Detectar el estrés en la oficina

Los investigadores han desarrollado un modelo que detecta el estrés en el lugar de trabajo simplemente por cómo las personas escriben y mueven el mouse de la computadora. Esto podría permitir a los empleados prevenir el estrés crónico desde el principio.

Resumen

Antecedentes y objetivo:

El estrés relacionado con el trabajo afecta a una gran parte de la fuerza laboral actual y se sabe que tiene efectos perjudiciales en la salud física y mental. La detección continua y discreta del estrés puede ayudar a prevenir y reducir el estrés al brindar retroalimentación personalizada y permitir el desarrollo de intervenciones de salud adaptativas justo a tiempo para el manejo del estrés. Los estudios previos sobre la detección del estrés en entornos laborales a menudo han tenido problemas para reflejar adecuadamente las condiciones del mundo real en experimentos de laboratorio controlados.

Para cerrar esta brecha, en este documento, presentamos una metodología de aprendizaje automático para la detección de estrés basada en datos multimodales recopilados de fuentes discretas en un experimento que simula un entorno de oficina grupal realista (N = 90).

Métodos:

Derivamos funciones de variabilidad del mouse, teclado y frecuencia cardíaca para detectar tres niveles de estrés percibido, valencia y excitación con máquinas de vectores de soporte, bosques aleatorios y modelos de aumento de gradiente utilizando una validación cruzada de 10 veces. Interpretamos las contribuciones de las características a las predicciones del modelo con gráficos de valores SHpley Additive exPlanations (SHAP).

Resultados:

Los modelos de aumento de gradiente basados en las características del mouse y el teclado obtuvieron las puntuaciones F1 promedio más altas de 0.625, 0.631 y 0.775 para la predicción multiclase de estrés percibido, excitación y valencia, respectivamente. Nuestros resultados indican que la combinación de funciones de mouse y teclado puede ser más adecuada para detectar el estrés en entornos de oficina que la variabilidad de la frecuencia cardíaca, a pesar de que la detección de estrés basada en señales fisiológicas está más establecida en la teoría y la investigación. El análisis de los gráficos de valores SHAP muestra que el movimiento específico del ratón y los comportamientos de escritura pueden caracterizar diferentes niveles de estrés.

Conclusiones:

Nuestro estudio llena diferentes lagunas metodológicas en la investigación sobre la detección automática de estrés en entornos de oficina, como la aproximación a las condiciones de la vida real en un laboratorio y la combinación de fuentes de datos fisiológicos y de comportamiento. También se analizan las implicaciones para los estudios de campo sobre sistemas personalizados e interpretables basados en ML para la detección en tiempo real del estrés en entornos de oficina reales.

Comentarios

En Suiza, uno de cada tres empleados sufre estrés laboral. Los afectados a menudo no se dan cuenta de que sus recursos físicos y mentales están disminuyendo hasta que es demasiado tarde. Esto hace que sea aún más importante identificar el estrés relacionado con el trabajo lo antes posible donde surge: en el lugar de trabajo.

Los investigadores de ETH Zurich ahora están dando un paso crucial en esta dirección. Usando nuevos datos y aprendizaje automático, han desarrollado un modelo que puede decir cuán estresados ​​estamos solo por la forma en que escribimos y usamos nuestro mouse.