his.sePublikationer
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Game-Calibrated and User-Tailored Remote Detection of Stress and Boredom in Games
Computer Science, Federal University of Fronteira Sul, Chapecó 89802 112, Brazil. (Interaction lab)ORCID-id: 0000-0001-6479-4856
Högskolan i Skövde, Institutionen för informationsteknologi. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (Interaction lab)ORCID-id: 0000-0002-9972-4716
Högskolan i Skövde, Institutionen för informationsteknologi. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (Interaction Lab)ORCID-id: 0000-0001-9287-9507
2019 (Engelska)Ingår i: Sensors, ISSN 1424-8220, E-ISSN 1424-8220, Vol. 19, nr 13, s. 1-43, artikel-id 2877Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Emotion detection based on computer vision and remote extraction of user signals commonly rely on stimuli where users have a passive role with limited possibilities for interaction or emotional involvement, e.g., images and videos. Predictive models are also trained on a group level, which potentially excludes or dilutes key individualities of users. We present a non-obtrusive, multifactorial, user-tailored emotion detection method based on remotely estimated psychophysiological signals. A neural network learns the emotional profile of a user during the interaction with calibration games, a novel game-based emotion elicitation material designed to induce emotions while accounting for particularities of individuals. We evaluate our method in two experiments (n = 20 and n = 62) with mean classification accuracy of 61.6%, which is statistically significantly better than chance-level classification. Our approach and its evaluation present unique circumstances: our model is trained on one dataset (calibration games) and tested on another (evaluation game), while preserving the natural behavior of subjects and using remote acquisition of signals. Results of this study suggest our method is feasible and an initiative to move away from questionnaires and physical sensors into a non-obtrusive, remote-based solution for detecting emotions in a context involving more naturalistic user behavior and games.

Ort, förlag, år, upplaga, sidor
MDPI, 2019. Vol. 19, nr 13, s. 1-43, artikel-id 2877
Nyckelord [en]
human–computer interaction, games, affective computing, remote photoplethysmography
Nationell ämneskategori
Interaktionsteknik
Forskningsämne
Interaction Lab (ILAB)
Identifikatorer
URN: urn:nbn:se:his:diva-17485DOI: 10.3390/s19132877ISI: 000477045000038PubMedID: 31261716Scopus ID: 2-s2.0-85069267193OAI: oai:DiVA.org:his-17485DiVA, id: diva2:1339292
Tillgänglig från: 2019-07-29 Skapad: 2019-07-29 Senast uppdaterad: 2019-11-08Bibliografiskt granskad

Open Access i DiVA

fulltext(3102 kB)73 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 3102 kBChecksumma SHA-512
e6bc6ce21a352d7e8ab445870cb48b364272a394de56fdc1559ffaf7c316c690a8454cb129146d12044f4144da665234912f940035cd2bde525f3571e2fe1ba9
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextPubMedScopus

Personposter BETA

Bevilacqua, FernandoEngström, HenrikBacklund, Per

Sök vidare i DiVA

Av författaren/redaktören
Bevilacqua, FernandoEngström, HenrikBacklund, Per
Av organisationen
Institutionen för informationsteknologiForskningscentrum för Informationsteknologi
I samma tidskrift
Sensors
Interaktionsteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 73 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
pubmed
urn-nbn

Altmetricpoäng

doi
pubmed
urn-nbn
Totalt: 343 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf