Dissertação
Real World Group Emotional Analytics Using Eletrodermal Activity Signals EVALUATED
O reconhecimento de emoções que quase todos os seres humanos consideram natural é um grande desafio no campo da Interação Homem-Computador. O presente trabalho, desenvolve várias tarefas dentro do campo de reconhecimento de emoções, tais como, o desenvolvimento de uma nova ferramenta de autoavaliação emocional, uma análise da frequência de amostragem mínima necessária para a aquisição de EDA e o benchmarking de um novo dispositivo para realizar aquisição de dados fisiológicos em configurações de grupo. No entanto, a tarefa mais relevante é a avaliação das emoções coletivas durante a visualização de um conteúdo audiovisual não calibrado de longa duração. O presente trabalho tem como objetivo analisar as semelhanças em anotações simultâneas entre diferentes participantes, juntamente com uma análise dos sinais EDA correspondentes e desenvolver uma nova abordagem para identificar regiões onde o público reagiu com maior intensidade com base no EDA e técnicas de aprendizagem automática. As anotações realizadas pelos participantes não vão de acordo com o esperado, revelando algumas limitações na fase de anotações. Além disso, a avaliação dos dados de EDA durante as anotações simultâneas revelou uma tendência para aumentar ao longo do período das anotações. Ainda assim, os sinais exibiram poucas semelhanças durante esses períodos de tempo. Em relação à aplicação de algoritmos de clustering, a metodologia que revelou o melhor desempenho foi o clustering hierárquico com linkage médio, proporcionando um maior número de clusters, com mais áreas em que o público teve uma reação emocional mais intensa.
novembro 18, 2021, 11:0
Publicação
Obra sujeita a Direitos de Autor