Diese Arbeit wird unterstützt durch den spanischen Staat Research Agency und der europäischen regionalen Entwicklung Fonds (EFRE) im Rahmen des Projekts PALLAS (TIN2016-80515-R AEI/EFRE, EU).

Alle nachfolgend beschriebene Methoden wurden von der Regionalregierung Galiciens Ausschuss für Forschungsethik von Pontevedra-Vigo-Ourense (reg Code 2017/336) genehmigt. Das Protokoll wurde für Studenten im ersten Studienjahr an der School of Telecommunication Engineering - Universität von Vigo, in einem komfortablen Labor-Raum und in mehreren Vorträgen und Trainings von einem Bachelor-Studiengang auf Computer-Architekturen implementiert.
1. bereiten Sie die Geräte
<ol><li>Verbinden Sie das Smartphone und Tablet Gerät auf eine stabile Internetverbindung.</li>
	<li>Schalten Sie Bluetooth-Kommunikation im Smartphone.</li>
	<li>In das Smartphone in die entsprechenden offiziellen AppStore suchen Sie die Handgelenk tragbare Anwendung. Herunterzuladen und zu installieren.</li>
	<li>In das Smartphone nach der PhysiologicalSignals-app, physiologische Signale zu erfassen suchen. Herunterzuladen und zu installieren. Hinweis: Derzeit, die app ist eine Beta-Version und Zugriff kann auf Anfrage bereitgestellt werden.</li>
	<li>Suchen Sie in der Tablette die StressTest-app in die Forschung Laborexperimente verwendet werden. Herunterzuladen und zu installieren. Hinweis: Derzeit, die app ist eine Beta-Version und Zugriff kann auf Anfrage bereitgestellt werden.</li>
	<li>Kinderbetten Handgelenk tragbaren Gerät schalten Sie ein und legen Sie die tragbar.</li>
	<li>Öffnen Sie im Smartphone die offizielle Kinderbetten Handgelenk tragbare Anwendung. Hinweis: Die app wird fortgesetzt, das tragbare Gerät mit dem Smartphone synchronisieren. Bei manchen Geräten ist eine e-Mail-Adresse erforderlich.</li>
	<li>Öffnen Sie im Smartphone die PhysiologicalSignals-app.<ol>
<li>Bei Bekanntwerden von einem Sensor Zugriffsanforderung, akzeptiere es.</li>
		<li>Überprüfen Sie das Gerät. Warten Sie, bis die PhysiologicalSignals-app, um das Wort Weared in grün angezeigt. Hinweis: Dies darauf hinweisen, dass das tragbare Gerät erkannt wurde und daher die Übermittlung von Informationen von den Sensoren an das Smartphone aktiviert ist. Wenn diese Meldung nicht erscheint wiederholen Sie ab Schritt 1.6.</li>
	</ol>
</li>
</ol>(2) der Laborphase
<ol><li>Bereiten Sie die Labor-Einstellung. Wählen Sie eine komfortable und nicht stören Zimmer ohne störende Geräusche und eine angenehme Temperatur (zwischen 22 ° C und 26 ° C).</li>
	<li>Das Handgelenk tragbaren Gerät schalten Sie ein, um die thematischen nichtdominanten Handgelenk legen Sie und legen Sie die Kopfhörer auf dem Kopf des Schülers. Passen Sie die tragbare anliegt um das Handgelenk.</li>
	<li>Verbinden Sie das Smartphone und Tablet mit eine stabile Internet-Verbindung und stellen Sie sicher, dass die Bluetooth-Verbindung aktiv ist.</li>
	<li>Starten Sie im Smartphone die PhysiologicalSignals-app.<ol>
<li>Warten Sie, bis die app das Wort Weared in grün angezeigt.</li>
		<li>Wählen Sie die Option Benutzer wechseln im linken Konfigurations-Menü und geben Sie die ID des Subjekts, die Durchführung der Tests und klicken Sie auf Speichern.</li>
	</ol>
</li>
	<li>In einem Laptop auf das Dashboard zugreifen und die testadministrator-ID und Ihr Passwort eingeben. Hinweis: Derzeit ist für Private und Sicherheit betrifft, Zugriff auf das Dashboard nur erhalten Sie auf Anfrage.<ol>
<li>Wählen Sie die Betreff-ID und das Thema Stress Registerkarte.</li>
		<li>Die physiologische Signale Entwicklung zu überprüfen und warten auf das tragbare Gerät, thermischen Stabilität zu erreichen, bevor Sie das Experiment starten. Hinweis: Die thermische Stabilität wird als ein Plateau im Diagramm identifiziert.</li>
	</ol>
</li>
	<li>Starten Sie in der Tablette die StressTest-Anwendung.<ol>
<li>Erklären Sie das Thema der vier Labor Aufgaben. Zeigen Sie einige der Bildschirme und Aktionen, während jeweils die Aufgaben durchzuführen. Hinweis: Dies ist sehr wichtig, da das Thema sollte fühle gestresst oder entspannt in Übereinstimmung mit der durchgeführten Tätigkeiten mich und nicht Angst oder Sorge um was wird passieren.</li>
		<li>Sagen Sie der Student nicht ihre Arme auf dem Tisch ruhen und die Hand ist das tragbare Gerät platziert, die Tätigkeiten durchzuführen.</li>
		<li>Geben Sie die gleichen Benutzer-ID, wie in Schritt 2.4.2 und klicken Sie auf den Pfeil.</li>
	</ol>
</li>
	<li>Starten Sie die video Aufgabe und gewähren Sie Vollzugriff für den Schüler.<ol>
<li>Beachten Sie, dass die Aufgabe ohne Zwischenfälle durchgeführt wird.</li>
		<li>Wenn der Vorgang abgeschlossen ist, überprüfen Sie, dass das Thema den wahrgenommenen Stress bietet.</li>
	</ol>
</li>
	<li>Starten Sie die Farbe der Stroop-Aufgabe (SCWT) nacheinander für die Stufen 1, 2 und 3.<ol>
<li>Für jede Ebene zu beobachten, dass die Teilaufgabe ohne Zwischenfälle durchgeführt wird.</li>
		<li>Wenn jede Teilaufgabe abgeschlossen ist, überprüfen Sie, dass das Thema den wahrgenommenen Stress bietet.</li>
		<li>Nur für Ebene 3 und nur für den Fall, dass das Thema es nicht nach 4 Minuten lösen, Beenden der Aufgabe durch Drücken der Pfeiltasten am oberen Rand des Bildschirms.</li>
	</ol>
</li>
	<li>Starten Sie den Paced Auditory Serial Zusatz-Test (PASAT).<ol>
<li>Beachten Sie, dass die Aufgabe ohne Zwischenfälle durchgeführt wird.</li>
		<li>Für den Fall, dass das Thema nicht den PASAT-Test nach 4 Minuten löst, beenden Sie den Vorgang durch Drücken der Pfeiltasten am oberen Rand des Bildschirms.</li>
		<li>Wenn der Vorgang abgeschlossen ist, überprüfen Sie, dass das Thema den wahrgenommenen Stress bietet.</li>
	</ol>
</li>
	<li>Starten Sie die Hyperventilation Test.<ol>
<li>Die Entwicklung der HR über das Dashboard zu beobachten. Wenden Sie physiologische Signale nicht wesentlich ändern, sich das Thema Inspiration und Exspiration allmählich steigern.</li>
		<li>Für den Fall, dass das Thema Schwindel oder unangenehm Halt diese Aufgabe fühlt. In jedem Fall führen Sie den Vorgang nach vier Minuten.</li>
		<li>Wenn der Vorgang abgeschlossen ist, überprüfen Sie, dass das Thema den wahrgenommenen Stress bietet.</li>
	</ol>
</li>
</ol>3. die Klassenzimmer-Phase
<ol><li>Das Handgelenk tragbaren Gerät einschalten und das Wearable um die thematischen nichtdominanten Handgelenk legen. Passen Sie die tragbare anliegt um das Handgelenk.</li>
	<li>Verbinden Sie das Smartphone mit einer stabilen Internetverbindung, und stellen Sie sicher, dass die Bluetooth-Verbindung aktiv ist.</li>
	<li>Starten Sie im Smartphone die PhysiologicalSignals-app.<ol>
<li>Warten Sie, bis die app das Wort Weared in grün angezeigt.</li>
		<li>Wählen Sie im Konfigurations-Menü die Option Benutzer wechseln , geben Sie die ID des Subjekts, die Durchführung der Tests und klicken Sie auf Speichern.</li>
	</ol>
</li>
	<li>In einem Laptop auf das Dashboard zugreifen und die testadministrator-ID und Ihr Passwort eingeben.<ol>
<li>Wählen Sie die Betreff-ID und das Thema Stress Registerkarte.</li>
		<li>Überprüfen Sie die Entwicklung physiologischer Signale.</li>
	</ol>
</li>
	<li>Nehmen Sie Anmerkungen über alle relevanten Ereignisse auftreten im Klassenzimmer in Bezug auf die Lehrer-Schüler-Interaktion. Hinweis: Informationen und einfache Ereignisse werden physiologische Proben anschließend beschriften verwendet werden. Beispiel-Veranstaltungen sind eine Frage des Lehrers an den Schüler, oder eine theoretische Erklärung eingeleitet.</li>
	<li>Am Ende des Vortrags bitten Sie das Thema zum Ausfüllen des Fragebogens über das Niveau des Druckes zu bestimmten Zeiten während der Sitzung nach einer 5-Stufen-Skala.</li>
</ol>(4) Datenanalyse
<ol><li>In einem Laptop auf das Dashboard zugreifen und die testadministrator-ID und Ihr Passwort eingeben.<ol>
<li>Wählen Sie die Betreff-ID und das Thema Stress Registerkarte.</li>
		<li>Wählen Sie den Tag ein Klassenzimmer-Experiments.</li>
	</ol>
</li>
	<li>Beschriften Sie die Proben des Subjekts durch Aktivitäten und wahrgenommenen Stresslevel zu identifizieren.<ol>
<li>Hörsaal Aktivitäten und deren Dauer nach der Start- und Zeiten und ihre Arten zu identifizieren.</li>
		<li>Wählen Sie für jede Aktivität eine wahrgenommene Stressniveau.</li>
	</ol>
</li>
	<li>Laden Sie für jedes Thema und jede Sitzung die Datei mit den tagged Proben. Hinweis: Eine Komma-getrennte-Werte (CSV) Datei erstellt für jeden Schüler, jede Zeile, die die Werte der physiologische Signale mit deren Standardabweichung, Steigung und Diff, Leistungsart, Activity based Stress (d.h., den Stress standardmäßig auf die Aktivität) und das Thema Stress wahrgenommen.</li>
	<li>Die Daten-Analyse-Paket zu starten.<ol>
<li>Wählen Sie ein Set von Klassifikatoren (z.B., SVM, C4.5, k-NN, Random Forest, Naïve Bayes und NULL-R) und importieren die CSV-Datei für alle Schüler bei jeder Sitzung.</li>
		<li>Trainieren Sie und bewerten Sie Klassifikatoren mit der 10-divisibel Kreuzvalidierung Technik. Hinweis: Je nach den Analysen, Leistungsart, Activity based Stress oder Belastung wahrgenommen, werden als abhängige Variable für die Analyse ausgewählt.</li>
		<li>Zu guter Letzt überprüfen Sie die Ergebnisse für Genauigkeit und Fehler.</li>
	</ol>
</li>
</ol>

<ol>
	<li>IDC. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Forecasts Wearables Shipments to Reach 213.6 Million Units Worldwide in 2020 with Watches and Wristbands Driving Volume While Clothing and Eyewear Gain Traction. , (2016).</li><li>Piwek, L., Ellis, D. A., Andrews, S., Joinson, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+rise+of+consumer+health+wearables:promises+and+barriers.">The rise of consumer health wearables:promises and barriers.</a> PLoS Medicine. 13 (2), (2016).</li><li>Rudner, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Interrogation+of+Patient+Smartphone+Activity+Tracker+to+Assist+Arrhythmia+Management.">Interrogation of Patient Smartphone Activity Tracker to Assist Arrhythmia Management.</a> Annals of Emergency Medicine. 68 (3), 292-294 (2016).</li><li>Gao, Y., Li, H., Luo, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+empirical+study+of+wearable+technology+acceptance+in+healthcare.">An empirical study of wearable technology acceptance in healthcare.</a> Industrial Management &amp; Data Systems. 115 (9), 1704-1723 (2015).</li><li>Lukowicz, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Glass-physics:+using+google+glass+to+support+high+school+physics+experiments.">Glass-physics: using google glass to support high school physics experiments.</a> Proceedings of the 2015 ACM International Symposium on Wearable Computers - ISWC '15. , 151-154 (2015).</li><li>Sapargaliyev, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Wearables in Education: Expectations and Disappointments. , 73-78 (2015).</li><li>de Arriba P&#233;rez, F., CaeiroRodr&#237;guez, M., Santos Gago, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+do+you+sleep?+Using+off+the+shelf+wrist+wearables+to+estimate+sleep+quality,+sleepiness+level,+chronotype+and+sleep+regularity+indicators.">How do you sleep? Using off the shelf wrist wearables to estimate sleep quality, sleepiness level, chronotype and sleep regularity indicators.</a> Journal of Ambient Intelligence and Humanized Computing. , 1-21 (2017).</li><li>Espinosa, H. G., Lee, J., Keogh, J., Grigg, J., James, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=On+the+Use+of+Inertial+Sensors+in+Educational+Engagement+Activities.">On the Use of Inertial Sensors in Educational Engagement Activities.</a> Procedia Engineering. 112, 262-266 (2015).</li><li>Travers, C. J., Cooper, C. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> El Estre&#769;s de los profesores la presio&#769;n en la actividad docente. , (1997).</li><li>Maslach, C., Jackson, S. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+measurement+of+experienced+burnout.">The measurement of experienced burnout.</a> Journal of occupational Behavior. 2, 99-113 (1981).</li><li>Maslach, C., Jackson, S., Leiter, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Maslach Burnout Inventory. , (1986).</li><li>Kitsantas, A., Winsler, A., Huie, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Self-Regulation+and+Ability+Predictors+of+Academic+Success+During+College:+A+Predictive+Validity+Study.">Self-Regulation and Ability Predictors of Academic Success During College: A Predictive Validity Study.</a> Journal of Advanced Academics. 20, (2008).</li><li>Deberard, C., Scott, M., Glen, I., Spielmans, D. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Julka+Predictors+of+academic+achievement+and+retention+among+college+freshmen:+a+longitudinal+study.">Julka Predictors of academic achievement and retention among college freshmen: a longitudinal study.</a> College Student Journal. 381, 66-80 (2004).</li><li>Healey, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Wearable and automotive systems for affect recognition from physiology. , (2000).</li><li>Vrijkotte, T. G. M., van Doornen, L. J. P., de Geus, E. J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effects+of+Work+Stress+on+Ambulatory+Blood+Pressure,+Heart+Rate,+and+Heart+Rate+Variability.">Effects of Work Stress on Ambulatory Blood Pressure, Heart Rate, and Heart Rate Variability.</a> Hypertension. 35 (4), (2000).</li><li>Karthikeyan, P., Murugappan, M., Yaacob, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Descriptive+Analysis+of+Skin+Temperature+Variability+of+Sympathetic+Nervous+System+Activity+in+Stress.">Descriptive Analysis of Skin Temperature Variability of Sympathetic Nervous System Activity in Stress.</a> Journal of Physical Therapy Science. 24 (12), 1341-1344 (2012).</li><li>de Santos Sierra, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Design, implementation and evaluation of an unconstrained and contactless biometric system based on hand geometry and stress detection. , (2012).</li><li>Natale, V., Drejak, M., Erbacci, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Monitoring+sleep+with+a+smartphone+accelerometer.">Monitoring sleep with a smartphone accelerometer.</a> Sleep and Biological Rhythms. , (2012).</li><li>Guo, F., Li, Y., Kankanhalli, M., Brown, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+evaluation+of+wearable+activity+monitoring+devices.">An evaluation of wearable activity monitoring devices.</a> Proceedings of the 1st ACM international workshop on Personal data meets distributed multimedia. , (2013).</li><li>Wallen, M. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Accuracy+of+Heart+Rate+Watches:+Implications+for+Weight+Management.">Accuracy of Heart Rate Watches: Implications for Weight Management.</a> PLOS ONE. 11 (5), e0154420 (2016).</li><li>Wang, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Accuracy+of+Wrist-Worn+Heart+Rate+Monitors.">Accuracy of Wrist-Worn Heart Rate Monitors.</a> JAMA Cardiology. 2 (1), 104 (2017).</li><li>de Arriba P&#233;rez, F., CaeiroRodr&#237;guez, M., Santos Gago, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Collection+and+Processing+of+Data+from+Wrist+Wearable+Devices+in+Heterogeneous+and+Multiple-User+Scenarios.">Collection and Processing of Data from Wrist Wearable Devices in Heterogeneous and Multiple-User Scenarios.</a> Sensors. 16 (9), 1538 (2016).</li><li>IDC. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Wearables Aren't Dead, They're Just Shifting Focus as the Market Grows 16.9% in the Fourth Quarter, According to IDC. , (2017).</li><li>Mark, H., Ian, W., Eibe, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Data Mining: Practical Machine Learning Tools and Techniques. , (2011).</li><li>de Arriba P&#233;rez, F., Santos Gago, J. M., Caeiro Rodr&#237;guez, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Analytics+of+biometric+data+from+wearable+devices+to+support+teaching+and+learning+activities.">Analytics of biometric data from wearable devices to support teaching and learning activities.</a> Journal of Information Systems Engineering &amp; Management. 1, 41-54 (2016).</li><li>Machine Learning Group at the University of Waikato. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Weka 3 - Data Mining with Open Source Machine Learning Software in Java. , (2018).</li><li>Zhai, J., Barreto, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stress+Detection+in+Computer+Users+Based+on+Digital+Signal+Processing+of+Noninvasive+Physiological+Variables.">Stress Detection in Computer Users Based on Digital Signal Processing of Noninvasive Physiological Variables.</a> 2006 International Conference of the IEEE Engineering in Medicine and Biology Society. , 1355-1358 (2006).</li><li>Tombaugh, T. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comprehensive+review+of+the+Paced+Auditory+Serial+Addition+Test+(PASAT).">A comprehensive review of the Paced Auditory Serial Addition Test (PASAT).</a> Archives of Clinical Neuropsychology. 21 (1), 53-76 (2006).</li><li>Fan, Q., Wang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+real-time+realization+of+filtering+of+speech+with+DSP+TMS320VC5416+Chip.">The real-time realization of filtering of speech with DSP TMS320VC5416 Chip.</a> 2010 International Conference on Educational and Information Technology. , (2010).</li><li>Gonz&#225;lez Barajas, J. E., Velandia C&#225;rdenas, C., Nieto Camacho, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Implementaci&#243;n+de+filtro+digital+en+tiempo+real+para+detecci&#243;n+de+la+onda+R.">Implementaci&#243;n de filtro digital en tiempo real para detecci&#243;n de la onda R.</a> Revista Tecno L&#243;gicas. 18 (34), 75-86 (2015).</li><li>Mesirov, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Computer+science.+Accessible+reproducible+research.">Computer science. Accessible reproducible research.</a> Science (New York, N.Y.). 327 (5964), 415-416 (2010).</li><li>American Journal Experts. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> How to Write an Easily Reproducible Protocol. , (2018).</li></ol>

Die Autoren haben nichts preisgeben.

Kinderbetten tragbare Geräte gehören zu den beliebtesten Unterhaltungselektronikprodukte heute verfügbaren. Diese Geräte werden in der Regel verwendet, um körperliche Aktivitäten zu überwachen könnte, aber ihre Fähigkeiten und Leistung in anderen Bereichen von großem Interesse. In diesem Papier wird ein Protokoll zu Kinderbetten tragbare Geräte für die Schätzung der Stress in Lernumgebungen beurteilen diskutiert. Die Definition eines solchen Protokolls ist besonders wichtig, um verschiedene Lösungen rund um Wearables und Machine learning-Algorithmen zu analysieren. Das Protokoll soll in den pädagogischen Einstellungen verwendet werden, wo die Validierung von Stress Nachweisverfahren und deren eventuelle Einführung Asylanten Vorteile bieten kann. Zum Beispiel die Verwendung von tragbaren Geräten kann dazu beitragen, um das hohe Maß an Stress verbunden, dem so genannten Burnout-Syndrom9,10,11zu reduzieren, und als Folge der Aussteiger bewerten bei Universitäten12 , 13, bei der Verbesserung der schulischen Leistungen.
Ein kritischer Aspekt ist die Bluetooth-Verbindung zwischen dem tragbar und dem Smartphone. Diese drahtlose Verbindung zwischen beiden Geräten kann während des Tests gebrochen werden, so ist es notwendig, besondere Aufmerksamkeit darauf durch die Visualisierung der Daten in das Dashboard gesammelt. Obwohl die Wiederherstellung automatisch nach kurzer Zeit (d.h. ein Intervall von 1 bis 10 Minuten) durchgeführt wird, kann diese Unterbrechung der Proben in diesem Intervall verloren gehen. Verringerung die Menge an Informationen verloren, kann es bequem, die Smartphone-Gerät manuell zurückgesetzt sein. Anderen Aspekt zu beachten ist der ursprünglichen Haut Temperatur Sensorwert, wie es die Verwirklichung der Haut Stabilität beeinflussen können, die bis zu 10 Minuten verzögert werden kann.
Die Hauptvorteile des Protokolls vorgeschlagen in dieser Forschung sind seine Anwendbarkeit auf eine große Gruppe von Studenten, seine minimale Bedarf an Unterstützung durch automatisierte mobile apps, seiner Einfachheit bei der Vorbereitung der Geräte das Experiment und seinem tief beteiligt Aufdringlichkeit während der Durchführung der Klassenzimmer-Phase. Dieses Protokoll bietet eine schnelle und einfache Methode in kontrollierten Umgebungen, wie z. B. Klassenräume oder Hochschullabors anwendbar. Außerdem sind technologischen Fähigkeiten der teilnehmenden Studenten kein Thema, da das Protokoll in einfach verständliche technische Konzepte von einem durchschnittlichen Universität Studenten unabhängig von ihrer akademischen Bereich basiert. Wie in der Literatur31, erfordert Reproduzierbarkeit in experimentellen Wissenschaften eine gründliche und klare Beschreibung der Protokolle angewendet und deren Ergebnisse. Das Protokoll diskutiert in diesem Papier wurde auf modulare Weise nach einfachen, unkomplizierten Schritten entwickelt, die Reproduktion der Experimente diskutiert und ihre Erweiterung32erleichtert. Unter den wichtigsten Gestaltungsmerkmalen Reproduzierbarkeit zu erleichtern nennen wir die Prägnanz der Laborphase und automatisierte Umsetzung durch eigenständige mobile apps. Darüber hinaus erfordert die Klassenzimmer-Phase keine Interaktion mit den Studierenden über die wissenschaftlichen Aktivitäten. Die meisten Studenten wies darauf hin, die Einfachheit des Prozesses und keine Beschwerden in Bezug auf ihre Beteiligung an den Experimenten berichtet wurden. Zusammenfassend lässt sich sagen, zeigt gesammelten Beweise so weit, dass dieses Protokoll auf Themen mit einem breiteren Profil und in Bereichen anders als Bildung, wie Gesundheitseinrichtungen oder am Arbeitsplatz angewendet werden kann. Außerdem bietet dieses Protokoll die Möglichkeit mehrere Maschinenlösungen, testen Sie die besten Algorithmen, je nach den Anforderungen der Experimente und auf dem tragbaren Gerät ausgewählt umzusetzen lernen zu studieren. Die Verwendung von Anwendungen, die Stress auslösen und ein Dashboard zur Anzeige und Tag Proben bieten erleichtert die Ausbildung von benutzerdefinierten Stress-Modelle in einer einzigen Labor-Sitzung.
Die wichtigsten Einschränkungen der vorgeschlagenen Lösung beziehen sich auf die Themen Variabilität und die Reproduzierbarkeit der akademischen Aktivitäten. Neu zu genau den gleichen Bedingungen und Situationen im Vortragssitzungen stattfindet, ist praktisch unmöglich. Auf der anderen Seite der Stress erlebt von jedem Kursteilnehmer ist sehr persönlich, wie im allgemeinen dort sind unterschiedliche Antworten auf die gleichen Reize. Darüber hinaus gibt es Hardware-bezogene Fragen im Zusammenhang mit der tragbare Geräte selbst, wie die verschiedenen Zugriffsmethoden, verschiedene Sensoren, Zugriff auf physiologische Signale in Echtzeit oder Akkulaufzeit. Diese technischen Anforderungen beschränken förderfähigen Wearables auf eine begrenzte Auswahl an Geräten. In unseren Geräten jedenfalls berechtigt sind diese kompatibel mit smart Bluetooth-Funktionen und intelligente Bands mit einem SDK kompatibel mit großen SO Smartphone-Geräte. Die Anzahl der kompatiblen Geräte wird voraussichtlich im Laufe der nächsten Jahre zu erhöhen.
Das vorgeschlagene Protokoll dient als Instrument zur Schließlich reicher Student-Modelle als derzeit in learning Management-Systeme oder Schüler-Informations-Systeme definieren. Beispielsweise könnte die neue Informationen erfasst mit dem tragbaren Gerät gemäß dem Protokoll diskutiert, die frühzeitige Erkennung von Situationen, die die Leistung wie Müdigkeit oder Stress und Leitfaden Studenten, diese Situationen zu überwinden gelten. Eine Alternative zu diesem Protokoll kann auf tragbaren Geräten getragen auch außerhalb des Klassenzimmers, um Variationen in physiologischer Signale über einen längeren Zeitraum hinweg erkennen beruhen. Dieser Ansatz beinhaltet mehrere Herausforderungen, wie eine ständig verändernde Umgebungstemperatur oder der Gegenstand der Studie wird gezwungen, immer in der Nähe von ihrem Smartphone sein, um Datenverlust zu verhindern. Dieses Protokoll kann schließlich auch auf andere Kurse und Bildungsniveaus, die erleichtern die Erfassung zusätzlicher Beweis wie Stress beeinflusst Studienleistungen für Studierende mit unterschiedlichen Fähigkeiten oder Studienrichtungen angewendet werden.

State-of-the-Art tragbare Technologien sind weit verbreitet, und ihrer Anwendungsumgebungen kontinuierlich erweitern. Wir finden auf dem Markt viele verschiedene Geräte, unter denen Kinderbetten Handgelenk Wearables1, wie smart-Uhren und intelligente Bänder sind beliebt bei Sportlern als eine persönliche körperliche Fitness monitoring Tool2. Indem Daten analytische Techniken können mit diesen Geräten die gewonnenen Daten verarbeitet werden, zu Indikatoren wie körperlichen Allgemeinzustand, schlafen Qualität oder Recovery-Faktor. Die nachgewiesene Anwendbarkeit in diesem Bereich hat Interesse in der akademischen Gemeinschaft über ihre mögliche Anwendung auf andere Bereiche, insbesondere die Gesundheit Domäne3,4, obwohl die strengen Anforderungen der klinischen Studien zu begrenzen Ihre Einführung. Jedoch in einem weniger anspruchsvollen Kontext wie Bildung, finden wir in der Literatur Untersuchungen, die die Verwendung von verschiedenen Arten von tragbaren Geräten, sowohl im Zusammenhang mit Lehre Aktivitäten5,6 und die Abschätzung der bestimmte Merkmale des Schülers wie Schlaf Muster7oder die Analyse des studentischen Engagements in verschiedene Bildungsaktivitäten8.
In unserem Fall konzentrieren wir uns auf die Analyse von Kinderbetten Handgelenk tragbarer Geräten als Mittel, um physiologische Signale zu sammeln, die schließlich Stress Schätzung, die wiederum ein wichtiger Aspekt in pädagogischen Kontexten erleichtern würde. Stress hat einen relevanten Einfluss in der Entwicklung von wissenschaftlichen Aktivitäten und allgemeine Schülerleistungen. Zum Beispiel Stresspegel beziehen sich direkt auf den Ausbruch des Burnout-Syndroms bei Studenten9,10,11, und hohen Beanspruchungen besonders relevant sind während dem ersten Jahr, wo Drop-out-Raten, zwischen 20 % und 30 %12,13 sind häufig. Erkennung und Steuerung von Stress-Indikatoren könnte akademische Leistung erheblich gesteigert.
Die Verwendung von COTS Handgelenk tragbaren Geräten ist gerechtfertigt, weil sie Sensoren verfügen, die Informationen über physiologische Signale, die von der wissenschaftlichen Gemeinschaft in Stress Beurteilung und Erkennung eingesetzt haben. Einige der Signale bezeichnet, in der Literatur verwendet zu diesem Zweck Herzfrequenz (HF)14, Herzfrequenz Varaibility15, Haut Temperatur (ST)16, Atmung14, und Elektrodermale (GSR)17aufzunehmen. Diese Signale können durch COTS Handgelenk Wearables erfasst werden. Sie bieten jedoch nicht die gleiche Leistung wie klinische Geräte. Gibt es Unterschiede im Zusammenhang mit der Genauigkeit der Sensoren unter Geräte18,19,20,21. Dennoch, frühere Werke18,19,20,21 haben gezeigt, dass, in einem Szenario mit langsamen Satz Kinderbetten Handgelenk tragbare Sensoren Fehlermuster ähnlich wie spezielle Geräte.
Das Ziel dieses Papiers ist ein Protokoll zur Bewertung verschiedener Lösungen für Stress-Schätzung in der Schüler mit Kinderbetten Handgelenk Wearables einzuführen. Es gibt viele Regelungen, die Stressbelastung, bei denen verschiedene Handgelenk tragbare Geräte und Daten Analyse-Techniken und insbesondere Algorithmen des maschinellen Lernens schätzen vorgeschlagen werden können. Kinderbetten Handgelenk Wearables zeichnen sich durch ihre hohe Fragmentierung, Heterogenität und Interoperabilität Probleme-22. Drei Unternehmen haben einen aggregierte Marktanteil von fast 50 %23, aber viele andere Unternehmen entfallen viel kleineren einzelnen Markt teilt mit einem aggregierten Anteil über 50 %. Auf der anderen Seite im Hinblick auf die Heterogenität, nicht alle Wearables haben die gleiche Anzahl und Art der Sensoren mit Beschleunigungssensoren und h-Sensoren ist die am häufigsten, und ST und der GSR nur bei 5 % der Geräte untersucht. Wie für Interoperabilität gibt es verschiedene Betriebssysteme und Daten Sammlung Ansätze, die nicht miteinander kompatibel sind. Für das Machine learning-Techniken, die angewendet werden können, um Stress durch ein handgelenkgerät erhobenen Daten zu schätzen, gibt es viele Optionen zur Verfügung24, darunter Entscheidungsbäume, neuronale Netze, nächster Nachbar Ansätze, Naïve Bayes Klassifikatoren, etc. zu summieren, gibt es eine Vielzahl von Lösungen, die für Stress-Schätzung, entwickelt werden kann, so ist es instrumental, entwerfen eine Auswertung Protokoll zur Erleichterung des Vergleichs unter verschiedenen vorläufige Optionen, wählen schließlich die in einem bestimmten Kontext am besten geeignet.
Für die Durchführung des Protokolls sind mehrere Tools benötigt (Abbildung 1). Zunächst wird ein Kinderbetten Handgelenk tragbares Gerät benötigt, um physiologische Daten zu holen. Dieses tragbare Gerät sollte mindestens haben HR Überwachung Fähigkeiten, sondern zusätzliche Sensoren sind erwünscht (z. B. Beschleunigungsmesser, ST, GSR Sensoren). Zweitens ist eine Smartphone mit der app PhysiologicalSignal erforderlich, die von dem tragbaren Gerät erfassten Daten zu sammeln. Drittens: ein Tablet läuft die StressTest-app ist notwendig, um Stress Induktion Übungen ausführen (das Smartphone könnte stattdessen die Tablette für diesen Zweck verwendet). Viertens, einige Fragebögen qualitative Daten über Schüler Wahrnehmung über Stress sammeln. Fünftens: ein Server mit einem Web service25 Datenerhebung und Vorverarbeitung und ein Web-Dashboard zur Beobachtung die Entwicklung der Signale durchführen. Und zu guter Letzt ein Data Analytics Paket26 zur Verarbeitung der Daten gesammelt über Studenten, die mit Maschine Lerntechniken.
Das Protokoll der Auswertung gliedert sich in zwei Phasen. Das erste man der Laborphase erfolgt in einem komfortablen Zimmer, wo verschiedene Druckstufen (d.h., "relax", "konzentriert Stress" und "stress") zu einem Ziel-Thema (Student) induziert werden durch mehrere allgemeine Stress erzeugenden Aufgaben. Der zweite Teil findet im Klassenzimmer, und es beinhaltet eine Überwachung der Schülers während der Leistung von mehreren akademischen Aktivitäten: theoretische Erklärungen, Einzelaktivitäten, kurze Tests, Prüfungen, etc. während der Durchführung des Dieses Protokoll, das Thema der physiologische Signale werden durch ein handgelenkgerät erfasst. Schließlich werden diese Signale von Machine learning-Algorithmen um Schätzungen auf das Niveau des Druckes verarbeitet.
Während der Laborphase wird die StressTest-app verwendet, um verschiedene Druckstufen zu induzieren. Diese app führt das Thema bis zum Abschluss der vier verschiedene Aufgaben. Die erste Aufgabe ist die Schaffung eine Basislinie für die Spannungsanalyse. In dieser Aufgabe visualisiert der Student eine 4-minütige entspannende Video in der verschiedene Aufnahmen eines Sonnenuntergangs auf einer Brücke gezeigt werden. Die zweite Aufgabe ist eine Adaption der Stroop-Farbe und Wort Test27 (SCWT). Alle zwei Sekunden muss das Thema die Farbe auswählen, in der der Name einer Farbe (rot, grün, Orange, blau und violett) lackiert ist. Mehrere Schaltflächen am unteren Rand des Bildschirms mit den Anfangsbuchstaben der einzelnen Farben sind für das Thema wählen Sie die gemalte Farbe zu jeder Zeit verfügbar. Beispielsweise zeigt die Schaltfläche, die bezieht sich auf die blauen Buchstaben b In unserem Fall ist dieser Test in drei verschiedenen Schwierigkeitsgraden unterteilt. Für die erste Ebene (SCWT1) erscheint die farbigen "Worte der Farben" in der gleichen Reihenfolge wie die Tasten, so dass Farbe und Name direkt entsprechen. Diese Ebene wird als Grundlinie, übernommen, da es keine Schwierigkeiten beinhaltet und das Thema sollte nur drücken Sie die Tasten richtig, immer in der gleichen Reihenfolge. Für die zweite Stufe (SCWT2) die farbigen "Worte der Farben" zufällig erscheinen, aber die Korrespondenz zwischen Name und Farbe beibehalten. Jedes Mal das Thema schlägt fehl, ein akustisches Signal ertönt, und wenn zwei Fehler gemacht werden, wird die richtige Farbe Partitur zurückgesetzt werden. Für die letzte und schwierigste Stufe (SCWT3) übereinstimmen Name und Farbe nicht. Auf diese Weise soll dieser Ebene werden immer komplexer und belastend für das Thema. Die dritte Aufgabe besteht auf der Paced Auditory Serial Zusatz Test (PASAT)28, die misst, wie der Student einen Konzentration Test erlebt. Während dieser Aufgabe eine Sequenz von aufeinander folgenden Zahlen laut gespielt wird, und die Schüler muss die letzten beiden Zahlen und schreiben das Ergebnis in der mitgelieferten box auf dem Bildschirm vor dem hören auf die nächste Nummer hinzufügen. In dieser Aufgabe das Thema macht einen Fehler, tritt ein Ereignis zu stören um Stress zu erzeugen (zwei zur gleichen Zeit solide Zahlen oder einer langen Zeit des Schweigens in beibehalten). Wenn drei Fehler begangen werden, wird in diesem Fall das Sum-Konto zurückgesetzt. Die vierte Aufgabe besteht aus einer Hyperventilation-Aktivität induzieren gleichen Varianz in den physiologischen Signalen, die eine Stresssituation17provozieren würde. Am Ende jeder Aufgabe und hat den Betreff an der wahrgenommenen Stresslevel mithilfe der Anwendung selbst, nach einer 5-Wert-Likert-Skala.
Während der Phase der Klassenzimmer Studenten ihre Tätigkeit ausüben, ordentliche akademische zusammen mit dem Rest ihrer Mitschüler. Das Protokoll konzentriert sich auf den Stress, die während der Klassenzimmer-spezifische Aktivitäten auftreten. Am Ende des Vortrags ein kurzer Fragebogen (Anhang 1) komplettiert die Schüler um das wahrgenommene Niveau des Druckes an den verschiedenen Aktivitäten nach einer 5-Wert-Skala anzugeben.

<table><tbody><tr><td>Microsoft Band 2</td><td>Microsoft</td><td></td><td>Wearable</td></tr><tr><td>Nexus 5</td><td>LG/Google</td><td></td><td>Smartphone</td></tr><tr><td>PhysiologicalSignals</td><td>Developed by the paper authors</td><td></td><td>App to collect data from wearables</td></tr><tr><td>StressTest</td><td>Developed by the paper authors</td><td></td><td>App to develop laboraty experiment: Video visualization, Stroop color and word test, paced auditory serial addition test (PASAT) , hyperventilation activity&amp;nbsp;</td></tr><tr><td>Quizs</td><td>Developed by the paper authors</td><td></td><td>Questionnaires to collect qualitative data on students&amp;rsquo; perception on stress</td></tr><tr><td>Server</td><td>Developed by the paper authors</td><td></td><td>Server to store, analyze and display data</td></tr><tr><td>Weka application</td><td>University of Waikato</td><td></td><td>Application to process the data using machine learning techniques</td></tr></tbody></table>

evaluation of commercial-off-the-shelf wrist wearables to estimate stress on students

Tragbare Commercial-off-the-Shelf (COTS) Geräte haben in den letzten Jahren zu überwachen, sportliche Aktivitäten, vor allem bei jungen Menschen beliebt. Zu diesen Geräten gehören Sensoren zum Sammeln von Daten auf physiologische Signale wie Herzfrequenz, Hauttemperatur oder Elektrodermale. Auf diese Art von Signalen Data Analytics-Techniken anwenden, ist es möglich, Schätzungen der übergeordneten Aspekte des menschlichen Verhaltens zu erhalten. In der Literatur gibt es mehrere Werke beschreiben die Verwendung von physiologischen Daten mit klinischen Geräten Informationen auf Schlaf-Muster oder Stress zu. Es ist jedoch noch eine offene Frage, ob mit Kinderbetten Handgelenk Wearables erfasst Daten zur psychologischen Zustand der Lernenden im Unterricht charakterisieren ausreicht. Dieser Artikel behandelt ein Protokoll, um Stress-Schätzung von Daten unter Verwendung von COTS Handgelenk Wearables zu bewerten. Das Protokoll wird in zwei Phasen durchgeführt. Die erste Stufe besteht aus einem kontrollierten Laborexperiment, wo eine mobile app verwendet wird, um verschiedene Druckstufen in einem Schüler durch ein entspannendes Video, einer Stroop-Farbe und Wort Test ein Paced Auditory Serial Zusatz-Test und eine Hyperventilation Test zu induzieren. In der zweite Phase erfolgt im Klassenzimmer, wo Stress analysiert wird, während mehrere akademische Tätigkeiten durchführt, nämlich Teilnahme an theoretischen Vorlesungen, Übungen und andere Einzelaktivitäten, und kurze Tests und Prüfungen. In beiden Fällen werden quantitative Daten aus Kinderbetten Handgelenk Wearables und qualitative Daten mittels Fragebögen berücksichtigt. Dieses Protokoll beinhaltet eine einfache und einheitliche Methode mit einer Stress-Induktion-app und Fragebögen, erfordern eine begrenzte Beteiligung der support-Mitarbeiter.

Watch this Scientific Journal Video about Evaluation of Commercial-Off-The-Shelf Wrist Wearables to Estimate Stress on Students at JoVE.com

Evaluation of Commercial-Off-The-Shelf Wrist Wearables to Estimate Stress on Students

Ein Protokoll, Lösungen auf Basis von Commercial-off-the-Shelf (COTS) Handgelenk Wearables, Stress in der Schüler schätzen zu bewerten wird vorgeschlagen. Das Protokoll erfolgt in zwei Phasen, eine erste Labor-basierte Induktion Stresstest und eine Überwachung Bühne statt im Klassenzimmer während der Student akademischen Tätigkeiten ausführt.

Bewertung der Commercial-Off-The-Shelf Handgelenk Wearables, Stress auf Studenten zu schätzen

Wearable commercial-off-the-shelf (COTS) devices have become popular during the last years to monitor sports activities, primarily among young people. ...

evaluation-commercial-off-shelf-wrist-wearables-to-estimate-stress-on

Nanyang Technological University

Research

JoVE Journal

Engineering

7.4K Aufrufe.  University of Vigo, Campus Lagoas-Marcosende. Ein Protokoll, Lösungen auf Basis von Commercial-off-the-Shelf (COTS) Handgelenk Wearables, Stress in der Schüler schätzen zu bewerten wird vorgeschlagen. Das Protokoll erfolgt in zwei Phasen, eine erste Labor-basierte Induktion Stresstest und eine Überwachung Bühne statt im Klassenzimmer während der Student akademischen Tätigkeiten ausführt.

Serie: Evaluation of Commercial-Off-The-Shelf Wrist Wearables to Estimate Stress on Students

An Alternative to the Traditional Cold Pressor Test: The Cold Pressor Arm Wrap

Recently research on the relationship between stress and cognition, emotion, and behavior has greatly increased. These advances have yielded insights into important questions ranging from the nature of stress&#39; influence on addiction1 to the role of stress in neural changes associated with alterations in decision-making2,3. As topics being examined by the field evolve, however, so too must the methodologies involved. In this article a practical and effective alternative to a classic stress induction technique, the cold pressor test (CPT), is presented: the cold pressor arm wrap (CPAW). CPT typically involves immersion of a participant&#39;s dominant hand in ice-cold water for a period of time4. The technique is associated with robust activation of the sympatho-adrenomedullary (SAM) axis (and release of catecholamines; e.g.&#160;adrenaline and noradrenaline) and mild-to-moderate activation of the hypothalamic-pituitary-adrenal (HPA) axis with associated glucocorticoid (e.g.&#160;cortisol) release. While CPT has been used in a wide range of studies, it can be impractical to apply in some research environments. For example use of water during, rather than prior to, magnetic resonance imaging (MRI) has the potential to damage sensitive and expensive equipment or interfere with acquisition of MRI signal. The CPAW is a practical and effective alternative to the traditional CPT. Composed of a versatile list of inexpensive and easily acquired components, CPAW makes use of MRI-safe gelpacs cooled to a temperature similar to CPT rather than actual water. Importantly CPAW is associated with levels of SAM and HPA activation comparable to CPT, and can easily be applied in a variety of research contexts. While it is important to maintain specific safety protocols when using the technique, these are easy to implement if planned for. Creation and use of the CPAW will be discussed.

The cold pressor test is a classic stress induction task used in a wide range of research examining the relationship between stress and cognition, emotion, and behavior. In this article, a practical and versatile alternative to the traditional cold pressor test is presented: the cold pressor arm wrap.

Eine Alternative zum traditionellen Cold Pressor Test: Der Kaltpressor Arm Wrap

Recently research on the relationship between stress and cognition, emotion, and behavior has greatly increased. These advances have yielded insights into ...

Forschung

Verhalten

Use of Galvanic Skin Responses, Salivary Biomarkers, and Self-reports to Assess Undergraduate Student Performance During a Laboratory Exam Activity

Typically, self-reports are used in educational research to assess student response and performance to a classroom activity. Yet, addition of biological and physiological measures such as salivary biomarkers and galvanic skin responses are rarely included, limiting the wealth of information that can be obtained to better understand student performance. A laboratory protocol to study undergraduate students&#39; responses to classroom events (e.g., exams) is presented. Participants were asked to complete a representative exam for their degree. Before and after the laboratory exam session, students completed an academic achievement emotions self-report and an interview that paralleled these questions when participants wore a galvanic skin sensor and salivary biomarkers were collected. Data collected from the three methods resulted in greater depth of information about students&#39; performance when compared to the self-report. The work can expand educational research capabilities through more comprehensive methods for obtaining nearer to real-time student responses to an examination activity.

Research on undergraduate students' academic achievement emotions have primarily relied on self-reports in laboratory settings. Studies rarely include bio-physiological measures to these self-reports. This protocol will describe a methodology that integrates self-reports with and bio-physiological measures to assess student response and performance during a laboratory examination activity.

Die Verwendung von galvanischen Haut Antworten, Biomarker aus dem Speichel, und Self-Berichte Bachelor-Student Leistung während einer Laborprüfung zur Beurteilung der Wirksamkeit

Typically, self-reports are used in educational research to assess student response and performance to a classroom activity. Yet, addition of biological ...

Reducing State Anxiety Using Working Memory Maintenance

The purpose of this protocol is to explain how to examine the relationship between working memory processes and anxiety by combining the Sternberg Working Memory (WM) and the threat of shock paradigms. In the Sternberg WM paradigm, subjects are required to maintain a series of letters in the WM for a brief interval and respond by identifying whether the position of a given letter in the series matches a numerical prompt. In the threat of shock paradigm, subjects are exposed to alternating blocks where they are either at risk of receiving unpredictable presentations of a mild electric shock or are safe from the shock. Anxiety is probed throughout the safe and threat blocks using the acoustic startle reflex, which is potentiated under threat (Anxiety-Potentiated Startle (APS)). By conducting the Sternberg WM paradigm during the threat of shock and probing the startle response during either the WM maintenance interval or the intertrial interval, it is possible to determine the effect of WM maintenance on APS.

This protocol demonstrates how to measure anxiety-potentiated startle during the Sternberg Working Memory paradigm.

Verringerung der staatlichen Angst mit Arbeitsspeicher Wartung

The purpose of this protocol is to explain how to examine the relationship between working memory processes and anxiety by combining the Sternberg Working ...

A Community-based Stress Management Program: Using Wearable Devices to Assess Whole Body Physiological Responses in Non-laboratory Settings

A pragmatic breath-based intervention to benefit human performance and stress management is timely and valuable to individuals seeking holistic approaches for emotional regulation and optimizing compensatory reserve mechanisms. This protocol is designed to not only teach mind-body awareness but also to provide feedback utilizing physiological data and survey results. The primary findings of this study showed that heart coherence and alpha variables were significantly correlated after four weeks of the breath-based meditation stress protocol. Meditation and rhythmic breathing produced significant increases in alpha brain activity. These brain physiological responses conformed to the Pleth Variability Index (PVI) changes, suggesting the ability of the human body to enter into a meditative state and effectively manage stress. When assessed after four weeks of daily practicing the techniques employed in the stress management protocol, based on the Five Facet Mindfulness Questionnaire, subjects improved in applying mindfulness skills. The overall mindfulness score, Pleth variability index (PVI), and perfusion index (PI) increased after the 4-week intervention period. Results from electroencephalography (brain waves) were consistent with a meditative state during the post-study follow-up session. This provides evidence that wearable devices are feasible for data collection during a breath-based stress management intervention. This protocol can be easily and efficiently implemented into any study design in which physiological data are desired in a non-laboratory-based setting.

Stress is an unavoidable and persistent component of life and holistic approaches for its management are being considered. A standardized methodology was created to demonstrate the feasibility of a breath-based stress management protocol that can be used with commercially available portable technology.

Eine Community-basierte Stress-Management-Programm: Mit tragbaren Geräten zu beurteilen, ganz Körper physiologische Reaktionen in nicht-Labor-Einstellungen

A pragmatic breath-based intervention to benefit human performance and stress management is timely and valuable to individuals seeking holistic approaches ...

An Application for Pairing with Wearable Devices to Monitor Personal Health Status

The current protocol aims to showcase the technology integration, providing a detailed description of adopting the HealthCloud app, developed by the Healthy Landscape and Healthy People Lab, National Taiwan University (HLHP-NTU), on smartphones and smartwatches to collect data on users' real-time psychological and physiological responses and environmental information. A flexible and integrated research method was proposed because it can be difficult to measure multi-dimensional aspects of personal data in on-site studies in landscape and outdoor recreation research. An on-site study conducted in 2020 at the National Taiwan University campus was used as an application example. A dataset of 385 participants was used after excluding invalid samples. During the experiment, participants were asked to walk around campus for 30 min when their heart rate and psychological-scale items were measured, together with several environmental metrics. This work aimed to provide a possible solution to help on-site studies track real-time human responses that match ambient factors. Due to the app's flexibility, its use on wearable devices shows excellent potential for multidisciplinary research studies.

The present protocol introduces a non-commercial self-developed application for collecting real-time on-site data, including psychological scales, GPS location, heart rate, and blood-oxygen saturation level, as well as the application's operating procedures. An empirical study conducted in Taiwan in 2020 was used as an application example.

Eine Anwendung zur Kopplung mit tragbaren Geräten zur Überwachung des persönlichen Gesundheitszustands

The current protocol aims to showcase the technology integration, providing a detailed description of adopting the HealthCloud app, developed by the ...

Umwelt

Psychophysiological Stress Assessment Using Biofeedback 

In the last half century, research in biofeedback has shown the extent to which the human mind can influence the functioning of the autonomic nervous system, previously thought to be outside of conscious control. By letting people observe signals from their own bodies, biofeedback enables them to develop greater awareness of their physiological and psychological reactions, such as stress, and to learn to modify these reactions. Biofeedback practitioners can facilitate this process by assessing people s reactions to mildly stressful events and formulating a biofeedback-based treatment plan. During stress assessment the practitioner first records a baseline for physiological readings, and then presents the client with several mild stressors, such as a cognitive, physical and emotional stressor. Variety of stressors is presented in order to determine a person's stimulus-response specificity, or differences in each person's reaction to qualitatively different stimuli. This video will demonstrate the process of psychophysiological stress assessment using biofeedback and present general guidelines for treatment planning.

Psychophysiological Stress Assessment Using Biofeedback

In this video we will describe one method of assessing person's psychophysiological reaction to stress using biofeedback. We will also present general guidelines for treatment planning.

Psychophysiologische Stress Assessment mit Biofeedback

In the last half century, research in biofeedback has shown the extent to which the human mind can influence the functioning of the autonomic nervous ...

Biologie

A Cross-Disciplinary and Multi-Modal Experimental Design for Studying Near-Real-Time Authentic Examination Experiences

Over the past ten years, research into students&#39; emotions in educational environments has increased. Although researchers have called for more studies that rely on objective measures of emotional experience, limitations on utilizing multi-modal data sources exist. Studies of emotion and emotional regulation in classrooms traditionally rely on survey instruments, experience-sampling, artifacts, interviews, or observational procedures. These methods, while valuable, are mainly&#160;dependent on participant or observer subjectivity and is limited in its authentic measurement of students&#39; real-time performance to a classroom activity or task. The latter, in particular, poses a stumbling block to many scholars seeking to objectively measure emotions and other related measures in the classroom, in real-time.
The purpose of this work is to present a protocol to experimentally study students&#39; real-time responses to exam experiences during an authentic assessment situation. For this, a team of educational psychologists, engineers, and engineering education researchers designed an experimental protocol that retained the limits required for accurate physiological sensor measurement, best-practices of salivary collection, and an authentic testing environment. In particular, existing studies that rely on physiological sensors are conducted in experimental environments that are disconnected from educational settings (e.g., Trier Stress Test), detached in time (e.g., before or after a task), or introduce analysis error (e.g., use of sensors in environments where students are likely to move). This limits our understanding of students&#39; real-time responses to classroom activities and tasks. Furthermore, recent research has called for more considerations to be covered around issues of recruitment, replicability, validity, setups, data cleaning, preliminary analysis, and particular&#160;circumstances (e.g., adding a variable in the experimental design) in academic emotions research that relies on multi-modal approaches.

An experimental design was developed to investigate the real-time influences of an examination experience to assess the emotional realities students experience in higher education settings and tasks. This design is the result of a cross-disciplinary (e.g., educational psychology, biology, physiology, engineering) and multi-modal (e.g., salivary markers, surveys, electrodermal sensor) approach.

Ein fachübergreifendes und multimodales Experimentelles Design zum Studium authentischer Prüfungserfahrungen in naher Echtzeitzeit

Over the past ten years, research into students&#39; emotions in educational environments has increased. Although researchers have called for more studies ...

Evaluating Usability Aspects of a Mixed Reality Solution for Immersive Analytics in Industry 4.0 Scenarios

In medicine or industry, the analysis of high-dimensional data sets is increasingly required. However, available technical solutions are often complex to use. Therefore, new approaches like immersive analytics are welcome. Immersive analytics promise to experience high-dimensional data sets in a convenient manner for various user groups and data sets. Technically, virtual-reality devices are used to enable immersive analytics. In Industry 4.0, for example, scenarios like the identification of outliers or anomalies in high-dimensional data sets are pursued goals of immersive analytics. In this context, two important questions should be addressed for any developed technical solution on immersive analytics: First, is the technical solutions being helpful or not? Second, is the bodily experience of the technical solution positive or negative? The first question aims at the general feasibility of a technical solution, while the second one aims at the wearing comfort. Extant studies and protocols, which systematically address these questions are still rare. In this work, a study protocol is presented, which mainly investigates the usability for immersive analytics in Industry 4.0 scenarios. Specifically, the protocol is based on four pillars. First, it categorizes users based on previous experiences. Second, tasks are presented, which can be used to evaluate the feasibility of the technical solution. Third, measures are presented, which quantify the learning effect of a user. Fourth, a questionnaire&#160;evaluates the stress level when performing tasks. Based on these pillars, a technical setting was implemented that uses mixed reality smartglasses to apply the study protocol. The results of the conducted study show the applicability of the protocol on the one hand and the feasibility of immersive analytics in Industry 4.0 scenarios on the other. The presented protocol includes a discussion of discovered limitations.

This protocol delineates the technical setting of a developed mixed reality application that is used for immersive analytics. Based on this, measures are presented, which were used in a study to gain insights into usability aspects of the developed technical solution.

Bewertung von Usability-Aspekten einer Mixed-Reality-Lösung für Immersive Analytics in Industrie 4.0-Szenarien

In medicine or industry, the analysis of high-dimensional data sets is increasingly required. However, available technical solutions are often complex to ...

Ingenieurwesen

Setup of Consumer Wearable Devices for Exposure and Health Monitoring in Population Studies

Wearable sensors, which are often embedded in commercial smartwatches, allow for continuous and non-invasive health measurements and exposure assessments in clinical studies. Nevertheless, the real-life application of these technologies in studies involving a large number of participants for a significant observation period may be hindered by several practical challenges. 
In this study, we present a modified protocol from a previous intervention study for the mitigation of health effects from desert dust storms. The study involved two distinct population groups: asthmatic children aged 6-11 years and elderly patients with atrial fibrillation (AF). Both groups were equipped with a smartwatch for the assessment of physical activity (using a heart rate monitor, pedometer, and accelerometer) and location (using GPS signals to locate individuals in indoor "at home" or outdoor microenvironments). The participants were required to wear the smartwatch equipped with a data collection application on a daily basis, and data were transmitted via a wireless network to a centrally administered data collection platform for the near real-time assessment of compliance. 
Over a period of 26 months, more than 250 children and 50 patients with AF participated in the aforementioned study. The main technical challenges identified included restricting access to standard smartwatch features, such as gaming, internet browser, camera, and audio recording applications, technical issues, such as loss of GPS signal, especially in indoor environments, and the internal smartwatch settings interfering with the data collection application.
The aim of this protocol is to demonstrate how the use of publicly available application lockers and device automation applications made it possible to address most of these challenges in a simple and cost-effective way. In addition, the inclusion of a Wi-Fi received signal strength indicator significantly improved indoor localization and largely minimized GPS signal misclassification. The implementation of these protocols during the roll-out of this intervention study in the spring of 2020 led to significantly improved results in terms of data completeness and data quality.

Commercial smartwatches equipped with wearable sensors are increasingly being used in population studies. However, their utility is often constrained by their limited battery duration, memory capacity, and data quality. This report provides examples of cost-effective solutions to real-life technical challenges encountered during studies involving asthmatic children and elderly cardiac patients.

Einrichtung von Consumer Wearable Devices zur Expositions- und Gesundheitsüberwachung in Bevölkerungsstudien

Wearable sensors, which are often embedded in commercial smartwatches, allow for continuous and non-invasive health measurements and exposure assessments ...

Biotechnik

Evaluation of Hydration Status by Bioelectrical Impedance Vector Analysis in Patients with Ischemic Heart Disease Undergoing Exercise Stress Test

Ischemic heart disease (IHD) represents a group of clinical syndromes characterized by myocardial ischemia, leading to an impairment in the myocardial blood supply and compromised perfusion. Several clinical variables assessed through a stress test, such as oxygen uptake (VO2) and heart rate oxygen pulse (HR/O2), have been attributed as cardiopulmonary prognostic factors in patients with IHD. However, other factors like hydration status (HS), potentially affecting the cardiopulmonary response, have been barely addressed. Unbalanced HS has a short-term effect on plasma volume and the sympathetic nervous system, which impacts blood volume, and lowers VO2 and HR/O2. Recently, bioelectrical impedance analysis (BIA), a method based on the opposition of body tissues (including fluid volume) to a low electrical current, has been widely used to assess HS by obtaining two components: resistance (R) and reactance (Xc) and using prediction formulas. However, several limitations as chronic illness or abnormal fluid status, may affect the results. In this sense, alternative BIA methods, such as bioelectrical impedance vector analysis (BIVA), have become relevant. R and Xc (adjusted by height) result in a vector plotted on the R/Xc graph, which allows interpreting the HS as normal or abnormal according to the distance of the mean vector. This study aims to describe how to determine HS by BIVA using a single-frequency device and compare the results with the cardiopulmonary response in patients with IHD.

Hydration status imbalances can have a short-term effect on direct and indirect determinants of oxygen uptake and pulse, and morbidity and mortality prognostic factors in ischemic heart disease. This protocol describes the technique for assessment of hydration status through bioelectrical impedance vector analysis and cardiopulmonary response during exercise stress test.

Bewertung des Hydratationsstatus durch bioelektrische Impedanzvektoranalyse bei Patienten mit ischämischer Herzkrankheit, die sich einem Belastungstest unterziehen

Ischemic heart disease (IHD) represents a group of clinical syndromes characterized by myocardial ischemia, leading to an impairment in the myocardial ...