A partir de cómo las personas escriben en el teclado y usan el mouse

Detectar el estrés en la oficina

El movimiento específico del ratón y los comportamientos de tipeo parecen caracterizar las predicciones de estrés.

Autor/a: Mara Naegelin, Raphael P. Weibel, Jasmine I. Kerr, Victor R. Schinazi, et al.

Fuente: An interpretable machine learning approach to multimodal stress detection in a simulated office environment

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.

Aspectos destacados

  • Nuestro experimento simula un entorno de oficina grupal realista y escenarios de estrés.
     
  • Nuestros modelos de aprendizaje automático detectan niveles de estrés a partir de datos cardíacos, del mouse y del teclado.
     
  • Los datos del mouse y el teclado pueden detectar mejor el estrés en contextos de oficina que los datos cardíacos.
     
  • El movimiento específico del ratón y los comportamientos de tipeo parecen caracterizar las predicciones de estrés.

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.

Y hay más: "La forma en que escribimos en nuestro teclado y movemos nuestro mouse parece ser un mejor indicador de cuán estresados nos sentimos en un entorno de oficina que nuestro ritmo cardíaco", explica la autora del estudio Mara Nägelin, matemática que realiza investigaciones en la Cátedra. de Marketing de Tecnología y Mobiliar Lab for Analytics en ETH Zurich. Aplicados correctamente, estos hallazgos podrían usarse en el futuro para prevenir un aumento del estrés en el lugar de trabajo desde el principio.

Las personas estresadas escriben y hacen clic de manera diferente

Los investigadores de ETH demostraron en un experimento que las personas estresadas escriben y mueven el mouse de manera diferente a las personas relajadas. "Las personas que están estresadas mueven el puntero del mouse con más frecuencia y con menos precisión y cubren distancias más largas en la pantalla. Las personas relajadas, por otro lado, toman rutas más cortas y directas para llegar a su destino y toman más tiempo para hacerlo", dice Nägelin.

Además, las personas que se sienten estresadas en la oficina cometen más errores al escribir. Escriben a trompicones con muchas pausas breves. Las personas relajadas toman menos pausas pero más largas cuando escriben en un teclado.

La conexión entre el estrés y nuestra escritura y el comportamiento del ratón se puede explicar con lo que se conoce como teoría del ruido neuromotor: "Los niveles elevados de estrés afectan negativamente la capacidad de nuestro cerebro para procesar información. Esto también afecta nuestras habilidades motoras", explica la psicóloga Jasmine Kerr, quien investiga con Nägelin y es coautor del estudio.

Simular el estrés de la oficina de la forma más realista posible

Para desarrollar su modelo de estrés, los investigadores de ETH observaron a 90 participantes del estudio en el laboratorio realizando tareas de oficina lo más cercanas posible a la realidad, como planificar citas o registrar y analizar datos. Registraron el comportamiento del mouse y el teclado de los participantes, así como sus frecuencias cardíacas. Además, los investigadores preguntaron a los participantes varias veces durante el experimento qué tan estresados se sentían.

Si bien a algunos participantes se les permitió trabajar sin ser molestados, otros también tuvieron que participar en una entrevista de trabajo. La mitad de este grupo también fue interrumpida repetidamente con mensajes de chat. A diferencia de estudios anteriores realizados por otros científicos, donde el grupo de control a menudo no tenía que resolver ninguna tarea y podía relajarse, en el experimento de los investigadores de ETH, todos los participantes tenían que realizar las tareas de la oficina.

"Nos sorprendió que escribir y el comportamiento del ratón fuera un mejor predictor de cómo se sentían los sujetos estresados mejor que la frecuencia cardíaca", dice Nägelin.

Ella explica que esto se debe a que las frecuencias cardíacas de los participantes en los dos grupos no diferían tanto como en otros estudios. Una posible razón es que al grupo de control también se le dieron actividades para realizar, lo que está más en línea con la realidad del lugar de trabajo.

Los datos deben estar protegidos

Actualmente, los investigadores están probando su modelo con datos de empleados suizos que han aceptado que se registre el comportamiento del mouse y el teclado, así como los datos de su corazón, directamente en su lugar de trabajo mediante una aplicación. La misma aplicación también pregunta regularmente a los empleados sobre sus niveles subjetivos de estrés. Los resultados deberían estar disponibles a finales de año.

Sin embargo, la detección del estrés en el lugar de trabajo también plantea algunos problemas espinosos: "La única forma en que las personas aceptarán y usarán nuestra tecnología es si podemos garantizar que anonimizaremos y protegeremos sus datos. Queremos ayudar a los trabajadores a identificar el estrés temprano, no crear un sistema de monitoreo para las empresas", dice Kerr. En otro estudio en el que participaron empleados y especialistas en ética, los investigadores están investigando qué características debe tener una aplicación para cumplir con estos requisitos y garantizar el manejo responsable de los datos confidenciales.