Name: Ocena komercyjnych urządzeń noszonych na nadgarstku w celu oszacowania stresu u uczniów (Wideo) | JoVE Journal
Uploaded: 2018-06-16T13:30:00.000+00:00
Duration: 12 min 51 s
Description: Poznaj protokół oceny komercyjnych urządzeń noszonych na nadgarstku do szacowania stresu u uczniów. Metoda obejmuje test laboratoryjny indukcji stresu oraz monitorowanie w klasie podczas zajęć akademickich.

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

Ta praca jest wspierana przez Hiszpańską Państwową Agencję Badawczą oraz Europejski Fundusz Rozwoju Regionalnego (EFRR) w ramach projektu PALLAS (TIN2016-80515-R AEI/EFRD, UE).

Wszystkie opisane poniżej metody zostały zatwierdzone przez regionalny rząd galicyjskiego komitetu etyki badawczej Pontevedra-Vigo-Ourense (kod rejestracyjny 2017/336). Protokół został wdrożony dla studentów pierwszego roku w Szkole Inżynierii Telekomunikacyjnej - Uniwersytet w Vigo, zarówno w komfortowej sali laboratoryjnej, jak i podczas kilku wykładów i sesji praktycznych na kierunku Architektura Komputerowa.
1. Przygotuj urządzenia
<ol>
	<li>Podłącz smartfon i tablet do stabilnego połączenia internetowego.</li>
	<li>Włącz komunikację Bluetooth w smartfonie.</li>
	<li>W smartfonie wyszukaj w odpowiednim oficjalnym sklepie z aplikacjami aplikację do noszenia na nadgarstku. Pobierz i zainstaluj.</li>
	<li>W smartfonie wyszukaj aplikację PhysiologicalSignals, aby przechwytywać sygnały fizjologiczne. Pobierz i zainstaluj it. 
	UWAGA: Obecnie aplikacja jest w wersji beta, a dostęp do niej można zapewnić na żądanie.</li>
	<li>Na tablecie wyszukaj aplikację StressTest, która ma być używana w eksperymentach laboratoryjnych. Pobierz i zainstaluj it. 
	UWAGA: Obecnie aplikacja jest w wersji beta, a dostęp do niej można zapewnić na żądanie.</li>
	<li>Włącz urządzenie do noszenia na nadgarstku COTS i umieść je na ciele.</li>
	<li>W smartfonie otwórz oficjalną aplikację do noszenia na nadgarstku COTS. 
	UWAGA: Aplikacja przystąpi do synchronizacji urządzenia ubieralnego ze smartfonem. W niektórych urządzeniach wymagany jest adres e-mail.</li>
	<li>W smartfonie otwórz aplikację PhysiologicalSignals.
	<ol>
		<li>W przypadku otrzymania powiadomienia o żądaniu dostępu do czujnika, zaakceptuj je.</li>
		<li>Sprawdź urządzenie. Poczekaj, aż aplikacja PhysiologicalSignals wyświetli słowo Weared na zielono. 
		UWAGA: Oznacza to, że urządzenie ubieralne zostało wykryte i dlatego przesyłanie informacji z czujników do smartfona jest włączone. Jeśli ten komunikat nie zostanie wyświetlony, powtórz czynności od kroku 1.6.</li>
	</ol>
	</li>
</ol>
2. Faza laboratoryjna
<ol>
	<li>Przygotuj warunki laboratoryjne. Wybierz wygodne i nieprzeszkadzające pomieszczenie bez rozpraszającego hałasu i z komfortową temperaturą (od 22 °C do 26 °C).</li>
	<li>Włącz urządzenie do noszenia na nadgarstku, umieść je wokół niedominującego nadgarstka osoby badanej i umieść słuchawki na głowie ucznia. Dopasuj urządzenie do noszenia ciasno, ale wygodnie wokół nadgarstka.</li>
	<li>Podłącz smartfon i tablet do stabilnego połączenia internetowego i sprawdź, czy połączenie Bluetooth jest aktywne.</li>
	<li>W smartfonie uruchom aplikację PhysiologicalSignals.
	<ol>
		<li>Poczekaj, aż aplikacja wyświetli słowo Noszone na zielono.</li>
		<li>W menu konfiguracyjnym po lewej stronie wybierz opcję Zmień użytkownika i podaj identyfikator podmiotu, który będzie wykonywał testy, a następnie kliknij przycisk Zapisz.</li>
	</ol>
	</li>
	<li>Na laptopie uzyskaj dostęp do pulpitu nawigacyjnego i wprowadź identyfikator administratora testu oraz hasło. 
	UWAGA: Obecnie, ze względów prywatnych i bezpieczeństwa, dostęp do pulpitu nawigacyjnego jest dostępny tylko na żądanie.
	<ol>
		<li>Wybierz identyfikator tematu i zakładkę stresu tematu.</li>
		<li>Sprawdź ewolucję sygnałów fizjologicznych i poczekaj, aż urządzenie do noszenia osiągnie stabilność termiczną przed rozpoczęciem eksperymentu. 
		UWAGA: Stabilność termiczna jest oznaczona na wykresie jako plateau.</li>
	</ol>
	</li>
	<li>Na tablecie uruchom aplikację StressTest.
	<ol>
		<li>Wyjaśnij pacjentowi cztery zadania laboratoryjne. Pokaż niektóre ekrany i czynności do wykonania podczas każdego z zadań. 
		UWAGA: Jest to bardzo ważne, ponieważ osoba badana powinna czuć się zestresowana lub zrelaksowana zgodnie z wykonywanymi czynnościami, a nie bać się lub martwić o to, co się wydarzy.</li>
		<li>Powiedz uczniowi, aby nie opierał rąk na stole i używał ręki, w której znajduje się urządzenie do noszenia, do wykonywania zadań.</li>
		<li>Wprowadź ten sam identyfikator użytkownika, co w kroku 2.4.2, i kliknij strzałkę.</li>
