから得られた量的データと質的データ アンケート収集と見なされます。このプロトコルを含むストレス誘導アプリでシンプルかつ一貫した方法との限られた参加を要求する、アンケート サポート スタッフ。

説明プロトコルは、ヴィーゴの大学で通信工学の学位の最初の年にコンピュータ アーキテクチャ コースで練習に入れられました。このコースには、入学者よりも 200 人 10 のワーキング グループに編成されます。この実験を遂行するには、4 つのグループからの学生は、学年の初めに登録に招待されました。プロジェクトは、学生の間で注目を集めて、約 30 名の学生が研究に参加するボランティアします。彼らから 12 人の学生はランダムに参加に選ばれました。
実験用に選択されたベビーベッドの手首ウェアラブル デバイスは、HR、ST、GSR と加速度計のセンサーを持っています。このウェアラブルの選択は、その様々 なセンサーやリアルタイム データ供給の規定に基づいていた。データを収集するセンサーの技術的な条件も考慮しました。データ キャプチャは一般的にセンサーのもデバイスの省エネルギー特性のための操作によって課された特定の周波数で実行されます。選択したデバイスの場合 HR ...

生応力を推定する商業オフ棚 (COTS) 手首ウェアラブルに基づいてソリューションを評価するためのプロトコルを提案する.プロトコルは 2 つのフェーズ、初期の実験に基づく応力誘導テスト、学生が学術活動を行っている間、教室で行われる監視の段階で行われます。

Wearable commercial-off-the-shelf (COTS) devices have become popular during the last years to monitor sports activities, primarily among young people. ...

ウェアラブルデバイスは非常に普及しています。その中でも、スマートバンドやスマートウォッチなどのリストウェアラブルが最も多く利用されています。これらのデバイスは、フィットネス関連の指標をモニタリングおよび追跡するためのアクティビティトラッカーとして、スポーツ愛好家によって頻繁に使用されています。これらのデバイスに搭載されているセンサーにより、ユーザーの位置情報、動作パターン、歩数、心拍数などのデータを収集することが可能です。これらのデータはデータ分析技術を用いて処理され、歩行距離、消費カロリー、最大有酸素能力、睡眠の質といった変数の値を推定することができます。これらのデバイスは、ヘルスケアや教育など、他の分野への導入も始まっています。本研究では、学術的な文脈で市販のウェアラブルリストデバイスを利用する可能性を検討することにしました。より具体的には、これらのデバイスを用いて学生のストレス状態を推定することに焦点を当てています。そのために、さまざまな学習活動の遂行中における心拍数、皮膚温度、発汗などの生理学的指標の変化を測定します。次に、これらの徴候に機械学習手法を適用してストレスレベルを推定します。市販のリストウェアラブルデバイスには、ストレスの評価および検出において科学コミュニティで広く利用されている生理学的信号の情報を提供するセンサーが搭載されています。これらの信号の中でも、心拍数、呼吸数、皮膚温度、または皮膚電気反応が最も一般的です。本研究を実施するために、以下のツールを用いた評価プロトコルを定義した。生理学的信号を捕捉するために学生に提供される市販の手首装着型ウェアラブルデバイス、データの収集および解析サーバーへの送信を行うために開発されたアプリケーションが動作するスマートフォン、収集したデータの可視化を容易にするダッシュボード、そして最後に、機械学習アルゴリズムの実行をサポートするデータ分析パッケージである。ストレスを誘発させるためのプロトコルは、2つのフェーズに分かれている。まず、完全に制御された条件下で、研究室内にてキャリブレーションプロセスを実施します。このため、ストループ色単語テスト、ペース・オーディトリー・シリアル・アディション・テスト（PASAT）、および過換気テストという標準化されたテストを用いて、被験者にさまざまなレベルのストレスを誘発させます。これらの制御された条件下で生体信号の変化を分析し、次のフェーズの参照データとして使用します。最初のタスクは、ストレス分析のためのベースラインを作成することです。このタスクでは、学生は夕日や橋などのさまざまなショットが流れる4分間のリラクゼーションビデオを視聴します。その後、学生は自身の自覚的なストレスレベルについて質問を受けます。2番目のタスクは、ストループの色と単語テストを適応させたものです。

evaluation-commercial-off-shelf-wrist-wearables-to-estimate-stress-on

Research

JoVE Journal

Engineering

工学

このビデオでは、バイオフィードバックを使用して強調して人の精神生理学的反応を評価する一つの方法を説明します。我々はまた、治療計画のための一般的なガイドラインを紹介します。...

