論文の概要: A Multimodal Approach Combining Biometrics and Self-Report Instruments for Monitoring Stress in Programming: Methodological Insights
- arxiv url: http://arxiv.org/abs/2507.02118v2
- Date: Sat, 05 Jul 2025 14:33:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 13:42:26.910444
- Title: A Multimodal Approach Combining Biometrics and Self-Report Instruments for Monitoring Stress in Programming: Methodological Insights
- Title（参考訳）: プログラミングにおけるストレスモニタリングのためのバイオメトリックスとセルフレポート機器を組み合わせたマルチモーダルアプローチ:方法論的考察
- Authors: Cristina Martinez Montes, Daniela Grassi, Nicole Novielli, Birgit Penzenstadler,
- Abstract要約: 幸福、ストレス、その他の人間的要因の研究は、伝統的に重要な変数を評価するために自己申告器に依存してきた。
i) 心理指標とバイオメトリック指標を比較し, (ii) ソフトウェア工学におけるバイオメトリックデータ中のストレス関連パターンを同定することを目的とした。
- 参考スコア（独自算出の注目度）: 5.512504195291804
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The study of well-being, stress and other human factors has traditionally relied on self-report instruments to assess key variables. However, concerns about potential biases in these instruments, even when thoroughly validated and standardised, have driven growing interest in alternatives in combining these measures with more objective methods, such as physiological measures. We aimed to (i) compare psychometric stress measures and biometric indicators and (ii) identify stress-related patterns in biometric data during software engineering tasks. We conducted an experiment where participants completed a pre-survey, then programmed two tasks wearing biometric sensors, answered brief post-surveys for each, and finally went through a short exit interview. Our results showed diverse outcomes; we found no stress in the psychometric instruments. Participants in the interviews reported a mix of feeling no stress and experiencing time pressure. Finally, the biometrics showed a significant difference only in EDA phasic peaks. We conclude that our chosen way of inducing stress by imposing a stricter time limit was insufficient. We offer methodological insights for future studies working with stress, biometrics, and psychometric instruments.
- Abstract（参考訳）: 幸福、ストレス、その他の人間的要因の研究は、伝統的に重要な変数を評価するために自己申告器に依存してきた。
しかしながら、これらの機器の潜在的なバイアスに関する懸念は、徹底的に検証され、標準化されたとしても、これらの手段とより客観的な方法(例えば生理学的測度)を組み合わせることで、代替手段への関心が高まりつつある。
目指すもの
一 心理指標と生体指標を比較して
(II)ソフトウェア工学におけるバイオメトリックデータのストレス関連パターンを同定する。
実験では,事前調査を完了し,バイオメトリックセンサーを装着した2つのタスクをプログラムし,それぞれに短時間のサーベイを行った。
その結果,心理測定器のストレスは認められなかった。
インタビュー参加者はストレスや時間的プレッシャーが混在していると報告した。
最後に, 生体計測値に有意差を認めた。
より厳密な時間制限を課すことでストレスを誘発する方法が不十分であると結論付けた。
ストレス、バイオメトリックス、心理測定機器を扱う将来の研究の方法論的洞察を提供する。
関連論文リスト
- Computational Analysis of Stress, Depression and Engagement in Mental Health: A Survey [62.31381724639944]
ストレスと抑うつは相互に関連し、共に日々のタスクにおけるエンゲージメントに影響を与える。
この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
論文 参考訳（メタデータ） (2024-03-09T11:16:09Z) - Simulation-based Inference for Cardiovascular Models [43.55219268578912]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - Employing Multimodal Machine Learning for Stress Detection [8.430502131775722]
メンタルウェルネスは、今日の世界で最も無視されているが決定的な側面の1つである。
本研究では、人の作業行動とストレスレベルを監視するために、マルチモーダルなAIベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-15T14:34:16Z) - Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。
マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。
ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
論文 参考訳（メタデータ） (2023-04-04T07:24:51Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - Machine Learning for Stress Monitoring from Wearable Devices: A
Systematic Literature Review [1.5293427903448025]
本研究の目的は,ウェアラブルデバイスを用いたストレス検出とモニタリングの現状について概観することである。
レビューされた作品は、公開されているストレスデータセット、機械学習、将来の研究方向性の3つのカテゴリにまとめられた。
論文 参考訳（メタデータ） (2022-09-29T23:40:38Z) - Insights on Modelling Physiological, Appraisal, and Affective Indicators
of Stress using Audio Features [10.093374748790037]
被験者がストレスエピソードを誘発している最中に収集した音声サンプルを用いて、個人ストレス応答の自動的特徴付けの有望な結果を示した。
我々は, 音声信号が生理的バイオマーカーのモデル化に適しているかどうかについて, 新たな知見を提示する。
論文 参考訳（メタデータ） (2022-05-09T14:32:38Z) - Evaluation of a User Authentication Schema Using Behavioral Biometrics
and Machine Learning [0.0]
本研究では,行動バイオメトリックスを用いたユーザ認証手法の作成と評価により,行動バイオメトリックスの研究に寄与する。
この研究で用いられる行動バイオメトリクスには、タッチダイナミクスと電話の動きがある。
2つのバイオメトリックスの異なる単一モーダルと多モーダルの組み合わせの性能を評価する。
論文 参考訳（メタデータ） (2022-05-07T05:16:34Z) - Personalized Stress Monitoring using Wearable Sensors in Everyday
Settings [9.621481727547215]
心拍数(HR)と心拍変動率(HRV)に基づく日常生活ストレスレベルの客観的予測について検討する。
本稿では、ラベル付けのためのデータサンプルの調整可能なコレクションをサポートする、個人化されたストレス監視のための階層化システムアーキテクチャと、ラベル付けのためのリアルタイムデータのストリームから情報化サンプルを選択する方法を提案する。
論文 参考訳（メタデータ） (2021-07-31T04:15:15Z)
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。