	</ol>
	</li>
	<li>Uruchom zadanie wideo i oddaj pełną kontrolę uczniowi.
	<ol>
		<li>Zwróć uwagę, że zadanie jest wykonywane bez incydentów.</li>
		<li>Po zakończeniu zadania sprawdź, czy osoba badana zapewnia odczuwany stres.</li>
	</ol>
	</li>
	<li>Uruchom kolejno zadanie Stroop Color (SCWT) dla poziomów 1, 2 i 3.
	<ol>
		<li>Dla każdego poziomu należy zauważyć, że podzadanie jest wykonywane bez incydentów.</li>
		<li>Po zakończeniu każdego podzadania sprawdź, czy temat zapewnia odczuwany stres.</li>
		<li>Tylko dla poziomu 3 i tylko w przypadku, gdy temat nie rozwiąże go po 4 minutach, zakończ zadanie, naciskając strzałkę znajdującą się u góry ekranu.</li>
	</ol>
	</li>
	<li>Uruchom test Paced Auditory Serial Addition (PASAT).
	<ol>
		<li>Zwróć uwagę, że zadanie jest wykonywane bez incydentów.</li>
		<li>W przypadku, gdy badany nie rozwiąże testu PASAT po 4 minutach, zakończ zadanie, naciskając strzałkę znajdującą się u góry ekranu.</li>
		<li>Po zakończeniu zadania sprawdź, czy osoba badana zapewnia odczuwany stres.</li>
	</ol>
	</li>
	<li>Uruchom test hiperwentylacji.
	<ol>
		<li>Obserwuj ewolucję HR za pomocą pulpitu nawigacyjnego. Jeśli sygnały fizjologiczne nie zmieniają się znacząco, poproś badanego, aby stopniowo zwiększał wskaźniki wdechu i wydechu.</li>
		<li>W przypadku, gdy pacjent odczuwa zawroty głowy lub dyskomfort, przerwij to zadanie. W każdym razie wykonaj zadanie po czterech minutach.</li>
		<li>Po zakończeniu zadania sprawdź, czy osoba badana zapewnia odczuwany stres.</li>
	</ol>
	</li>
</ol>
3. Faza w klasie
<ol>
	<li>Włącz urządzenie do noszenia na nadgarstku i umieść je wokół niedominującego nadgarstka fotografowanej osoby. Dopasuj urządzenie do noszenia ciasno, ale wygodnie wokół nadgarstka.</li>
	<li>Podłącz smartfon do stabilnego połączenia internetowego i sprawdź, czy połączenie Bluetooth jest aktywne.</li>
	<li>W smartfonie uruchom aplikację PhysiologicalSignals.
	<ol>
		<li>Poczekaj, aż aplikacja wyświetli słowo Noszone na zielono.</li>
		<li>Wybierz w menu konfiguracyjnym opcję Zmień użytkownika, podaj ID podmiotu, który będzie wykonywał testy i kliknij Zapisz.</li>
	</ol>
	</li>
	<li>Na laptopie uzyskaj dostęp do pulpitu nawigacyjnego i wprowadź identyfikator i hasło administratora testu.
	<ol>
		<li>Wybierz identyfikator tematu i zakładkę stresu tematu.</li>
		<li>Sprawdź ewolucję sygnałów fizjologicznych.</li>
	</ol>
	</li>
	<li>Rób adnotacje na temat wszelkich istotnych wydarzeń mających miejsce w klasie w związku z interakcją uczeń-nauczyciel. 
	UWAGA: Odpowiednie informacje i podstawowe zdarzenia zostaną wykorzystane do późniejszego oznakowania próbek fizjologicznych. Przykładowe zdarzenia to pytanie zadawane przez nauczyciela do ucznia lub inicjowane jest teoretyczne wyjaśnienie.</li>
	<li>Na koniec wykładu poproś osobę badaną o wypełnienie kwestionariusza dotyczącego poziomu stresu w określonych momentach sesji, zgodnie z 5-poziomową skalą.</li>
</ol>
4. Analiza danych
<ol>
	<li>Na laptopie uzyskaj dostęp do pulpitu nawigacyjnego i wprowadź identyfikator i hasło administratora testu.
	<ol>
		<li>Wybierz identyfikator tematu i zakładkę stresu tematu.</li>
		<li>Wybierz dzień eksperymentu w klasie.</li>
	</ol>
	</li>
	<li>Oznacz próbki badanego, identyfikując czynności i postrzegane poziomy stresu.
	<ol>
		<li>Zidentyfikuj zajęcia w sali wykładowej i czas ich trwania zgodnie z godzinami rozpoczęcia i zakończenia oraz ich rodzajami.</li>
		<li>Dla każdej aktywności wybierz odczuwalny poziom stresu.</li>
	</ol>
	</li>
	<li>Dla każdego tematu i każdej sesji pobierz plik z oznaczonymi samples. 
	UWAGA: Dla każdego ucznia tworzony jest plik z wartościami oddzielonymi przecinkami (CSV), w którym każdy wiersz odzwierciedla wartości sygnałów fizjologicznych wraz z ich odchyleniem standardowym, nachyleniem i różnicą, typem aktywności, stresem związanym z aktywnością (tj. stresem domyślnie związanym z aktywnością) oraz odczuwanym stresem badanym.</li>
	<li>Uruchom pakiet do analizy danych.
	<ol>
		<li>Wybierz zestaw klasyfikatorów (np. SVM, C4.5, k-NN, Random Forest, Naïve Bayes i Zero R) i zaimportuj plik CSV dla wszystkich uczniów dla każdej sesji.</li>
		<li>Trenowanie i ocenianie klasyfikatorów przy użyciu techniki 10-krotnej walidacji krzyżowej. 
		UWAGA: W zależności od analiz, jako zmienną zależną do analizy wybiera się rodzaj aktywności, stres związany z aktywnością lub odczuwany stres.</li>
		<li>Na koniec sprawdź wyniki pod kątem dokładności i poziomu błędów.</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>

Autorzy nie mają nic do ujawnienia.

Urządzenia ubieralne COTS są jednymi z najpopularniejszych dostępnych obecnie produktów elektroniki użytkowej. Urządzenia te są zwykle używane do monitorowania aktywności fizycznej, ale ich możliwości i wydajność mogą być bardzo interesujące w innych obszarach. W artykule omówiono protokół oceny wykorzystania urządzeń ubieralnych COTS do szacowania stresu w środowiskach edukacyjnych. Definicja takiego protokołu jest szczególnie istotna w celu analizy różnych rozwiązań obejmujących urządzenia ubieralne i algorytmy uczenia...

Najnowocześniejsze technologie ubieralne są powszechnie dostępne, a ich środowiska aplikacyjne stale się rozwijają. Na rynku możemy znaleźć wiele różnych urządzeń, wśród których nadgarstkowe urządzenia do noszenia COTS1, takie jak inteligentne zegarki i inteligentne opaski, są popularne wśród sportowców jako osobiste narzędzie do monitorowania sprawności fizycznej2. Dzięki zastosowaniu technik analizy danych, dane uzyskane za pomocą tych urządzeń mogą być przetwarzane w celu uzyskania wskaźników, takich jak ogólny stan fizyczny, jakość snu lub współczynnik regeneracji. Wykazana przydatność w tym obszarze wzbudziła zainteresowanie środowiska akademickiego możliwością ich zastosowania w innych dziedzinach, zwłaszcza w dziedzinie zdrowia3,4, choć rygorystyczne wymagania badań klinicznych ograniczają ich wprowadzenie. Jednak w mniej wymagającym kontekście, jakim jest edukacja, możemy znaleźć w literaturze niedawne badania dotyczące korzystania z różnych typów urządzeń do noszenia, zarówno związanych z zajęciami dydaktycznymi5,6 jak i z oszacowaniem pewnych cech ucznia, takich jak wzorce snu7, lub analiza zaangażowania uczniów w różne działania edukacyjne8.
W naszym przypadku skupiamy się na analizie urządzeń do noszenia na nadgarstku COTS jako sposobu na zbieranie sygnałów fizjologicznych, które ostatecznie ułatwiłyby oszacowanie stresu, co z kolei jest kluczowym aspektem w kontekstach edukacyjnych. Stres ma istotny wpływ na rozwój aktywności akademickiej i ogólne wyniki uczniów. Na przykład poziom stresu jest bezpośrednio związany z wystąpieniem syndromu wypalenia zawodowego u studentów9,10,11, a wysoki poziom stresu jest szczególnie istotny podczas pierwszego roku, gdzie wskaźniki rezygnacji z nauki wynoszą od 20% do 30%12,13. Wykrywanie i kontrolowanie wskaźników stresu może radykalnie poprawić wyniki w nauce.
Użycie urządzeń do noszenia na nadgarstku COTS jest uzasadnione, ponieważ posiadają one czujniki, które dostarczają informacji o sygnałach fizjologicznych, które były szeroko wykorzystywane przez społeczność naukową do oceny i wykrywania stresu. Niektóre z sygnałów, o których mowa w literaturze wykorzystywanej w tym celu, obejmują tętno (HR)14, zmienność tętna15, temperaturę skóry (ST)16, repiraration14 oraz galwaniczna reakcja skóry (GSR)17. Sygnały te mogą być zbierane przez urządzenia do noszenia na nadgarstku COTS. Nie oferują one jednak takiej samej wydajności jak urządzenia kliniczne. Istnieją różnice związane z dokładnością czujników między urządzeniami18,19,20,21. Niemniej jednak poprzednie prace18,19,20,21 wykazały, że w scenariuszu powolnego ruchu czujniki nadgarstkowe COTS mają wzorce błędów podobne do specjalistycznych urządzeń.
Celem tego artykułu jest wprowadzenie protokołu do oceny różnych rozwiązań do szacowania stresu u uczniów korzystających z urządzeń do noszenia na nadgarstku COTS. Istnieje wiele rozwiązań, które można zaproponować w celu oszacowania poziomu stresu, obejmujących wykorzystanie różnych urządzeń noszonych na nadgarstku i technik analizy danych, a dokładniej algorytmów uczenia maszynowego. Urządzenia ubieralne na nadgarstku COTS charakteryzują się dużą fragmentacją, heterogenicznością i problemami z interoperacyjnością22. Trzy firmy mają zagregowany udział w rynku wynoszący prawie 50%23, ale wiele innych firm ma znacznie mniejsze indywidualne udziały w rynku, z zagregowanym udziałem powyżej 50%. Z drugiej strony, jeśli chodzi o niejednorodność, nie wszystkie urządzenia do noszenia mają taką samą liczbę i rodzaj czujników, przy czym najczęściej spotykane są akcelerometry i czujniki h, a ST i GSR są obecne tylko w 5% badanych urządzeń. Jeśli chodzi o interoperacyjność, istnieją różne systemy operacyjne i podejścia do gromadzenia danych, które nie są ze sobą kompatybilne. Jeśli chodzi o techniki uczenia maszynowego, które można zastosować do oszacowania stresu na podstawie danych zebranych za pomocą urządzenia na nadgarstku, dostępnych jest wiele opcji24, w tym drzewa decyzyjne, sieci neuronowe, podejścia do najbliższego sąsiedztwa, naiwne klasyfikatory Bayesa itp. Podsumowując, istnieje wiele różnych rozwiązań, które można opracować do szacowania stresu, W związku z tym zasadnicze znaczenie ma zaprojektowanie protokołu oceny, który ułatwi porównanie różnych wstępnych opcji, aby ostatecznie wybrać najbardziej odpowiednią w danym kontekście.
Do implementacji protokołu potrzebne jest kilka narzędzi (Rysunek 1). Po pierwsze, do pobierania danych fizjologicznych potrzebne jest urządzenie nadające nadgarstek COTS. To urządzenie do noszenia powinno mieć co najmniej możliwość monitorowania tętna, ale pożądane są dodatkowe czujniki (np. akcelerometr, czujniki ST, GSR). Po drugie, smartfon z uruchomioną aplikacją PhysiologicalSignal jest wymagany do zbierania danych przechwyconych przez urządzenie ubieralne. Po trzecie, do wykonywania ćwiczeń indukcyjnych wysiłkowych potrzebny jest tablet z aplikacją StressTest (zamiast tabletu można w tym celu użyć smartfona). Po czwarte, kilka kwestionariuszy w celu zebrania danych jakościowych na temat postrzegania stresu przez uczniów. Po piąte, serwer z usługą sieciową 25 do zbierania i wstępnego przetwarzania danych oraz pulpitem nawigacyjnym sieci Web do pokazywania ewolucji sygnałów. I wreszcie pakiet do analizy danych26 do przetwarzania danych zebranych o uczniach przy użyciu technik uczenia maszynowego.
Protokół oceny jest podzielony na dwie fazy. Pierwsza, faza laboratoryjna, odbywa się w komfortowym pomieszczeniu, w którym różne poziomy stresu (tj. "relaks", "skoncentrowany stres" i "stres") są indukowane u docelowego podmiotu (studenta) poprzez kilka typowych zadań wywołujących stres. Druga część odbywa się w sali lekcyjnej i polega na monitorowaniu ucznia podczas wykonywania kilku czynności akademickich: wyjaśnień teoretycznych, indywidualnych zajęć, krótkich testów, egzaminów itp. Podczas realizacji tego protokołu sygnały fizjologiczne podmiotu są wychwytywane za pomocą urządzenia na nadgarstku. Na koniec sygnały te są przetwarzane przez algorytmy uczenia maszynowego w celu oszacowania poziomu stresu.
Podczas fazy laboratoryjnej, aplikacja StressTest jest używana do wywoływania różnych poziomów stresu. Ta aplikacja prowadzi podmiot do wykonania czterech różnych zadań. Pierwszym zadaniem jest stworzenie linii bazowej dla analizy naprężeń. W tym zadaniu uczeń wizualizuje 4-minutowy relaksujący film, w którym pokazane są różne ujęcia zachodu słońca na moście. Drugie zadanie to adaptacja Stroop Color and Word Test27 (SCWT). Co dwie sekundy badany musi wybrać kolor, w którym namalowana jest nazwa koloru (czerwony, zielony, pomarańczowy, niebieski i fioletowy). Kilka przycisków znajdujących się na dole ekranu zawierających początkową literę każdego koloru jest dostępnych dla fotografowanego podmiotu, aby za każdym razem wybrać pomalowany kolor. Na przykład przycisk, który odnosi się do koloru niebieskiego, przedstawia literę B. W naszym przypadku ten test jest podzielony na trzy różne poziomy trudności. Dla pierwszego poziomu (SCWT1) kolorowe "słowa kolorów" pojawią się w tej samej kolejności co przyciski, więc kolor i nazwa są dopasowane bezpośrednio. Ten poziom jest traktowany jako punkt odniesienia, ponieważ nie wiąże się z żadnymi trudnościami, a badany powinien tylko naciskać przyciski prawidłowo, zawsze w tej samej kolejności. Dla drugiego poziomu (SCWT2) kolorowe "słowa kolorów" pojawiają się losowo, ale zgodność między nazwą a kolorem jest zachowana. Za każdym razem, gdy obiekt nie powiedzie się, emitowany jest sygnał dźwiękowy, a jeśli zostaną popełnione dwa błędy, prawidłowy wynik koloru zostanie zresetowany. Dla ostatniego, najtrudniejszego poziomu (SCWT3) nazwa i kolor nie są zgodne. W ten sposób poziom ten ma być bardziej złożony i stresujący dla przedmiotu. Trzecie zadanie składa się z testu PASAT (Paced Słuchy Serial Addition Test)28, który mierzy, jak uczeń doświadcza testu koncentracji. Podczas tego zadania odtwarzana jest na głos sekwencja kolejnych liczb, a uczeń musi dodać dwie ostatnie liczby i zapisać wynik w odpowiednim polu na ekranie, zanim wysłucha następnej liczby. W tym zadaniu, jeśli badany popełni błąd, dochodzi do niepokojącego zdarzenia, które generuje stres (dwie liczby brzmią w tym samym czasie lub utrzymuje się długi okres ciszy). W takim przypadku, jeśli zostaną popełnione trzy błędy, konto sumy zostanie zresetowane. Czwarte zadanie polega na działaniu hiperwentylacji w celu wywołania takiej samej zmienności sygnałów fizjologicznych, która sprowokowałaby stresującą sytuację17. Na końcu każdego zadania i poziomu badany musi wskazać poziom odczuwanego stresu, korzystając z samej aplikacji, zgodnie z 5-wartościową skalą Likerta.
Podczas fazy klasowej, uczniowie wykonują swoje zwykłe zajęcia akademickie razem z resztą swoich kolegów z klasy. Protokół koncentruje się na poziomach stresu, które występują podczas zajęć w klasie. Na zakończenie wykładu student wypełnia krótki kwestionariusz (Załącznik 1), aby wskazać odczuwany poziom stresu w kilku czynnościach według 5-wartościowej skali.

