游戏化能否减轻移动健康应用中的自我报告负担？一项利用智能手表数据机器学习估算认知负荷的可行性研究
机器学习
2023-12-22 v3 人工智能
信号处理
摘要
数字治疗的有效性可通过要求患者通过应用自我报告其状态来衡量，然而这可能令人不堪重负并导致脱离。我们开展了一项研究以探索游戏化对自我报告的影响。我们的方法包括创建一个通过分析光电容积脉搏波（PPG）信号评估认知负荷（CL）的系统。利用 11 名参与者的数据训练机器学习模型以检测 CL。随后，我们创建了两种版本的问卷：游戏化版与传统版。我们估算了其他参与者（13 名）在填写问卷时所经历的 CL。我们发现，通过在压力检测任务上预训练可增强 CL 检测器性能。对于 13 名参与者中的 10 名，个性化 CL 检测器可达到 0.7 以上的 F1 分数。我们发现游戏化与非游戏化问卷在 CL 方面无差异，但参与者更偏好游戏化版本。
引用
@article{arxiv.2302.03616,
title = {Can gamification reduce the burden of self-reporting in mHealth applications? A feasibility study using machine learning from smartwatch data to estimate cognitive load},
author = {Michal K. Grzeszczyk and Paulina Adamczyk and Sylwia Marek and Ryszard Pręcikowski and Maciej Kuś and M. Patrycja Lelujko and Rosmary Blanco and Tomasz Trzciński and Arkadiusz Sitek and Maciej Malawski and Aneta Lisowska},
journal= {arXiv preprint arXiv:2302.03616},
year = {2023}
}
备注
Accepted for AMIA 2023