Využití fyziologických dat pro analýzu a zlepšení uživatelské zkušenosti
| but.committee | 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) | cs |
| but.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. | cs |
| but.jazyk | slovenština (Slovak) | |
| but.program | Informační technologie | cs |
| but.result | práce byla úspěšně obhájena | cs |
| dc.contributor.advisor | Materna, Zdeněk | sk |
| dc.contributor.author | Štefeková, Nina | sk |
| dc.contributor.referee | Beran, Vítězslav | sk |
| dc.date.created | 2024 | cs |
| dc.description.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. | sk |
| dc.description.abstract | 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. | en |
| dc.description.mark | C | cs |
| dc.identifier.citation | ŠTEFEKOVÁ, N. Využití fyziologických dat pro analýzu a zlepšení uživatelské zkušenosti [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024. | cs |
| dc.identifier.other | 153676 | cs |
| dc.identifier.uri | http://hdl.handle.net/11012/248210 | |
| dc.language.iso | sk | cs |
| dc.publisher | Vysoké učení technické v Brně. Fakulta informačních technologií | cs |
| dc.rights | Standardní licenční smlouva - přístup k plnému textu bez omezení | cs |
| dc.subject | fyziológia | sk |
| dc.subject | stres | sk |
| dc.subject | užívateľské rozhranie | sk |
| dc.subject | elektrodermálna aktivita | sk |
| dc.subject | variabilita tepu | sk |
| dc.subject | krátkodobý stres | sk |
| dc.subject | srdcový tep | sk |
| dc.subject | nositeľné zariadenia | sk |
| dc.subject | Empatica E4 | sk |
| dc.subject | physiological data | en |
| dc.subject | stress | en |
| dc.subject | user interface | en |
| dc.subject | electrodermal activity | en |
| dc.subject | heart rate variability | en |
| dc.subject | acute stress | en |
| dc.subject | heart rate | en |
| dc.subject | wearable devices | en |
| dc.subject | Empatica E4 | en |
| dc.title | Využití fyziologických dat pro analýzu a zlepšení uživatelské zkušenosti | sk |
| dc.title.alternative | Use of Physiological Data to Analyze and Improve the User Experience | en |
| dc.type | Text | cs |
| dc.type.driver | bachelorThesis | en |
| dc.type.evskp | bakalářská práce | cs |
| dcterms.dateAccepted | 2024-06-14 | cs |
| dcterms.modified | 2024-06-17-08:45:18 | cs |
| eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
| sync.item.dbid | 153676 | en |
| sync.item.dbtype | ZP | en |
| sync.item.insts | 2025.03.18 21:01:58 | en |
| sync.item.modts | 2025.01.15 17:07:50 | en |
| thesis.discipline | Informační technologie | cs |
| thesis.grantor | Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií | cs |
| thesis.level | Bakalářský | cs |
| thesis.name | Bc. | cs |