<table><tbody><tr><td>Microsoft Band 2</td><td>Microsoft</td><td></td><td>Wearable</td></tr><tr><td>Nexus 5</td><td>LG</td><td>/Google</td><td></td></tr><tr><td>Smartphone PhysiologicalSignals</td><td>Opracowane przez autorów</td><td></td> artykułu <td>Aplikacja do zbierania danych z urządzeń ubieralnych</td></tr><tr><td>StressTest</td><td>Opracowany przez autorów artykułu</td><td></td><td>Aplikacja do opracowania eksperymentu laboratoryjnego: wizualizacja wideo, test kolorów i słów Stroopa, test sekwencyjnego dodawania słuchowego (PASAT), aktywność hiperwentylacji&nbsp;</td></tr><tr><td>Quizy</td><td>opracowane przez autorów</td><td></td> artykułu <td>Kwestionariusze do zbierania danych jakościowych na temat postrzegania stresu przez uczniów</td></tr><tr><td>Serwer</td><td>Opracowany przez autorów</td><td></td> artykułu <td>Serwer do przechowywania, analizowania i wyświetlania danych</td></tr><tr><td>Aplikacja Weka</td><td>University of Waikato</td><td></td><td>Aplikacja do przetwarzania danych przy użyciu technik uczenia maszynowego</td></tr></tbody></table>

ocena komercyjnych urządzeń noszonych na nadgarstku w celu oszacowania stresu u uczniów

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

Komercyjne urządzenia z półki (COTS) stały się popularne w ostatnich latach do monitorowania aktywności sportowej, głównie wśród młodych ludzi. Urządzenia te zawierają czujniki do zbierania danych o sygnałach fizjologicznych, takich jak tętno, temperatura skóry lub reakcja galwaniczna skóry. Stosując techniki analizy danych do tego rodzaju sygnałów, możliwe jest uzyskanie szacunków dotyczących aspektów ludzkiego zachowania na wyższym poziomie. W literaturze można znaleźć kilka prac opisujących wykorzystanie danych fizjologicznych zebranych za pomocą urządzeń klinicznych w celu uzyskania informacji na temat wzorców snu lub stresu. Jednak nadal pozostaje otwartym pytaniem, czy dane zebrane za pomocą urządzeń noszonych na nadgarstku COTS są wystarczające do scharakteryzowania stanu psychicznego uczniów w warunkach edukacyjnych. W artykule omówiono protokół oceny oszacowania stresu na podstawie danych uzyskanych za pomocą urządzeń noszonych na nadgarstku COTS. Protokół jest realizowany w dwóch fazach. Pierwszy etap składa się z kontrolowanego eksperymentu laboratoryjnego, w którym aplikacja mobilna jest wykorzystywana do wywoływania różnych poziomów stresu u ucznia za pomocą relaksującego filmu, testu Stroop Color and Word, testu Paced Słuch Serial Addition oraz testu hiperwentylacji. Druga faza odbywa się w klasie, gdzie stres jest analizowany podczas wykonywania kilku czynności akademickich, a mianowicie uczęszczania na wykłady teoretyczne, wykonywania ćwiczeń i innych indywidualnych czynności oraz zdawania krótkich testów i egzaminów. W obu przypadkach brane są pod uwagę zarówno dane ilościowe uzyskane z urządzeń noszonych na nadgarstku COTS, jak i dane jakościowe zebrane za pomocą kwestionariuszy. Protokół ten obejmuje prostą i spójną metodę z aplikacją indukującą stres i kwestionariuszami, wymagającą ograniczonego udziału personelu pomocniczego.

Omówiony protokół został wdrożony w ramach kursu Architektury Komputerów na pierwszym roku studiów na kierunku Inżynieria Telekomunikacyjna na Uniwersytecie w Vigo. Na kursie zapisanych jest ponad 200 studentów, zorganizowanych w 10 grup roboczych. Do przeprowadzenia tego eksperymentu na początku roku akademickiego zaproszono studentów z czterech z tych grup. Projekt wzbudził znaczne zainteresowanie wśród studentów i około 30 osób zgłosiło się do udziału w badaniu. Spośród nich w sposób l...

Zaproponowano protokół oceny rozwiązań opartych na komercyjnych urządzeniach do noszenia na nadgarstku (COTS) w celu oszacowania stresu u uczniów. Protokół jest przeprowadzany w dwóch fazach: wstępny laboratoryjny test indukcyjny stresu oraz etap monitorowania odbywający się w klasie, podczas gdy uczeń wykonuje zajęcia akademickie.

Ocena komercyjnych urządzeń noszonych na nadgarstku w celu oszacowania stresu u uczniów

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

Urządzenia ubieralne stały się bardzo popularne. Wśród nich najczęściej używane są urządzenia do noszenia na nadgarstku, takie jak inteligentne opaski lub inteligentne zegarki. Urządzenia te są często używane przez sportowców jako monitory aktywności do monitorowania i śledzenia wskaźników związanych z kondycją.Czujniki dostępne w tych urządzeniach pozwalają na zbieranie danych takich jak m.in. użytkownicy do Twojej lokalizacji, wzorce ruchowe, wykonane kroki czy tętno. Dane te mogą być przetwarzane przy użyciu technik analizy danych w celu oszacowania wartości zmiennych, takich jak przebyty dystans, spożyte kalorie, maksymalna wydolność tlenowa czy jakość snu. Urządzenia te zaczynają być wprowadzane w innych dziedzinach, takich jak zdrowie czy edukacja.W naszym przypadku postanowiliśmy zbadać możliwość wykorzystania komercyjnych okularów noszonych na nadgarstkach w kontekście akademickim. Mówiąc dokładniej, nasza praca skupia się na oszacowaniu stresu uczniów korzystających z tych urządzeń. W tym celu mierzymy różnice w objawach fizjologicznych, takich jak tętno, temperatura skóry lub pocenie się, podczas wykonywania różnych czynności treningowych.Następnie do tych znaków stosuje

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

Research

JoVE Journal

Engineering

Inżynieria

W tym filmie opiszemy jedną z metod oceny psychofizjologicznej reakcji człowieka na stres z wykorzystaniem biofeedbacku. Przedstawimy również ogólne wytyczne dotyczące planowania leczenia.

Psychofizjologiczna ocena stresu z wykorzystaniem biofeedbacku

Test zimnego tłoczenia jest klasycznym zadaniem indukującym stres, używanym w szerokim zakresie badań badających związek między stresem a poznaniem, emocjami i zachowaniem. W tym artykule przedstawiono praktyczną i wszechstronną alternatywę dla tradycyjnego testu wyciskania na zimno: owinięcie ramienia na zimno.

Alternatywa dla tradycyjnego testu na zimno: owijka na ramię na zimno

Badania nad emocjami studentów studiów licencjackich opierały się głównie na samoopisach w warunkach laboratoryjnych. Badania rzadko uwzględniają pomiary biofizjologiczne w tych samoopisach. Protokół ten będzie opisywał metodologię, która integruje samoopisy z pomiarami biofizjologicznymi w celu oceny reakcji i wyników ucznia podczas badania laboratoryjnego.

Wykorzystanie reakcji galwanicznych skóry, biomarkerów śliny i samoopisów do oceny wyników studentów studiów licencjackich podczas egzaminu laboratoryjnego

Ten protokół pokazuje, jak mierzyć przerażenie wzmocnione lękiem podczas paradygmatu pamięci roboczej Sternberga.

Zmniejszanie lęku przed stanem za pomocą utrzymania pamięci roboczej

Stres jest nieuniknionym i trwałym elementem życia, a holistyczne podejście do jego zarządzania jest rozważane. Stworzono ustandaryzowaną metodologię, aby zademonstrować wykonalność protokołu radzenia sobie ze stresem opartego na oddechu, który może być stosowany z dostępną na rynku technologią przenośną.

Społecznościowy program radzenia sobie ze stresem: wykorzystanie urządzeń ubieralnych do oceny reakcji fizjologicznych całego ciała w warunkach nielaboratoryjnych

Obecny protokół wprowadza niekomercyjną, samodzielnie opracowaną aplikację do zbierania danych w czasie rzeczywistym na miejscu, w tym skal psychologicznych, lokalizacji GPS, tętna i poziomu nasycenia krwi tlenem, a także procedur operacyjnych aplikacji. Jako przykład zastosowania posłużyło badanie empiryczne przeprowadzone na Tajwanie w 2020 roku.

Aplikacja do parowania z urządzeniami ubieralnymi w celu monitorowania stanu zdrowia

Komercyjne smartwatche wyposażone w czujniki do noszenia są coraz częściej wykorzystywane w badaniach populacyjnych. Jednak ich użyteczność jest często ograniczona przez ograniczoną żywotność baterii, pojemność pamięci i jakość danych. Niniejszy raport zawiera przykłady opłacalnych rozwiązań rzeczywistych problemów technicznych napotkanych podczas badań z udziałem dzieci cierpiących na astmę i starszych pacjentów kardiologicznych.

Konfiguracja konsumenckich urządzeń ubieralnych do monitorowania narażenia i zdrowia w badaniach populacyjnych

Technologia wearable ma niski koszt i oferuje wygodne monitorowanie danych fizjologicznych. Jednak dokładność i niezawodność tych urządzeń wymaga starannej oceny, aby zapewnić ich skuteczność i bezpieczeństwo dla użytkowników. Ten raport opisuje proces walidacji komercyjnego smartwatcha w monitorowaniu danych fizjologicznych i aktywności fizycznej.

Ocena dokładności danych smartwatcha fitness do monitorowania aktywności sercowo-naczyniowej i fizycznej: badanie walidacyjne w cyfrowym zdrowiu

Badania naprężeń ścinających w systemie emulsji olejowo-wodnej skutkują rozpadem kropli w czasie eksperymentu. Aby zliczyć wielkość kropli w procesach pompowania, w protokole tym z powodzeniem wykazano przydatność endoskopii inline.

Ekonomiczna i niezawodna metoda przewidywania naprężeń mechanicznych w pompach jednorazowych i standardowych

Tutaj prezentujemy protokół do szacowania właściwości optycznych materiału i powierzchni za pomocą efektu fotoakustycznego połączonego z całkowitym wewnętrznym odbiciem. Technika ta, która eliminuje fotoakustykę opartą na polu, może być wykorzystana do stworzenia fotoakustycznego systemu metrologicznego do szacowania grubości materiałów, współczynników załamania światła objętościowych i cienkowarstwowych oraz badania ich właściwości optycznych.

Fotoakustyka oparta na polu ulotnym: ocena właściwości optycznych na powierzchniach

Poznaj protokół oceny komercyjnych urządzeń noszonych na nadgarstku do szacowania stresu u uczniów. Metoda obejmuje test laboratoryjny indukcji stresu oraz monitorowanie w klasie podczas zajęć akademickich.

Ocena komercyjnych urządzeń noszonych na nadgarstku w celu oszacowania stresu u uczniów

Przeglądaj więcej filmów