可穿戴设备的心率序列可以预测高等教育学生的全天精神状态吗:英国一所大学的信号处理和机器学习案例研究
1School of Computing and Engineering, University of Huddersfield, Huddersfield, WYK, HD1 3DH, UK. T.Chen@hud.ac.uk.
Brain informatics
|December 5, 2024
概括
通过可穿戴设备持续监测心率 (HR),可以检测学生的压力. 这项研究表明,通过信号处理和机器学习分析的日常HR模式,在现实环境中有效地表明了心理状态.
科学领域:
- 心理学 心理学 心理学
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 高等教育中的学生心理健康是一个重大问题.
- 评估心理状态的传统方法往往缺乏现实世界的适用性.
- 持续的,不受限制的监测提供了一种新的方法来了解学生的福祉.
研究的目的:
- 调查一整天心率 (HR) 序列在大学生中表明精神状态,特别是压力时的有效性.
- 在不受限制,开放的环境中分析人力资源波动.
- 弥合控制的人力资源监测和现实世界心理状态评估之间的差距.
主要方法:
- 使用果手表从英国大学生收集的持续的人力资源数据.
- 信号处理技术的应用,包括里埃转换和波纹分析.
- 使用先进的机器学习算法对HR序列进行建模.
主要成果:
- 与基线测量相比,取得了统计学上显著的结果.
- 展示了通过信号处理和机器学习分析的HR序列的潜力,以表征心理状态.
- 为理解生理信号与心理状况之间的关系提供了基础.
结论:
- 一整天的心率序列对学生的非侵入性心理状态监测具有前途.
- 信号处理和机器学习可以有效地解释复杂的生理数据,以获得心理健康见解.
- 进一步的研究和数据收集是有必要的,以改进和验证系统.
