Identifying correlation between facial expression and heart rate and skin conductance with iMotions biometric platform
Notice bibliographique
Résumé
Emotional reactions are stimulated when humans are presented with a stimulus, triggering a series of voluntary and involuntary responses. Human emotions can be measured from facial expressions and physiological processes. The iMotions biometric platform is able to detect and analyze the responses of different individuals, which are personalized. The iMotions software allows for the quantification of seven basic emotions: joy, sadness, anger, fear, contempt, surprise, and disgust. Along with iMotions, galvanic skin response (GSR) and heart rate sensors from the Shimmer Kit were used. GSR refers to the phenomenon wherein the skin temporarily becomes a better conductor of electricity due to elevated sweat gland activity. In this study, participants were shown videos associated with different emotions while their facial expressions were recorded and their heart rate/skin conductance data collected. Using iMotions and the Shimmer kit, this project aims to identify a possible correlation between the participants’ facial reactions and their physiological responses, namely, their heart rate and skin conductance, when exposed to different stimuli. The results indicated that there is a slightly higher correlation between emotion and GSR compared to emotion and heart rate. From the findings, it can be inferred that individuals react differently to the same stimulus. The iMotions software has great potential in forensic biometric analysis of human emotions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».