Využití fyziologických dat pro analýzu a zlepšení uživatelské zkušenosti
Loading...
Date
Authors
Štefeková, Nina
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Práca sa zaoberá preskúmaním fyziologických prejavov stresu, návrhom a uskutočnením experimentu, ktorý dokáže vyvolať krátkodobý stres. Následne bolo cieľom vytvoriť dátovú sadu z experimentálne získaných dát a použiť ju na trénovanie modelu strojového učenia. Detekcia stresu takýmto modelom môže byť použitá na analýzu užívateľskej skúsenosti. Vytvorený experiment využíva kombináciu podnetov, skladá sa relaxačnej časti, Stroopovho testu a webovej hry, ktorá zámerne používa neprívetivé užívateľské rozhranie. Počas neho boli zaznamenávané dáta pomocou zariadenia Empatica E4 a následne aplikačne spracované do výslednej dátovej sady. Potom bol trénovaný a vyhodnocovaný model strojového učenia, ktorý dokáže detekovať krátkodobý stres. Model algoritmu KNN vyhodnotený krížovou validáciou dosahuje presnosť 84\% ak je subjekt modelu známy. Pre neznámy subjekt je to v priemere 78\%. Práca poskytuje tento model aj vzniknutú dátovú sadu, pre ďalšie použitie. Z týchto výsledkov vyplýva, že detekcia krátkodobého stresu je náročnejšia bez predchádzajúcích znalostí o danej osobe.
This thesis is concerned with the research of the physiological symptoms of stress, the design and execution of an experiment that can induce short-term stress. Subsequently, the goal was to create a dataset from the experimentally obtained data and use it to train a machine learning model. Stress detection by such a model can be used to analyze the user experience. The proposed experiment uses a combination of stimuli, consisting of a relaxation part, a Stroop test and a web game that deliberately uses an unfriendly user interface. During it, data was recorded using an Empatica E4 device and then processed by an implemented application into the final dataset. A machine learning model that can detect short-term stress was then trained and evaluated. The KNN algorithm model evaluated by cross-validation achieves an accuracy of 84\% when the subject of the is known prior to the model. For an unknown subject, it is on average 78\%. The thesis provides this model and the resulting dataset, for further use. These results show that short-term stress detection is more challenging without prior knowledge of the subject.
This thesis is concerned with the research of the physiological symptoms of stress, the design and execution of an experiment that can induce short-term stress. Subsequently, the goal was to create a dataset from the experimentally obtained data and use it to train a machine learning model. Stress detection by such a model can be used to analyze the user experience. The proposed experiment uses a combination of stimuli, consisting of a relaxation part, a Stroop test and a web game that deliberately uses an unfriendly user interface. During it, data was recorded using an Empatica E4 device and then processed by an implemented application into the final dataset. A machine learning model that can detect short-term stress was then trained and evaluated. The KNN algorithm model evaluated by cross-validation achieves an accuracy of 84\% when the subject of the is known prior to the model. For an unknown subject, it is on average 78\%. The thesis provides this model and the resulting dataset, for further use. These results show that short-term stress detection is more challenging without prior knowledge of the subject.
Description
Keywords
Citation
ŠTEFEKOVÁ, N. Využití fyziologických dat pro analýzu a zlepšení uživatelské zkušenosti [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
Informační technologie
Comittee
doc. Ing. Vítězslav Beran, Ph.D. (předseda)
Ing. Radek Hranický, Ph.D. (člen)
doc. Ing. Tomáš Martínek, Ph.D. (člen)
Ing. Marek Šolony, Ph.D. (člen)
Ing. Filip Orság, Ph.D. (člen)
Date of acceptance
2024-06-14
Defence
Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm C.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení