Die zwei Datenreihen wurden nach dem gleichen Ablauf erstellt. Eine mit einer entsprechenden Stressinduktion, eine ohne. (Bildquelle: Josefine Welk)

Im Vergleich der Herzfrequenzen zeigt sich ein deutlicher Unterschied zwischen den zwei Messreihen.

(Bildquelle: Josefine Welk)

Vom 16. bis 17. November 2023 fand in Kapstadt die dritte International Conference on Electrical, Computer and Energy Technologies (ICECET) statt, auf der zahlreiche Forschungsarbeiten im Kontext von Machine Learning, Cybersecurity, Kommunikation und vielen weiteren Bereichen präsentiert wurden. Auch das CSMRT war auf dieser Konferenz vertreten. Josefine Welk präsentierte das Paper mit dem Titel „MIStress: A Student Experiment on Data Collection and Analysis in the Context of Stress Detection“. Die Arbeit stellt ein studentisches Experiment vor, welches im Rahmen einer Prüfungsvorleistung im Modul „Interaktive Datenanalyse“ in den Master-Studiengängen „Cybercrime/Cybersecurity“ und „Medieninformatik und Interaktives Entertainment“ durchgeführt wurde. Ziel der Prüfungsvorleistung war es, dass die Studierenden die Planung, Durchführung sowie Auswertung eines Experiments, bei dem mit Sensoren Daten erhoben werden, am praktischen Beispiel erlernen und mögliche Fehlerquellen selbst erleben können. Das Experiment gliederte sich dabei in Anlehnung an Josefine Welks Promotionsthema in den Bereich der Stressdetektion ein.

Im Rahmen der Planung entwickelten die Studierenden Aufgaben, die entweder Stress oder keine Stressreaktion bei den Probanden auslösen sollten. Dabei wurde den Studierenden kreativer Freiraum gelassen, um die Motivation bei der Planung des Experiments möglichst hochzuhalten. Die Möglichkeit zur freien Gestaltung der Aufgaben resultierte bei den stressinduzierenden Aufgaben teilweise in klassischen Stressaufgaben, wie z.B. Kopfrechenaufgaben, aber auch in kreativeren Lösungsansätzen, wie z.B. ein Mario-Kart-Turnier. Die von den Studierenden konzipierten Aufgaben wurden dann ebenfalls von den Studierenden bewältigt, wobei währenddessen mit einer Fitbit-Uhr Gesundheitsdaten erhoben wurden. Diese Daten bildeten die Grundlage für das Training maschineller Lernverfahren, mit denen Stress identifiziert werden soll.

Die präsentierten Ergebnisse zeigten nicht nur die Möglichkeit zur Detektion von Stress auf Basis der erhobenen Daten, sondern auch Herausforderungen, die bei der Planung des nächsten Experiments einbezogen werden sollten, um die Ergebnisse weiter zu verbessern.

Das vorgestellte Paper wird neben anderen Forschungsergebnissen zeitnah im Konferenzband sowie bei IEEE Xplore veröffentlicht.