Workplace Emotion Monitoring—An Emotion-Oriented System Hidden Behind a Receptionist Robot

Pinheiro, Paulo Gurgel; Ramos, Josué Jr. Guimarães; Donizete, Vander L.; Picanço, Pedro; Oliveira, Gustavo Henrique de

doi:10.1007/978-3-319-33581-0_32

Cited by 5 publications

(2 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Asimismo, Pinheiro et al [8] han utilizado tecnologías como Internet de las Cosas (IoT) para la detección de emociones negativas en el entorno laboral. Una de las definiciones más aceptadas para la IoT es "Internet de las Cosas permite a las personas y cosas estar conectadas en cualquier momento, en cualquier lugar, con cualquier cosa y con cualquier persona, idealmente usando cualquier camino/red y cualquier servicio" [9].…”

Section: Introductionunclassified

Prevención del síndrome de Burnout mediante programación neurolingüística soportada por la Web de las Cosas: Mapeo sistemático

2020

View full text Add to dashboard Cite

En esta investigación, mediante la exploración de la literatura, se realizó un mapeo sistemático sobre la aplicación de técnicas de programación neurolingüística (PNL) soportadas en la Web de las Cosas (WoT) para prevenir el síndrome de Burnout. Dicho síndrome es un tipo de estrés laboral que causa agotamiento físico, mental y emocional, generando una incapacidad para trabajar, dado que es un proceso paulatino en el cual el trabajador pierde interés por sus tareas, carece de sentido de responsabilidad y puede generar profundas depresiones. En los estudios encontrados se destaca el uso de la WoT para la detección de emociones y estrés laboral, para ello sobresale el uso de sensores capaces de medir Respuesta galvánica de la piel GSR, Frecuencia cardiaca HR, Fotopletismografía PPG, Electrocardiograma ECG, Cámaras, Micrófonos y Microprocesadores de bajo costo, así como la utilización de Inteligencia Artificial para procesar estos datos, entre las técnicas y los algoritmos más usados destacan Máquinas de Vectores de Soporte SVM, K-vecino más cercano y clasificador Naive Bayes. En los trabajos en los que se detectan emociones o estrés laboral son muy pocos los que intentan alterar el entorno mental o ambiental del usuario para llevarlo a una emoción positiva o disminuir el estrés. Se evidenció la posibilidad de la utilización de técnicas de PNL en la prevención del síndrome de Burnout. Sin embargo, no se encontró ningún trabajo que relacionara la WoT como soporte a las técnicas PNL para prevenir el síndrome de Burnout, lo cual se considera como una oportunidad de investigación en estos campos.

show abstract

Section: Introductionunclassified

Prevención del síndrome de Burnout mediante programación neurolingüística soportada por la Web de las Cosas: Mapeo sistemático

2020

View full text Add to dashboard Cite

show abstract

“…Two facets may drive its intensive interest. On one hand, it enables a wide spectrum of intriguing emotion-oriented applications such as, machine intelligence (Chen et al, 2017 ), receptionist robots (Pinheiro et al, 2017 ), content recommendation devices (Lee and Shin, 2013 ), tutoring systems (Muñoz et al, 2010 ), and music therapy (Ian et al, 2016 ). On the other hand, recent explosive innovations in wearable sensing technology considerably bring laboratory-demonstrated emotion-aware research closer to our daily life, necessitating a robust and accurate emotion-aware analytical framework.…”

Section: Introductionmentioning

confidence: 99%

Improving Cross-Day EEG-Based Emotion Classification Using Robust Principal Component Analysis

Lin

Jao

Yang

2017

Front. Comput. Neurosci.

View full text Add to dashboard Cite

Constructing a robust emotion-aware analytical framework using non-invasively recorded electroencephalogram (EEG) signals has gained intensive attentions nowadays. However, as deploying a laboratory-oriented proof-of-concept study toward real-world applications, researchers are now facing an ecological challenge that the EEG patterns recorded in real life substantially change across days (i.e., day-to-day variability), arguably making the pre-defined predictive model vulnerable to the given EEG signals of a separate day. The present work addressed how to mitigate the inter-day EEG variability of emotional responses with an attempt to facilitate cross-day emotion classification, which was less concerned in the literature. This study proposed a robust principal component analysis (RPCA)-based signal filtering strategy and validated its neurophysiological validity and machine-learning practicability on a binary emotion classification task (happiness vs. sadness) using a five-day EEG dataset of 12 subjects when participated in a music-listening task. The empirical results showed that the RPCA-decomposed sparse signals (RPCA-S) enabled filtering off the background EEG activity that contributed more to the inter-day variability, and predominately captured the EEG oscillations of emotional responses that behaved relatively consistent along days. Through applying a realistic add-day-in classification validation scheme, the RPCA-S progressively exploited more informative features (from 12.67 ± 5.99 to 20.83 ± 7.18) and improved the cross-day binary emotion-classification accuracy (from 58.31 ± 12.33% to 64.03 ± 8.40%) as trained the EEG signals from one to four recording days and tested against one unseen subsequent day. The original EEG features (prior to RPCA processing) neither achieved the cross-day classification (the accuracy was around chance level) nor replicated the encouraging improvement due to the inter-day EEG variability. This result demonstrated the effectiveness of the proposed method and may shed some light on developing a realistic emotion-classification analytical framework alleviating day-to-day variability.

show abstract

It was a Pleasure Meeting You

Holthaus

Wachsmuth²

2021

Int J of Soc Robotics

View full text Add to dashboard Cite

Workplace Emotion Monitoring—An Emotion-Oriented System Hidden Behind a Receptionist Robot

Cited by 5 publications

References 6 publications

Prevención del síndrome de Burnout mediante programación neurolingüística soportada por la Web de las Cosas: Mapeo sistemático

Prevención del síndrome de Burnout mediante programación neurolingüística soportada por la Web de las Cosas: Mapeo sistemático

Improving Cross-Day EEG-Based Emotion Classification Using Robust Principal Component Analysis

It was a Pleasure Meeting You

Contact Info

Product

Resources

About