Un enfoque discreto para la detección de emociones

Área de la Ciencia:

• Psicología
• Ciencias de la Computación
• Interacción Humano-Computadora

Sus antecedentes:

• El estrés impacta significativamente el bienestar físico y mental en la vida moderna.
• La detección temprana del estrés es crucial para un manejo efectivo.
• Las soluciones tecnológicas ofrecen un enfoque proactivo para la detección del estrés.

Objetivo del estudio:

• Investigar un enfoque de aprendizaje basado en web para la detección de estrés discreta.
• Desarrollar y evaluar modelos de Redes Neuronales Artificiales (ANN) y Redes Neuronales Convolucionales (CNN) para la clasificación de estrés en tiempo real.
• Evaluar la percepción del usuario de una aplicación web de detección de estrés que utiliza funciones de diario y selfie.

Principales métodos:

• Desarrolló dos modelos de redes neuronales (ANN y CNN) para la detección de estrés.
• Implementó modelos dentro de una aplicación web procesada en el lado del cliente utilizando TensorFlow.js.
• Recopiló datos de entrada del usuario a través de entradas de diario y selfies para la clasificación en tiempo real.
• Evaluó la aplicación con 7 usuarios que evaluaron la precisión percibida y la efectividad de las funciones.

Principales resultados:

• La aplicación web y los modelos de detección de estrés funcionaron según lo previsto.
• Los usuarios informaron una puntuación promedio de precisión subjetiva de 3.57 sobre 4.
• El 100% de los usuarios encontraron que las funciones eran efectivas para monitorear y rastrear el estrés.
• Los usuarios expresaron preferencia por la función de diario sobre la función de selfie.

Conclusiones:

• El sistema desarrollado basado en web demuestra un enfoque viable para la detección de estrés en tiempo real y del lado del cliente.
• La retroalimentación del usuario indica una recepción positiva y una efectividad percibida de las herramientas de monitoreo del estrés.
• La función de diario muestra promesa como un método preferido para la entrada del usuario en aplicaciones de detección de estrés.