論文の概要: Aristotle Said "Happiness is a State of Activity" -- Predicting Mood
through Body Sensing with Smartwatches
- arxiv url: http://arxiv.org/abs/2105.15029v1
- Date: Mon, 24 May 2021 14:14:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-06 08:54:30.168287
- Title: Aristotle Said "Happiness is a State of Activity" -- Predicting Mood
through Body Sensing with Smartwatches
- Title（参考訳）: aristotle曰く: “幸福は活動状態だ” -- スマートウォッチによる体感による気分予測
- Authors: P. A. Gloor, A. Fronzetti Colladon, F. Grippa, P. Budner, J. Eirich
- Abstract要約: スマートウォッチに接続された体感アプリケーションを用いて,アクティベーションと幸福の状態を計測し,予測する。
われわれはスマートウォッチのユーザーを1日に7週間ポーリングし、気分を尋ねました。
その結果,HappinessとActivationはいずれも心拍数と光量と負の相関関係があることが判明した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We measure and predict states of Activation and Happiness using a body
sensing application connected to smartwatches. Through the sensors of
commercially available smartwatches we collect individual mood states and
correlate them with body sensing data such as acceleration, heart rate, light
level data, and location, through the GPS sensor built into the smartphone
connected to the smartwatch. We polled users on the smartwatch for seven weeks
four times per day asking for their mood state. We found that both Happiness
and Activation are negatively correlated with heart beats and with the levels
of light. People tend to be happier when they are moving more intensely and are
feeling less activated during weekends. We also found that people with a lower
Conscientiousness and Neuroticism and higher Agreeableness tend to be happy
more frequently. In addition, more Activation can be predicted by lower
Openness to experience and higher Agreeableness and Conscientiousness. Lastly,
we find that tracking people's geographical coordinates might play an important
role in predicting Happiness and Activation. The methodology we propose is a
first step towards building an automated mood tracking system, to be used for
better teamwork and in combination with social network analysis studies.
- Abstract（参考訳）: スマートウォッチに接続された体感アプリケーションを用いて,アクティベーションと幸福の状態を計測し,予測する。
市販のスマートウォッチのセンサーを通じて、個人の気分状態を収集し、加速度、心拍数、光レベルデータ、位置などの体感データと、スマートウォッチに接続されたスマートフォンに組み込まれたGPSセンサーを介して相関する。
われわれはスマートウォッチのユーザーの気分を1日7週間に4回調査した。
幸福と活性化の両方が心拍数と光のレベルと負の相関関係にあることがわかった。
週末はより活発に動き、活性化が弱くなると、人々はより幸せになる傾向にある。
また, 良心・神経症が低く, 積極性が高い人は, より幸せになる傾向が見られた。
さらに、より多くのアクティベーションを、経験への開放性が低くなり、より高い一致性と良心性によって予測できる。
最後に、人々の地理的座標を追跡することは、幸福と活性化を予測する上で重要な役割を果たす可能性がある。
本提案手法は,チームワークの改善とソーシャルネットワーク分析の併用を目的とした,自動気分追跡システム構築に向けた第一歩である。
関連論文リスト
- Digitizing Touch with an Artificial Multimodal Fingertip [51.7029315337739]
人間とロボットはどちらも、周囲の環境を知覚し、相互作用するためにタッチを使うことの恩恵を受ける。
ここでは、タッチのデジタル化を改善するための概念的および技術革新について述べる。
これらの進歩は、高度なセンシング機能を備えた人工指型センサーに具現化されている。
論文 参考訳（メタデータ） (2024-11-04T18:38:50Z) - Optimizing Emotion Recognition with Wearable Sensor Data: Unveiling Patterns in Body Movements and Heart Rate through Random Forest Hyperparameter Tuning [0.0]
調査では、スマートウォッチと心拍モニターを装着した50人の参加者が250メートルの歩行を完了した。
被験者の感情状態はPANASアンケートを用いて評価した。
研究は、歩く前に映画を見ること、歩く前に音楽を聴くこと、歩きながら音楽を聴くことの3つのシナリオを精査した。
論文 参考訳（メタデータ） (2024-07-28T10:48:42Z) - WEARS: Wearable Emotion AI with Real-time Sensor data [0.8740570557632509]
スマートウォッチセンサを用いてユーザの感情を予測するシステムを提案する。
英語と地域語を併用した動画をリアルタイムに収集する枠組みを設計する。
また、心拍数、加速度計、ジャイロセンサーデータなどの特徴が気分に与える影響について、アブレーション調査を行った。
論文 参考訳（メタデータ） (2023-08-22T11:03:00Z) - Your Day in Your Pocket: Complex Activity Recognition from Smartphone
Accelerometers [7.335712499936904]
本稿では,スマートフォン加速度計データのみを用いた複雑な活動の認識について検討する。
パンデミックの間、私たちは5カ国600人以上のユーザーから収集された大規模なスマートフォンセンシングデータセットを使用しました。
ディープラーニングに基づく8つの複雑なアクティビティのバイナリ分類は、AUROCスコアが部分的にパーソナライズされたモデルで最大0.76に達することで達成できる。
論文 参考訳（メタデータ） (2023-01-17T16:22:30Z) - Human Activity Recognition on Time Series Accelerometer Sensor Data
using LSTM Recurrent Neural Networks [0.2294014185517203]
本研究では,スマートウォッチの加速度センサを用いて食行動を認識することに焦点を当てた。
ピザを食べながら10人の被験者からセンサデータを収集した。
LSTM-ANNアーキテクチャは,パフ,薬物服用,ジョギング活動と比較して90%の成功率を示した。
論文 参考訳（メタデータ） (2022-06-03T19:24:20Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳（メタデータ） (2022-03-14T17:05:59Z) - Physical Activity Recognition by Utilising Smartphone Sensor Signals [0.0]
本研究では,現代のスマートフォンでジャイロスコープと加速度センサによって記録された計6つの活動に対して,60人の被験者から2日間にわたる人的活動データを収集した。
提案手法は,4つの活動の識別において,98%の分類精度を達成した。
論文 参考訳（メタデータ） (2022-01-20T09:58:52Z) - Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。
我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
論文 参考訳（メタデータ） (2020-09-01T10:12:30Z) - OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。
我々は,多方向高解像度触覚センサOmniTactを紹介する。
我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
論文 参考訳（メタデータ） (2020-03-16T01:31:29Z) - ProxEmo: Gait-based Emotion Learning and Multi-view Proxemic Fusion for
Socially-Aware Robot Navigation [65.11858854040543]
本稿では,歩行者間のロボットナビゲーションのための感情予測アルゴリズムProxEmoを提案する。
提案手法は歩行歩行から歩行者の知覚された感情を予測し,感情誘導ナビゲーションに使用する。
論文 参考訳（メタデータ） (2020-03-02T17:47:49Z) - Take an Emotion Walk: Perceiving Emotions from Gaits Using Hierarchical Attention Pooling and Affective Mapping [55.72376663488104]
本稿では、ビデオやモーションキャプチャーデータから得られた歩行スタイルから、知覚された人間の感情を分類するためのオートエンコーダに基づくアプローチを提案する。
3次元ポーズシーケンスから抽出した各ステップのポーズにおける各関節の動きを考慮し、これらの関節の動きをエンコーダに階層的にプールする。
我々はデコーダを訓練し、潜伏埋め込みからトップダウン方式で1ステップ当たりの関節の動きを再構築する。
論文 参考訳（メタデータ） (2019-11-20T05:04:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。