Summary
פרוטוקול להעריך פתרונות המבוססים על wearables שורש כף היד (מיטות) מסחרי---מהמדף כדי להעריך מתח סטודנטים מוצע. הפרוטוקול מתבצעת בשני שלבים, מבחן אינדוקציה הלחץ ההתחלתי מבוסס המעבדה, שלב המעקב המתרחשים בכיתה בזמן שהתלמיד מבצע פעילות אקדמית.
Abstract
מכשירים שכאלו (מיטות) מסחרי---מהמדף הפכו לפופולריים בשנים האחרונות לעקוב אחר פעילויות ספורט, בעיקר בקרב צעירים. התקנים אלה כוללים חיישנים כדי לאסוף נתונים על אותות פיזיולוגיים כגון קצב הלב, טמפרטורת עור או בעור. על ידי יישום טכניקות ניתוח נתונים לסוגים אלה של אותות, זה ניתן לקבל הערכות ההיבטים ברמה גבוהה יותר של ההתנהגות האנושית. בספרות, ישנם מספר עבודות המתארות את השימוש פיזיולוגיים הנתונים שנאספו באמצעות מכשירים קליניים כדי להשיג מידע על דפוסי השינה או מתח. עם זאת, זה עדיין שאלה פתוחה אם נתונים שנלכדו באמצעות מיטות היד wearables מספיקה לאפיין את המצב הנפשי של הלומדים במסגרות חינוכיות. מאמר זה דן פרוטוקול כדי להעריך את הלחץ שערוך של נתונים שהושגו באמצעות מיטות היד wearables. הפרוטוקול מבוצע בשני שלבים. השלב הראשון כולל ניסוי מעבדה מבוקרים, שבה נעשה שימוש ליישום נייד כדי לגרום רמות הלחץ שונה אצל תלמידים באמצעות וידאו מרגיעה, צבע סטרופ, Word, בדיקה, מבחן בקצב תוספת טורי השמיעה של מבחן של ולמצבי. בשלב השני מתבצע בכיתה, שבו מתח ניתוח תוך ביצוע מספר פעילויות אקדמיות כלומר השתתפות להרצאות תיאורטי, עושה תרגילים ופעילויות אחרות בודדים, לוקחים בדיקות קצר ואת בחינות. בשני המקרים, נחשבים נתונים כמותיים המתקבל wearables היד עריסות והן איכותי הנתונים שנאספו באמצעות שאלונים. פרוטוקול זה כרוך שיטה פשוטה ועקבית עם יישום אינדוקציה סטרס ותמיכה שאלונים, המחייב השתתפות מוגבלת של הצוות.
Introduction
המדינה-of-the-art טכנולוגיות לביש זמינים באופן נרחב, סביבות יישומים שלהם ללא הרף מתרחבים. ניתן למצוא בשוק להתקנים רבים ושונים, בין אילו מיטות היד wearables1, כגון שעונים חכם ולהקות חכם, הם פופולרי בקרב ספורטאים כמו כושר גופני אישי ניטור tool2. על ידי יישום טכניקות אנליטית נתונים, ניתן לעבד את הנתונים שהושגו באמצעות התקנים אלה כדי לספק אינדיקטורים כגון מצבו הגופני הכללי, לישון גורם איכות או שחזור. הישימות הפגינו באזור זה העלה הריבית בקהילה האקדמית על יישום אפשרי שלהם לשדות אחרים, ובמיוחד בריאות מחשבים3,4, למרות להגביל דרישות מחמירות של ניסויים קליניים ההיכרות שלהם. עם זאת, ב פחות תובענית הקשר כמו חינוך, נוכל למצוא הספרות האחרונות בחקירות הכרוכות של סוגים שונים של מכשירים שכאלו, שניהם קשורים מלמד פעילויות5,6 , ההערכה של מאפיינים מסוימים של התלמיד כגון דפוסי שינה7או הניתוח של האירוסין של התלמידים פעילויות חינוכיות שונות8.
במקרה שלנו, אנו מתמקדים בניתוח עריסות היד מכשירים שכאלו כאמצעי לאיסוף אותות פיזיולוגיים שתאפשר בסופו של דבר הלחץ אמידה, אשר בתורו להיבט בהקשרים חינוכיים. לחץ יש השפעה רלוונטי בפיתוח של פעילות אקדמית וביצועים של התלמידים הכללית. לדוגמה, רמות הלחץ אינם קשורים ישירות התחלתה של תסמונת burnout סטודנטים9,10,11, רמות הלחץ גבוה רלוונטיים במיוחד במהלך השנה הראשונה, שבה שיעורי הנשירה בין 20% 30%12,13 והם נפוצים. גילוי ושליטה מחווני מתח יכול לשפר באופן דרמטי בלימודים אקדמיים.
השימוש של עריסות היד מכשירים שכאלו היא מוצדקת כי יש חיישנים המספקים מידע אודות אותות פיזיולוגיים היה בשימוש נרחב על ידי הקהילה המדעית ב מתח הערכה וזיהוי. חלק האותות מכונה בספרות המשמשים למטרה זו כוללים את קצב הלב (HR)14, קצב הלב varaibility15, עור חום (רח')16, נשימה14בעור (GSR)17. אותות אלה יכולים להיות שנאספו על ידי עריסות היד wearables. עם זאת, הם לא מציעים את הביצועים אותו כמו התקני קליניים. ישנם הבדלים הקשורים דיוק חיישנים בין התקנים18,19,20,21. למרות זאת,20,19,18,עבודות קודמות21 הראו כי, בתרחיש בתנועה איטית, עריסות היד לביש חיישנים יש שגיאה דפוסים דומים למכשירים מיוחדים.
מטרת מאמר זה היא להציג את פרוטוקול להעריך פתרונות שונים עבור מתח להערכת תלמידים באמצעות מיטות היד wearables. ישנם הסדרים רבים אשר יכולים להיות הציע להערכת רמות הלחץ, הכרוכות של היד שונים לביש נתונים והתקנים analytics, וטכניקות ליתר דיוק מכונת למידה אלגוריתמים. עריסות היד wearables מאופיינים שלהם גבוהה פיצול, הטרוגניות ויכולת פעולה הדדית בעיות22. שלוש חברות של נתח שוק צבורים של כמעט 50%23, אך רבים אחרים חשבון חברות לשוק בודדים קטנים יותר הרבה מניות, בעל חלק צבור מעל 50%. מצד שני, מבחינת הטרוגניות, לא כל wearables יש את אותו המספר והסוג של חיישנים, עם תאוצה וחיישני h להיות הנפוצות ביותר, ולמד של ST ו של GSR רק להיות נוכח ב 5% של המכשירים. באשר האינטראופרביליות, ישנן מערכות הפעלה ונתונים אוסף גישות שונות שאינן תואמות אחד עם השני. באשר המכונה לימוד טכניקות שניתן להחיל כדי להעריך את הלחץ מן הנתונים שנאספו באמצעות מכשיר כף היד, ישנם רבים אפשרויות זמין24, לרבות ההחלטה עצים, רשתות עצביות, הקרוב ביותר שכן גישות, Bayes תמים מסווגים, וכו לסיכום, יש מגוון רב של פתרונות ניתן לפתח עבור מתח הערכה, אז זה פלייבק לעצב פרוטוקול הערכה כדי להקל על ההשוואה בין אפשרויות שונות סופי בסופו של דבר לבחור המתאים ביותר בהקשר נתון.
ליישום הפרוטוקול, מספר כלים הם הצורך (איור 1). ראשית, התקן לבישה של שורש כף היד מיטות יש צורך להביא נתונים פיזיולוגיים. זה מכשיר לביש צריכות להיות לפחות HR ניטור יכולות, אבל חיישנים נוספים הם רצויים (למשל, תאוצה, ST, GSR חיישנים). שנית, טלפון חכם של הפעלת היישום PhysiologicalSignal נדרש כדי לאסוף את הנתונים בשבי על ידי המכשיר לביש. שלישית, טבלית פועל היישום StressTest יש צורך להפעיל לחץ אינדוקציה תרגילים (החכם יכול להיות בשימוש במקום הלוח למטרה זו). רביעית, כמה שאלונים לאיסוף נתונים איכותי על התפיסה של התלמידים על מתח. חמישית, שרת האינטרנט שירות25 לבצע איסוף נתונים עיבוד קדם, ואת לוח מחוונים האינטרנט כדי להציג את ההתפתחות של האותות. לבסוף, נתוני אנליטיקס החבילה26 לעבד את הנתונים שנאספו על התלמידים באמצעות מכונת למידה טכניקות.
פרוטוקול הערכה שמאורגנים בשני שלבים. הראשון, שלב מעבדה, מבוצעת בחדר אירוח נוח, שבו רמות הלחץ שונים (כלומר, "תירגע", "מתח מרוכז", "מתח") הם המושרה לנושא היעד (תלמיד) דרך מספר משימות נפוצות בתדר מתח. החלק השני מתרחש בכיתה, וכרוך בכך ניטור התלמיד במהלך להגשמת מספר פעילויות אקדמיות: הסברים תיאורטיים, הפעילויות הנפרדות, בדיקות קצרות, בחינות, וכו במהלך הביצוע פרוטוקול זה, הנושא של פיזיולוגיים אותות נלכדים באמצעות מכשיר כף היד. לבסוף, אותות אלה מעובדים על ידי בינה מלאכותית אלגוריתמים כדי לספק הערכות על רמת הסטרס.
במהלך שלב מעבדה, האפליקציה StressTest משמש כדי לגרום רמות הלחץ שונים. יישום זה מנחה את הנושא ועד לסיום ארבע משימות שונות. המשימה הראשונה היא ליצור בסיס עבור מנתח הלחץ. במשימה זו, התלמיד מדמיין 4 דקות וידאו מרגיעה שבו מוצגות תמונות שונות של שקיעה על הגשר. המשימה השנייה היא עיבוד של שטרופ צבע של המילה בדיקה27 (SCWT). כל שתי שניות, הנושא עליך לבחור את הצבע שבו נצבע את השם של צבע (אדום, ירוק, כתום, כחול וסגול). כמה כפתורים הממוקם בחלקו התחתון של המסך המכיל את המכתב הראשונית של כל צבע זמינים עבור הנושא לבחור את צבע צבוע בכל מועד. לדוגמה, לחצן זה מתייחס כחול מתארת את האות B. במקרה שלנו, בדיקה זו מחולקת שלוש רמות שונות של קושי. עבור הרמה הראשונה (SCWT1), בצבע "המילים של צבעים" יופיעו באותו סדר כמו הלחצנים, כך צבע ושם להתאים ישירות. רמה זו נלקח בתור בסיסית, וגם זה אינו כרוך בקשיים הנושא יש ללחוץ רק את הלחצנים כהלכה, תמיד באותו סדר. הרמה השניה (SCWT2), בצבע "המילים של צבעים" מופיעות באופן אקראי, אך ההתכתבות בין השם והצבע נשמר. בכל פעם הנושא נכשל צפצוף נפלטת, אם שתי טעויות נעשים, יתבצע איפוס של התוצאה הצבע הנכון. האחרון, הקשים ביותר ברמת (SCWT3), שם וצבע אינם תואמים. בדרך זו רמה זו נועדה להיות מלחיץ עבור הנושא ומורכבת יותר. הפעילות השלישית מורכבת על בקצב תוספת טורי השמיעה מבחן (PASAT)28, אשר מודד כמה התלמיד חווה בדיקת ריכוז. במהלך משימה זו, רצף של מספרים עוקבים הוא שיחק בקול רם, התלמיד חייב להוסיף את שני המספרים ואת כתיבה התוצאה המצורפת על המסך תיבה לפני האזנה למספר הבא. במשימה זו, אם הנושא עושה טעות, מטרידה מתרחש אירוע ליצור מתח (שני מספרים הקול בו זמנית או נשמרות תקופה ארוכה של שקט בבית). במקרה זה, אם שלוש שגיאות מחויבים, חשבון סכום יאופסו. המשימה הרביעית מורכב על פעילות של ולמצבי לזירוז וריאציית אותו בין אותות פיזיולוגיים כי יתגרה המצב מלחיץ17. בסוף כל רמה של פעילות, הנושא יש להצביע על הרמה של הלחץ הנתפס, באמצעות היישום עצמו, על פי סרגל likert 5-ערך.
במהלך השלב בכיתה, התלמידים לבצע את פעילותם אקדמיים רגילים יחד עם שאר חבריהם לכיתה. הפרוטוקול מתמקד רמות מתח המתרחשים במהלך פעילויות בכיתה ספציפית. בסוף ההרצאה, שאלון קצר (נספח 1) הושלמה על-ידי התלמיד כדי לציין את רמת הסטרס בפעילות מספר בהתאם מידה 5-ערך נתפס.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
כל השיטות המתוארות להלן אושרו על ידי הממשלה האזורית של גליסיה הוועדה לאתיקה מחקר של פונטבדרה-ויגו-Ourense (קוד רג 2017/336). הפרוטוקול בוצע עבור סטודנטים בשנה הראשונה-הספר טלקומוניקציה להנדסה - אוניברסיטת של ויגו, חדר נוח מעבדה והן מספר הרצאות, תרגולים של קורס לתואר על ארכיטקטורות.
1. מכינים את המכשירים
- המכשיר smartphone ולוח להתחבר חיבור לאינטרנט יציב.
- הפעל את Bluetooth תקשורת החכם.
- בהחכם, חיפוש בחנות app הרשמי המתאימה את היישום לבישה של פרק כף היד. להוריד ולהתקין אותה.
- בהחכם, לחפש האפליקציה PhysiologicalSignals ללכוד אותות פיזיולוגיים. להוריד ולהתקין אותה.
הערה: כיום, האפליקציה היא גרסת בטא, גישה יכולה להינתן על פי בקשה. - על הלוח, לחפש StressTest app לשמש את הניסויים מעבדות מחקר. להוריד ולהתקין אותה.
הערה: כיום, האפליקציה היא גרסת בטא, גישה יכולה להינתן על פי בקשה. - הפעל את ההתקן לבישה של שורש כף היד עריסות ולמקם את ניתן ללבישה.
- בהחכם, פתח עריסות היד לביש האפליקציה הרשמית.
הערה: האפליקציה ימשיך לסנכרן את המכשיר לביש עם הטלפון החכם. בהתקנים, נדרשת כתובת דואר אלקטרוני. - בהחכם, פתח את היישום PhysiologicalSignals.
- במקרה של להיות הודעה על בקשת גישה חיישן, לקבל את זה.
- בדוק את המכשיר. המתן app PhysiologicalSignals להציג את המילה Weared בירוק.
הערה: זה מצביעים על כך המכשיר לביש זוהתה ולכן השידור של מידע מחיישנים החכם מופעלת. אם הודעה זו אינה מופיעה חזור מ שלב 1.6.
2. השלב מעבדה
- הכינו את הגדרת מעבדה. לבחור חדר נוח, שאינו מפריע ללא רעש מסיח את הדעת, עם טמפרטורה נוחה (בין 22 מעלות ל 26 ° C).
- הפעל את ההתקן לבישה של שורש כף היד, למקם אותו סביב כף היד האחרת subject´s ולמקם את האוזניות על ראשו של התלמיד. התאם את ניתן ללבישה בחוזקה אך בנוחות סביב פרק כף היד.
- להתחבר חיבור לאינטרנט יציב את smartphone ולוח, לוודא חיבור Bluetooth פעילה.
- בהחכם, להפעיל את היישום PhysiologicalSignals.
- המתן app להציג את המילה Weared בירוק.
- בחר באפשרות שינוי משתמש בתפריט השמאלי תצורה ומספקים את המזהה של הנושא להשלים את המבחנים, לחץ על שמור.
- מחשב נייד, לגשת ללוח המחוונים, הזן מזהה והסיסמה של מנהל מבחן.
הערה: כיום, עבור פרטיות ואבטחה חששות, גישה ללוח המחוונים הוא רק זמינות על פי בקשה.- בחר את מזהה נושא ו- tab מתח של הנושא.
- בדוק את האבולוציה אותות פיזיולוגיים ולחכות המכשיר לביש להגיע יציבות תרמית לפני תחילת הניסוי.
הערה: יציבות תרמית מזוהה מישור בגרף.
- על הלוח, להפעיל את היישום StressTest.
- להסביר הנושא את הפעילויות מעבדה ארבע. להראות מסכי והפעולות לביצוע במהלך כל אחת מהפעילויות.
הערה: זה מאוד חשוב, כי הנושא צריך להרגיש לחוץ או רגוע בהתאם הפעילויות שבוצעו, ולא פחד או חשש מה עומד לקרות. - תגיד התלמיד לא לנוח בזרועות שלהם על השולחן וכדי להשתמש היד שבו המכשיר לביש מושם לבצע את הפעילויות.
- הזן את מזהה המשתמש זהה כמו שלב 2.4.2 ולחץ על החץ.
- להסביר הנושא את הפעילויות מעבדה ארבע. להראות מסכי והפעולות לביצוע במהלך כל אחת מהפעילויות.
- השקת הפעילות וידאו ולתת שליטה מלאה התלמיד.
- שים לב כי הפעילות מתבצעת ללא תקלות.
- לאחר שהמשימה תושלם, בדוק כי הנושא מספק את הלחץ הנתפס.
- השקת הפעילות סטרופ צבע (SCWT) ברציפות ברמות 1, 2 ו- 3.
- עבור כל רמה, להתבונן כי תת הפעילות מתבצעת ללא תקלות.
- לאחר סיום כל תת פעילות, בדוק כי הנושא מספק את הלחץ הנתפס.
- רק עבור רמה 3 ורק במקרה הנושא לא לפתור את זה אחרי 4 דקות, לסיים את המשימה על ידי לחיצה על החץ ממוקם בחלק העליון של המסך.
- הפעל את מבחן בקצב את השמיעה בנוסף טורי (PASAT).
- שים לב כי הפעילות מתבצעת ללא תקלות.
- במקרה הנושא לא יפתור את המבחן PASAT לאחר 4 דקות, לסיים את המשימה על ידי לחיצה על החץ ממוקם בחלק העליון של המסך.
- לאחר שהמשימה תושלם, בדוק כי הנושא מספק את הלחץ הנתפס.
- להפעיל את המבחן של ולמצבי.
- לבחון את ההתפתחות של HR באמצעות לוח המחוונים. אם אותות פיזיולוגיים אינם משתנים באופן משמעותי, שאל את הנושא כדי להגדיל את שיעורי השראה ותפוגה בהדרגה.
- במקרה הנושא מרגיש סחרחורת או עצור לא נוח משימה זו. בכל מקרה, להשלים את המשימה לאחר ארבע דקות.
- לאחר שהמשימה תושלם, בדוק כי הנושא מספק את הלחץ הנתפס.
3. השלב בכיתה
- הפעל את ההתקן לבישה של שורש כף היד ולמקם את ניתן ללבישה סביב כף היד האחרת של subject´s. התאם את ניתן ללבישה בחוזקה אך בנוחות סביב פרק כף היד.
- החכם להתחבר חיבור לאינטרנט יציב וודא שחיבור Bluetooth פעילה.
- בהחכם, להפעיל את היישום PhysiologicalSignals.
- המתן app להציג את המילה Weared בירוק.
- בחר בתפריט תצורת האפשרות שינוי משתמש , ספק המזהה של הנושא להשלים את המבחנים, לחץ על שמור.
- מחשב נייד, לגשת ללוח המחוונים, הזן מזהה והסיסמה של מנהל מבחן.
- בחר את מזהה נושא ו- tab מתח של הנושא.
- בדוק את האבולוציה של אותות פיזיולוגיים.
- לקחת את הביאורים על כל אירוע הרלוונטיים המתרחשים בכיתה ביחס האינטראקציה מורה-תלמיד.
הערה: המידע הרלוונטי ואירועים בסיסי שישמש תווית דוגמאות הפיזיולוגיים לאחר מכן. דוגמה אירועים שאלה מהמורה לתלמיד, או הסבר תיאורטי מאותחלת. - בסוף ההרצאה, לשאול את הנושא כדי להשלים את השאלון על רמת הלחץ במועדים ספציפיים במהלך הפגישה, בהתאם מידה ברמה 5.
