Mood detection and memory performance evaluation with body sensors
Notice bibliographique
Résumé
This thesis provides the design of a system employing an Android application connected to body sensors, which is capable of assessing the mood and memory performance of humans. The mood detection is based on the heart rate, its variability, as well as on the captured brain waves. The memory performance is evaluated based on specific brain waves observed as well. The application requires the connection of sensors to an Android device to obtain data. Sensors for the heart and brain were used along with the Android device to obtain data. The Sensors are connected to the Android device via Bluetooth Low Energy. Data was gathered and processed from these sensors using clever algorithms. Data was filtered using the right filters, a Hanning window was applied to it, and finally the fast Fourier transform was computed to provide data for a range of frequencies. The application was tested to assess how effective it was at finding the mood and memory performance levels of humans. To do so, we selected an adult population consisting of male and female individuals. The tests consisted of visual and auditory stimuli which drived the users to a particular mood such as sad, relaxed, angry, engaged, aroused, happy, and stressed. Furthermore, a short memory test was given to assess the memory performance level of each user. The mood experiment has been successful at raising the mood levels of the majority of participants when being shown stimuli composed of images and sounds. Negative or neutral mood levels could be explained by participants having other thoughts or emotions during the experiment, and by the attenuation and dampening of the body sensors' signals. The ability of participants to reach a particular mood (relaxed, engaged, sad) more quickly in response to a conducive stimulus is related to a person's physical characteristics; for example, younger participants reach a particular mood more quickly than older participants. The memory experiment has been successful at raising the memory levels of the majority of participants when being asked to perform a modified Sternberg memory task. Results show a positive memory activity for the majority of participants, even in the presence of signal attenuation in the body sensors.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».