バイオフィードバックを用いた精神生理学的ストレス評価

学部生の学業成績感情に関する研究は、主に研究室での自己報告に依存してきました。これらの自己報告に対する生物生理学的測定が研究に含まれることはめったにありません。このプロトコルでは、自己報告と生物生理学的測定を統合して、実験室試験活動中の学生の反応とパフォーマンスを評価する方法論について説明します。...

実験室試験の活動の間、学部学生のパフォーマンスを評価するために、電気皮膚応答、唾液バイオマーカー、および自己レポートの使用

このプロトコールは、Sternbergワーキングメモリのパラダイム中に不安を増強した驚愕を測定する方法を示しています。...

ワーキングメモリメンテナンスによる状態不安の軽減

ストレスは、人生の避けられないと永続的なコンポーネントとその管理のための総合的なアプローチが検討されています。市販のポータブル テクノロジで使用することができます息ベース...

コミュニティ ベースのストレス管理プログラム: 全体を評価するウェアラブル機器を用いた体非実験室環境での生理学的応答

実験的な設計は、高等教育の設定やタスクで学生が経験する感情的な現実を評価するために、試験経験のリアルタイムの影響を調査するために開発されました。この設計は、学際的な(例えば、教育心理学、生物学、生理学、工学)およびマルチモーダル(例えば、唾液マーカー、調査、電気真皮センサー)アプローチの結果である。...

ほぼリアルタイムの本格的な試験体験を研究するための学際的かつ多モーダル実験設計

本プロトコルは、心理的尺度、GPS位置、心拍数、血中酸素飽和度、およびアプリケーションの操作手順を含むリアルタイムのオンサイトデータを収集するための非商用の自社開発アプリケーションを紹介します。2020年に台湾で実施された実証研究を応用例として使用しました。...

個人の健康状態を監視するためのウェアラブルデバイスとのペアリングのためのアプリケーション

ウェアラブルセンサーを搭載した商用スマートウォッチは、人口調査でますます使用されています。ただし、それらの有用性は、限られたバッテリー持続時間、メモリ容量、およびデータ品質によって制約されることがよくあります。このレポートは、喘息の子供や高齢の心臓病患者を対象とした研究中に遭遇する実際の技術的課題に対する費用効果の高いソリューションの例を提供します。...

人口調査における曝露および健康モニタリングのための消費者向けウェアラブルデバイスのセットアップ

ウェアラブル技術は低コストで、生理学的データの便利なモニタリングを提供します。ただし、これらのデバイスの精度と信頼性には、ユーザーにとっての有効性と安全性を確保するために慎重な評価が必要です。このレポートでは、生理学的データと身体活動のモニタリングにおける商用スマートウォッチの検証プロセスについて説明します。...

心血管および身体活動モニタリングのためのフィットネススマートウォッチデータの精度の評価:デジタルヘルスの検証研究

油水エマルジョンシステム上でのせん断応力調査は、実験時間中に液滴分解をもたらします。ポンピングプロセスでの液滴サイズをカウントするために、このプロトコルではインライン内視鏡検査の適合性が成功裏に実証されました。...

シングル利用と標準ポンプに機械的応力を予測するために費用対効果と信頼性の高い方法

ここでは、材料を推定し、内部全反射と組み合わせて光音響効果を用いた光学特性を表面にプロトコルを提示します。この技術エバネセント場ベースの光音響は材料「厚さを推定するために光音響計測システムを作成するために使用することができ、バルク及び薄膜の屈折率、及びそれらの光学的特性を探ります。...

エバネセント場ベースの光音響：表面での光学特性評価

学ぶ商用手首ウェアラブルデバイスを用いた学生のストレス推定プロトコル。実験室でのストレス誘発テストと教室でのモニタリングの2段階で評価し、心拍数や皮膚温度などの生理学的信号から機械学習でストレスレベルを推定する方法です。

学生へのストレスを推定する商業の棚を離れて手首ウェアラブルの評価

さらに動画を探す