4. ניתוח נתונים
- מחשב נייד, לגשת ללוח המחוונים, הזן מזהה והסיסמה של מנהל מבחן.
- בחר את מזהה נושא ו- tab מתח של הנושא.
- בחר את היום של ניסוי בכיתה.
- תווית הדגימות של הנושא על-ידי זיהוי רמות הלחץ הנתפס ופעילויות.
- זיהוי פעילויות הרצאות ומשך שלהם על פי טיימס ומסתיים וסוגי שלהם.
- עבור כל פעילות, בחר את רמת הלחץ הנתפס.
- כל נושא, כל מושב, הורד את הקובץ עם הדגימות מתויגות.
הערה: קובץ ערכים מופרדים באמצעות פסיק-(CSV) נוצרת עבור כל תלמיד, בכל שורה המשקף את הערכים של אותות פיזיולוגיים עם סטיית תקן שלהם, שיפוע ו diff, לסוג הפעילות, הלחץ מבוססי פעילות (כלומר, הלחץ הקשורים כברירת מחדל לפעילות) ונתפסים הנושא מתח. - השקת חבילת ניתוח הנתונים.
- בחרו ערכת מסווגים (למשל, מכונת וקטורים תומכים, C4.5, k-NN, יער אקראי, תמים Bayes ו- R זירו) לייבא את קובץ ה-CSV עבור כל התלמידים עבור כל מושב.
- הרכבת והערכת מסווגים בטכניקה 10-fold קרוס-אימות.
הערה: בהתאם ניתוחים, סוג פעילות, המבוסס על פעילות לחץ או מתח נתפס, להיות נבחר משתנה תלוי לניתוח. - לבסוף, בדוק את התוצאות עבור שיעורי דיוק, שגיאה.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
פרוטוקול דנו הוכנס תרגול בקורס ארכיטקטורות בשנה הראשונה של דרגת הנדסת תקשורת-האוניברסיטה של Vigo. הקורס הזה יש יותר מ-200 מתלמידים הרשומים אשר מאורגנות 10 קבוצות עבודה. כדי לבצע את הניסוי הזה, סטודנטים מארבע הקבוצות הוזמנו להירשם בתחילת שנת הלימודים. הפרויקט נמשך עניין רב בקרב התלמידים, כ-30 תלמידים התנדבו להשתתף במחקר. מהם, 12 סטודנטים נבחרו באופן אקראי עבור השתתפות.
עריסות היד לביש ההתקן שנבחר לניסויים שלנו כולל חיישני תאוצה GSR, ST, HR. הבחירה של זה ניתן ללבישה היה מבוסס על מגוון של חיישנים ומסירת נתונים בזמן אמת האכלה. תנאים טכניים חיישן אילו נתונים נאספים גם נלקחו בחשבון. לכידת נתונים מתבצע בתדרים מסוימים, בדרך כלל המוטלים על-ידי הפעולה של החיישן, אלא גם בשל המאפיינים לחיסכון באנרגיה של המכשיר. במקרה של ההתקן הנבחר, HR. בדקנו כל שנייה (1 הרץ) תאוצה הציע הרץ 62, הרץ 31 ו- 8 הרץ כמו תדרי דגימה, שממנו 8 הרץ נבחר כי הוא מציע צפיפות מספיק עבור לכידת תנועה עם דרישות האנרגיה סביר בהשוואה התדרים האחרים. אולי ניתן לטעום GSR-0.2 או 5 הרץ. במקרה זה, הסכמנו וראשוני GSR פעם כל 5 שניות. באשר תאוצה, בתדר זה בתנאי צפיפות מספיק תוך שמירה על דרישות האנרגיה למינימום. לבסוף, רח' נדגמים באותה תדירות HR (קרי, 1 הרץ). הנתונים שנאספו על ידי המכשיר מועבר אל היישום PhysiologicalSignals ב החכם בכל שנייה, כולל המדגם HR פינת רח', הערך המרבי האצה של הערך האחרון הגדים שנאספו. כדי להפחית את הרעש HR, השרת חלה על הנתונים שהתקבלו מסנן אשוח נפוץ בשימוש יישומים בזמן אמת29 ואותות ב סינון א30, באמצעות חלון 15-sample.
מידע שנאסף במהלך מעבדה, הדרכה בכיתה מאוחסן במסד הנתונים server´s. מידע זה צריך להוריד כדי להיות מעובד באמצעות חבילת ניתוח נתונים. בערכה של קבצי נתונים שנוצר מכיל נתונים ומשתנים של אותות raw נגזר מן האותות האלה. ליתר דיוק, כל אות פיזיולוגיים raw (HR, ST, GSR, תאוצה), שלה סטיית תקן (רח'), מדרון (sl) של ההבדל בין הערך הנוכחי לבין הערך הקיצוני האחרונה נרשמות 30 שניות.
השלב מעבדה של הפרוטוקול התבצע בחדר אירוח נוח של מחלקת ההנדסה טלמטיקה שיש לו את התנאים המתאימים לניסוי. איור 2 מציג את האבולוציה של ערכי HR, GSR ו- ST שנאספו במהלך באחת הפגישות האלה עבור סטודנט בפועל. כפי שניתן לראות באיור, וריאציות משמעותיות בין אותות פיזיולוגיים מתרחשים כפי שהתלמיד מבצע כל אחת מהפעילויות (וידאו, STC1, STC2, STC3, PASAT של ולמצבי) כלול את הניסוי. ערך HR הראשונית יחסית גבוהה יכול להיות שנצפו, ככל הנראה בשל המתח המושרה מול משימה זו בפעם הראשונה תוך במעקב. הגידול המהיר סנט במהלך הבחינה של ולמצבי הוא גם ראוי לציון.
גם ציין במהלך הניסויים מעבדה היו הווריאציות יוצא דופן בין אותות פיזיולוגיים ברגעים מסוימים ניסיוני, לא משנה זה תקופות אלה לא תמיד נתפסו כתוצאה מלחיצה על ידי התלמיד היעד. זה בשל העובדה כי נתפס מתח הוא משתנה סובייקטיבי, הסטודנטים המשתתפים בה אינך מסכים לחלוטין בתפיסה משותפת של מתח. במהלך שלב מעבדה, זה נועד ליצור תקופות קצרות של מתח גבוה. אלה תקופות קצרות של מתח הוגדרו לעיתים תסכול, אבל לא מתח, אשר מוביל את התלמידים המשתתפים להגיב באופן שונה מה אותות פיזיולוגיים שלהם באה לידי ביטוי. אפקט זה להיות visualized בגרפים באיור3. לדוגמה, מרווח בין 12:15 12:20 (בסיום הבדיקה האחרונה של הצבע סטרופ ולבדוק את המילה) הווריאציות GSR חזק הן סימפטום ברור של הלחץ הפוטנציאלי. וריאציות חזקות אלה נמצאים גם בין 12:25 לסוף המבחן (מבחן של ולמצבי), אך בשני המקרים, המשתמש טען להרגיש רמת מתח נמוך באופן דומה.
המצב שנדונו לעיל מדגיש את אופי סובייקטיבי מתח הערכה תוך תקופה קצרה של זמן. כתוצאה מכך, מן המועמדים תלוי במשתנים ערכות נתונים (קרי, סוג פעילות, מבוססי פעילות לחץ או מתח נתפס הנושא) הסכמנו על מתח המבוסס על פעילות. משתנה זה מגדיר את רמות הלחץ על-פי רמת הקושי של המשימה התייחס ולא על התשובות שמספקת את התלמידים על רמות הלחץ הנתפס שלהם בסוף כל פעילות. בדרך זו, צופה וידאו יתויגו "להירגע" בעוד SCWT3 ו- PASAT יהיה מתויג בתור "ריכוז" ובדיקה של ולמצבי כמו "מתח". שימו לב כי דגימות SCWT1 ו- SCWT2 שנמחקו ב שלנו במקרה כי במחקרים קודמים טייס נצפתה, בממוצע, SCWT1 ו- SCWT2 הן פעילויות המציגים מעבר בין תחושה רגועה (הגיעו במהלך הסרטונים ויזואליזציה) ומלחיץ אחד. מסיבה האלה, אנחנו שנמחקו מן הניתוח שלנו את האותות מפעילויות אלה 2, כללנו רק אלה של ויזואליזציה וידאו, SCWT3, PASAT של ולמצבי פעילויות. הווריאציות HR, ST ו- GSR בין מדינות אלה (להירגע, ריכוז, מתח) מסוכמות באיור4. איור זה מציג את אותות פיזיולוגיים רביעונים עבור רמות מתח שלוש אצל תלמידים 12 מעורב בניסוי. באופן כללי, אותות HR, GSR להגדיל בהדרגה כתמונות התלמיד משימות של קושי הולך וגובר. כמו כן, בכל המקרים רמת הטמפרטורה מושפע. עם זאת, במקרים מסוימים הוא מגביר לאירועים רגועה, מקטין במצבים מלחיצים, בעוד במקרים אחרים היא מתרחשת רק את בהתאם הנגדי של האדם.
על מנת לנתח את המתאם נצפתה באופן חזותי הווריאציה של אותות פיזיולוגיים, מכונת למידה טכניקות הוחלו על קבצי CSV מעובד. כדי להימנע וריאציות חלוף הראשוני עבור כל רמה של פעילות, רק 3 דקות האחרונות של כל פעילות נחשבים כדי להימנע דגימות בלתי מייצג. בפרט, מספר אלגוריתמים סיווג, במיוחד מכונת וקטורים תומכים, C4.5, k-NN, יער אקראי, NaiveBayes, ZeroR, הוכשרו לזהות מצבי סטרס של אותות פיזיולוגיים שנאספו. מסווגים מיומן הפך רמת דיוק גבוהה, והתעריפים נמוך אומר שגיאה מוחלטת קאפה אינדקס ברמת מתח גלאים של כהן גבוהה, כפי שהיא מוצגת בטבלה 1. עבור כל 12 נושאים ו אלגוריתמים (למעט ZeroR), הדיוק של זיהוי מתח מעל 90%, ערך השגיאה המוחלטת רשע נמצא ליד 0 והוא מדד קאפה של כהן קרוב 1.
השלב בכיתה שהוגדר בפרוטוקול התקיים במהלך הקורס בפועל מפגשים בחדרי הרצאה הספר של טלקומוניקציה להנדסה. מספר פעילויות אקדמיות נחשבו במחקר זה: הרצאות תאורטית; שאלות ותשובות באופן שרירותי על ידי המורה לתלמידים על יחס מסוים של הקורס; ספקות או שאלות של המורה שמציבים סטודנטים; בדיקות קצרות; קבוע בחינות/גמר בהיקף של אוסף של בעיות שיש לפתור על-ידי התלמיד ב 50-70 דקות.
הפריט החזותי של האבולוציה של אותות פיזיולוגיים במקרה זה מראה כי וריאציות הן עדינות יותר, כלומר, ההבדלים אות הערכים עבור פעילויות שונות הם קטנים יותר במהלך שלב מעבדה. הווריאציות הרלוונטיים ביותר נצפו במהלך מפגשים בכיתה שבה הרצאה רגיל מתרחש לאחר השלמת פתע. במקרה זה, אחת או כמה אותות פיזיולוגיים סובלים הבדלים משמעותיים, כמופיע באיור5. איור זה מציג את הסימנים נתפס עבור תלמיד מול מבחן קצר (החלק הראשון של הגרפים). במהלך הבדיקה, המשתנה הרלוונטי ביותר תהיה ביממההם. זה יכול להיות שנצפו כי לתלמיד יש קצב הלב גבוה יותר בהשוואה הזמן הרצאה תאורטית. באותו אופן, טמפרטורת העור נשמרת נמוכה יחסית בהשוואה הזמן הרצאה תאורטית, כאשר עולה בסביבות 1 ° C.
לבחון את זה בצורה מספרית, המתאם בין הווריאציות בין האותות ופעילות טופלה על ידי התלמידים, מכונת למידה טכניקות הוחלו באנלוגיה לשלב מעבדה. התוצאות על הטיפולים חידון וההרצאה פופ משולב הראה דיוק סיווג ממוצעת של 97.62% (± 3.82) באמצעות C4.5. שימו לב לניתוח של אלה מפגשים העור החום היה שנמחקו עקב הטיות אפשריות בתוצאה הסופית. במהלך תקופת המעבר בין הפתע התלמידים הרצאות הבאים יוצאים לכיתה כ- 20 דקות, עם ערכי טמפרטורה משפיעה באופן דרמטי.
ניתוח מקיף רשמית של ההפעלות הכיתות שנאספו נמצאת בעיצומה. זה תהליך מורכב שבו מספר מצבים מאתגרים המטופלות. הראשון, פתאומי זמן קצר וריאציות בין אותות פיזיולוגיים הם נצפו לעתים קרובות עם האירוע המשויכת לא שיוצר מתח. ברוב המקרים, אלה תקופות אחרונה עבור פחות מדקה ללא שום דבר משמעותי מוקלטת על-ידי החוקר. עוד השכיחות נצפתה הוא חוסר היציבות של הערכים GSR כאשר ניתן ללבישה אינו מותאם היטב או אם מתרחשות תנועות פתאומיות. בשני המצבים לגרום ערכים GSR נמוך מאוד, קרוב 0 µS. באופן דומה, אם כי הרבה פחות מהרגיל, אנו ערכים שגויים ST, קרוב, טמפרטורת הסביבה של ניתן ללבישה גדול מידי פרק כף היד של המשתמש ולכן באופן רופף שחוקה. לחסל את השגיאות ניתוח נגזר מן המצבים האלה, משתנים המושפעים מתבטלים. שים לב כל הסימנים פיקוח יכולים להיות מועמדים כדי לזהות מצבי סטרס, מסווגים שונים עשויים להיות מאומן באמצעות צירופים שונים של אותות, אך ערכים חריג שעלול לסכן סיווג משנה המסווג שנבחרו.
איור 1 . כלים המשמשים את הפרוטוקול המוצע. נתון זה מייצג את כל הגורמים המעורבים את הפרוטוקול ואת האינטראקציות שלהם. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 2 . להדגיש וריאציה בהפעלה מעבדה. איור זה מציג את החלקים השונים אשר מחולק בפרוטוקול המעבדה. כל חלק מציג וריאציה ברורה בין אותות פיזיולוגיים. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 3 . להדגיש וריאציה נתפס לתלמיד בהפעלה מעבדה. איור זה מציג את הסתירות בין הווריאציות חזקה אותות פיזיולוגיים של תלמיד במהלך הפעלת מעבדה והתשובה שלהם החידון מתח. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 4 . אותות פיזיולוגיים percentiles עבור 12 לסטודנטים המשתתפים בפגישה מעבדה. הדמות הזו מייצגת באחוזון סיכום לכל נושא. ניתן לאבחן את הווריאציות קליטה פיזיולוגית טובה בין כל מצב הלחץ. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 5 . וריאציות HR, ST ו- GSR במהלך פעילויות בכיתה. פיזיולוגית אותות וריאציה במהלך מבחן קצר (משמאל). וריאציה אותות פיזיולוגיים במהלך הרצאה תאורטית (מימין). אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
| מכונת וקטורים תומכים | C45 | Knn | RandomForest | NaiveBayes | ZeroR | |||||||||||||
| StudentID | דיוק | שגיאה | קאפה | דיוק | שגיאה | קאפה | דיוק | שגיאה | קאפה | דיוק | שגיאה | קאפה | דיוק | שגיאה | קאפה | דיוק | שגיאה | קאפה |
| 100 | 99.83 | 0.22 | 1 | 99.75 | 0 | 1 | 100 | 0 | 1 | 100 | 0 | 1 | 98.94 | 0.01 | 0.98 | 43.12 | 0.43 | 0 |
| 101 | 98.77 | 0.22 | 0.98 | 99.76 | 0 | 1 | 99.81 | 0 | 1 | 99.93 | 0.01 | 1 | 98.16 | 0.01 | 0.97 | 48.7 | 0.42 | 0 |
| 102 | 99.56 | 0.22 | 0.99 | 99.83 | 0 | 1 | 99.77 | 0 | 1 | 99.91 | 0.01 | 1 | 93.5 | 0.05 | 0.89 | 52.41 | 0.41 | 0 |
| 103 | 99.71 | 0.22 | 1 | 99.94 | 0 | 1 | 99.97 | 0 | 1 | 99.97 | 0.01 | 1 | 97.24 | 0.02 | 0.96 | 49.64 | 0.42 | 0 |
| 104 | 99.82 | 0.22 | 1 | 99.33 | 0.01 | 0.99 | 100 | 0 | 1 | 99.85 | 0.01 | 1 | 97.09 | 0.02 | 0.96 | 42.05 | 0.44 | 0 |
| 105 | 100 | 0.22 | 1 | 100 | 0 | 1 | 99.84 | 0 | 1 | 100 | 0 | 1 | 99.83 | 0 | 1 | 43.8 | 0.43 | 0 |
| 106 | 98.09 | 0.23 | 0.97 | 99.37 | 0.01 | 0.99 | 99.69 | 0 | 1 | 99.85 | 0.01 | 1 | 96.52 | 0.02 | 0.95 | 47.51 | 0.42 | 0 |
| 107 | 100 | 0.22 | 1 | 100 | 0 | 1 | 99.85 | 0 | 1 | 100 | 0 | 1 | 99.96 | 0 | 1 | 50.44 | 0.42 | 0 |
| 108 | 99.46 | 0.22 | 0.99 | 99.76 | 0 | 1 | 99.76 | 0 | 1 | 100 | 0 | 1 | 98.55 | 0.01 | 0.97 | 59.76 | 0.37 | 0 |
| 109 | 99.54 | 0.22 | 0.99 | 100 | 0 | 1 | 99.78 | 0 | 1 | 99.96 | 0 | 1 | 99.78 | 0 | 1 | 47.34 | 0.42 | 0 |
| 110 | 99.86 $ | 0.22 | 1 | 99.94 | 0 | 1 | 99.72 | 0 | 1 | 99.9 | 0.01 | 1 | 96.4 | 0.02 | 0.94 | 50.35 | 0.42 | 0 |
| 111 | 99.97 | 0.22 | 1 | 99.84 | 0 | 1 | 100 | 0 | 1 | 100 | 0 | 1 | 99.35 | 0 | 0.99 | 43.7 | 0.43 | 0 |
| ממוצע | 99.55 | 0.22 | 0.99 | 99.79 | 0.00 | 1.00 | 99.85 | 0.00 | 1.00 | 99.95 | 0.01 | 1.00 | 97.94 | 0.01 | 0.97 | 48.24 | 0.42 | 0.00 |
| סטיית תקן | 0.55 | 0.00 | 0.01 | 0.22 | 0.00 | 0.00 | 0.11 | 0.00 | 0.00 | 0.06 | 0.01 | 0.00 | 1.82 | 0.01 | 0.03 | 4.72 | 0.02 | 0.00 |
טבלה 1 . דיוק, אומר השגיאה המוחלטת, כהן's קאפה אינדקס ערכים השיג עבור מכונת וקטורים תומכים, ג4.5, k-NN, יער אקראי, NaiveBayes ו- ZeroR מכונת למידה באמצעות נתוני מסווגים 12 לסטודנטים המשתתפים בניסוי מעבדה.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
עריסות מכשירים שכאלו הן בין המוצרים אלקטרוניקה צרכנית הפופולרי ביותר הזמינים כיום. התקנים אלה משמשים בדרך כלל כדי לפקח על פעילות גופנית, אבל היכולות והביצועים שלהם יכול להיות עניין רב בתחומים אחרים. בנייר זה, נדון פרוטוקול כדי להעריך את השימוש של מכשירים שכאלו מיטות עבור הערכת מתח וסביבות הלמידה. ההגדרה של פרוטוקול כזה רלוונטי במיוחד על מנת לנתח את פתרונות שונים מעורבים wearables ו תורת הלמידה אלגוריתמים. הפרוטוקול נועד לשמש במסגרות חינוכיות, שבו האימות של הנהלים לזיהוי מתח ויישום בסופו של דבר שלהם עשוי לספק יתרונות significate. למשל השימוש של מכשירים שכאלו יכול לתרום להפחתת רמות גבוהות של מתח הקשורים ל-10,119,תסמונת burnout כביכול, כתוצאה מכך לדרג הנשירה אוניברסיטאות12 , 13, תוך שיפור ביצועים אקדמיים.
היבט חשוב שיש לקחת בחשבון הוא הקישור Bluetooth בין ניתן ללבישה של החכם. חיבור אלחוטי זה בין שני ההתקנים יכולה להישבר במהלך הבדיקה, ולכן יש צורך להקדיש תשומת לב מיוחדת אליו דרך החזיית הנתונים שנאספו בלוח המחוונים למרות התאוששות מבוצע באופן אוטומטי לאחר תקופה קצרה של זמן (כלומר, מרווח בין 1 ל 10 דקות), ההפרעה עלולה לגרום לאובדן הדגימות מרווח זמן זה. כדי להפחית את כמות המידע אבד, זה עשוי להיות נוח לאפס ידנית את מכשיר הסמארטפון. היבט אחר כדי להיחשב הוא הערך חיישן טמפרטורת העור הראשונית, היא משפיעה על ההישג של יציבות העור, אשר עשוי להתעכב עד כדי 10 דקות.
היתרונות העיקריים של הפרוטוקול המוצע במחקר זה הן את תחולתן לקבוצה גדולה של סטודנטים, שלה את הצורך תמיכה באמצעות אוטומטית למכשירים ניידים, פשטותו בהכנת התקנים מעורב בניסוי שלה נמוך intrusiveness בעת ביצוע השלב בכיתה. פרוטוקול זה מספק שיטה מהירה ופשוטה החלים בסביבה מבוקרת, כגון כיתות או מעבדות האוניברסיטה. חוץ מזה, ויכולות טכנולוגיות של תלמידים המשתתפים אינם בעיה, כמו הפרוטוקול מבוססת מושגים טכניים פשוטה מובנת על-ידי סטודנט באוניברסיטה הממוצע ללא תלות בשדה האקדמי שלהם. כאמור הספרות31, הפארמצבטית בתוך תחומי הידע מהמדעים הניסויים דורש תיאור מקיפה וברורה של הפרוטוקולים חלה ואת התוצאות הימנו. פרוטוקול המתוארים במסמך זה עוצב בצורה מודולרית על פי שלבים פשוט, פשוט, אשר מקלה על הרבייה של הניסויים שנדונו ואת הסיומת שלהם32. בין ההיבטים עיצוב הרלוונטיים ביותר בקידום הפארמצבטית, נוכל לקרוא את conciseness של השלב מעבדה ויישומה אוטומטית באמצעות אפליקציות סלולר עצמאיות. בנוסף, השלב בכיתה אינו דורש אינטראקציה כלשהי עם התלמידים מעבר פעילות אקדמית. רוב הסטודנטים, הצביע על הפשטות של התהליך, אין תלונות דווחו ביחס למעורבותם בניסויים. לסיכום, הראיות שנאספו עד כה עולה כי פרוטוקול זה ניתן להחיל את הנושאים עם פרופיל רחבה יותר, בתחומים שונים לחינוך, כגון מתקני הבריאות או מקום עבודה. חוץ מזה, פרוטוקול זה מציע את האפשרות ללמוד מספר פתרונות למידה מכונה עם יש לבחון את האלגוריתמים הטובים ביותר ליישם בהתאם לדרישות של הניסויים והן במכשיר לביש שנבחרו. השימוש של יישומים כדי לגרום מתח וכדי לספק לוח מחוונים דוגמיות התצוגה ותג מקלה על ההכשרה של מודלים מתח מותאם אישית בהפעלה מעבדה בודדת.
המגבלות העיקריות של הפתרון המוצע קשורים על ההשתנות של הנבדקים, את הפארמצבטית של פעילות אקדמית. יצירה מחדש בדיוק את אותם תנאים ומצבים מתקיים מפגשי הרצאות הוא כמעט בלתי אפשרי. מצד שני, הלחץ שחווה כל תלמיד הוא מאוד אישי, כמו שם כללי הם שונים התגובות לגירויים אותו. בנוסף, ישנם נושאים הקשורים לחומרה הקשורים לביש המכשירים עצמם, שיטות גישה שונה, חיישנים שונים, גישה לאותות פיזיולוגית בזמן אמת, או חיי הסוללה. דרישות טכניות אלה מגבילים wearables זכאי מגוון מוגבל של התקנים. במכשירים שלנו למקרה חירום, זכאי כוללים האלה תואמות עם יכולות Bluetooth חכם ולהקות חכם עם SDK תואם התקנים העיקריים של החכם וכו. מספר התקנים תואמים צפוי לגדול לאורך השנים הבאות.
הפרוטוקול המוצע נועד לשמש ככלי להגדרת בסופו של דבר מודלים סטודנט עשיר יותר מאלה המשמשים כיום לומדת ניהול מערכות או מערכות מידע סטודנט. לדוגמה, יכול להיות מיושם המידע החדש נתפס עם המכשיר לביש לפי הפרוטוקול דנו בגילוי מוקדם של מצבים להשפיע על ביצועי כגון עייפות או מתח, מדריך סטודנטים כדי להתגבר על מצבים אלו. אלטרנטיבה פרוטוקול זה עשוי להתבסס על מכשירים שכאלו ללבוש גם מחוץ לכיתה כדי לזהות וריאציות של אותות פיזיולוגיים לאורך תקופה ארוכה יותר של זמן. גישה זו כוללת מספר אתגרים, כגון טמפרטורת הסביבה משתנה, או נושא המחקר להיות נאלץ להיות תמיד קרוב החכם שלהם כדי למנוע אובדן נתונים. לבסוף, פרוטוקול זה ייתכן להחיל גם על קורסים אחרים, רמות השכלה, אשר להקל על לכידתו של ראיות נוספות על כיצד הלחץ משפיע על ביצועים אקדמיים לסטודנטים עם כישורים שונים או תחומי הלימוד.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
המחברים אין לחשוף.
Acknowledgments
עבודה זו נתמכת על ידי סוכנות מחקר של המדינה הספרדית, את אירופה אזורי פיתוח קרן (ERDF) תחת הפרויקט פאלאס (TIN2016-80515-R AEI/EFRD, האיחוד האירופי).
Materials
| Name | Company | Catalog Number | Comments |
| Microsoft Band 2 | Microsoft | Wearable | |
| Nexus 5 | LG/Google | Smartphone | |
| PhysiologicalSignals | Developed by the paper authors | App to collect data from wearables | |
| StressTest | Developed by the paper authors | App to develop laboraty experiment: Video visualization, Stroop color and word test, paced auditory serial addition test (PASAT) , hyperventilation activity | |
| Quizs | Developed by the paper authors | Questionnaires to collect qualitative data on students’ perception on stress | |
| Server | Developed by the paper authors | Server to store, analyze and display data | |
| Weka application | University of Waikato | Application to process the data using machine learning techniques |
References
- IDC. Forecasts Wearables Shipments to Reach 213.6 Million Units Worldwide in 2020 with Watches and Wristbands Driving Volume While Clothing and Eyewear Gain Traction. , at http://www.idc.com/getdoc.jsp?containerId=prUS41530816 (2016).
- Piwek, L., Ellis, D. A., Andrews, S., Joinson, A. The rise of consumer health wearables:promises and barriers. PLoS Medicine. 13 (2), (2016).
- Rudner, J., et al. Interrogation of Patient Smartphone Activity Tracker to Assist Arrhythmia Management. Annals of Emergency Medicine. 68 (3), 292-294 (2016).
- Gao, Y., Li, H., Luo, Y. An empirical study of wearable technology acceptance in healthcare. Industrial Management & Data Systems. 115 (9), 1704-1723 (2015).
- Lukowicz, P., et al. Glass-physics: using google glass to support high school physics experiments. Proceedings of the 2015 ACM International Symposium on Wearable Computers - ISWC '15. , 151-154 (2015).
- Sapargaliyev, D. Wearables in Education: Expectations and Disappointments. , 73-78 (2015).
- de Arriba Pérez, F., CaeiroRodríguez, M., Santos Gago, J. M. How do you sleep? Using off the shelf wrist wearables to estimate sleep quality, sleepiness level, chronotype and sleep regularity indicators. Journal of Ambient Intelligence and Humanized Computing. , 1-21 (2017).
- Espinosa, H. G., Lee, J., Keogh, J., Grigg, J., James, D. A. On the Use of Inertial Sensors in Educational Engagement Activities. Procedia Engineering. 112, 262-266 (2015).
- Travers, C. J., Cooper, C. L. El Estrés de los profesores la presión en la actividad docente. , Paidós. at https://dialnet.unirioja.es/servlet/libro?codigo=110437 (1997).
- Maslach, C., Jackson, S. E. The measurement of experienced burnout. Journal of occupational Behavior. 2, 99-113 (1981).
- Maslach, C., Jackson, S., Leiter, M. Maslach Burnout Inventory. , Palo Alto. (1986).
- Kitsantas, A., Winsler, A., Huie, F. Self-Regulation and Ability Predictors of Academic Success During College: A Predictive Validity Study. Journal of Advanced Academics. 20, (2008).
- Deberard, C., Scott, M., Glen, I., Spielmans, D. C. Julka Predictors of academic achievement and retention among college freshmen: a longitudinal study. College Student Journal. 381, 66-80 (2004).
- Healey, J. A. Wearable and automotive systems for affect recognition from physiology. , (2000).
- Vrijkotte, T. G. M., van Doornen, L. J. P., de Geus, E. J. C. Effects of Work Stress on Ambulatory Blood Pressure, Heart Rate, and Heart Rate Variability. Hypertension. 35 (4), (2000).
- Karthikeyan, P., Murugappan, M., Yaacob, S. Descriptive Analysis of Skin Temperature Variability of Sympathetic Nervous System Activity in Stress. Journal of Physical Therapy Science. 24 (12), 1341-1344 (2012).
- de Santos Sierra, A. Design, implementation and evaluation of an unconstrained and contactless biometric system based on hand geometry and stress detection. , (2012).
- Natale, V., Drejak, M., Erbacci, A. Monitoring sleep with a smartphone accelerometer. Sleep and Biological Rhythms. , Available from: http://onlinelibrary.wiley.com/doi/10.1111/j.1479-8425.2012.00575.x/full (2012).
- Guo, F., Li, Y., Kankanhalli, M., Brown, M. An evaluation of wearable activity monitoring devices. Proceedings of the 1st ACM international workshop on Personal data meets distributed multimedia. , http://dl.acm.org/citation.cfm?id=2512882 (2013).
- Wallen, M. P., et al. Accuracy of Heart Rate Watches: Implications for Weight Management. PLOS ONE. 11 (5), e0154420 (2016).
- Wang, R., et al. Accuracy of Wrist-Worn Heart Rate Monitors. JAMA Cardiology. 2 (1), 104 (2017).
- de Arriba Pérez, F., CaeiroRodríguez, M., Santos Gago, J. M. Collection and Processing of Data from Wrist Wearable Devices in Heterogeneous and Multiple-User Scenarios. Sensors. 16 (9), 1538 (2016).
- IDC. Wearables Aren't Dead, They're Just Shifting Focus as the Market Grows 16.9% in the Fourth Quarter, According to IDC. , at https://www.idc.com/getdoc.jsp?containerId=prUS42342317 (2017).
- Mark, H., Ian, W., Eibe, F. Data Mining: Practical Machine Learning Tools and Techniques. , Morgan Kaufmann Publishers. (2011).
- de Arriba Pérez, F., Santos Gago, J. M., Caeiro Rodríguez, M. Analytics of biometric data from wearable devices to support teaching and learning activities. Journal of Information Systems Engineering & Management. 1, 41-54 (2016).
- Machine Learning Group at the University of Waikato. Weka 3 - Data Mining with Open Source Machine Learning Software in Java. , at https://www.cs.waikato.ac.nz/mL/weka/ (2018).
- Zhai, J., Barreto, A. Stress Detection in Computer Users Based on Digital Signal Processing of Noninvasive Physiological Variables. 2006 International Conference of the IEEE Engineering in Medicine and Biology Society. , 1355-1358 (2006).
- Tombaugh, T. N. A comprehensive review of the Paced Auditory Serial Addition Test (PASAT). Archives of Clinical Neuropsychology. 21 (1), 53-76 (2006).
- Fan, Q., Wang, Y. The real-time realization of filtering of speech with DSP TMS320VC5416 Chip. 2010 International Conference on Educational and Information Technology. , (2010).
- González Barajas, J. E., Velandia Cárdenas, C., Nieto Camacho, J. Implementación de filtro digital en tiempo real para detección de la onda R. Revista Tecno Lógicas. 18 (34), 75-86 (2015).
- Mesirov, J. P. Computer science. Accessible reproducible research. Science (New York, N.Y.). 327 (5964), 415-416 (2010).
- American Journal Experts. How to Write an Easily Reproducible Protocol. , at https://www.aje.com/en/arc/how-to-write-an-easily-reproducible-protocol/ (2018).
