Stress ist ein allgegenw\u00e4rtiger Bestandteil unseres t\u00e4glichen Lebens und einer der einflussreichen Treiber k\u00f6rperlicher und psychischer Erkrankungen. Fortschritte im Bereich Wearable Computing erm\u00f6glichen die Erfassung physiologischer Daten in Echtzeit. Diese physiologischen Daten k\u00f6nnen wiederum genutzt werden, um kognitive Zust\u00e4nde wie Emotionen oder Stress vorherzusagen. Ziel dieses Projekts ist es daher, robuste Systeme an der Schnittstelle der Mensch-Computer-Interaktion zu entwickeln, insbesondere f\u00fcr die Erkennung von Stress.<\/p>\n\n\n\n
Im Bereich Affective Computing, in dem emotionale und kognitive Zust\u00e4nde wie Stress, Arbeitsbelastung oder Entspannung untersucht werden, ist eine standardisierte Datenerhebung essenziell. Unsere Frameworks unterst\u00fctzen die systematische Erfassung multimodaler Sensordaten, die Annotation experimenteller Phasen sowie die Integration von Selbstberichten und Kontextinformationen. Dadurch k\u00f6nnen Studien transparenter durchgef\u00fchrt, Datens\u00e4tze effektiver verglichen und zuk\u00fcnftige Forschungsprojekte effizienter aufgebaut werden.<\/p>\n\n\n\n
Aufbauend auf diesen Frameworks konzipieren und realisieren wir experimentelle Studien, in denen physiologische Daten unter kontrollierten Bedingungen und w\u00e4hrend unterschiedlicher Aktivit\u00e4ten erfasst werden, beispielsweise w\u00e4hrend neutraler Baseline-Phasen, kognitiver Belastung, sozio-evaluativem Stress und k\u00f6rperlicher Aktivit\u00e4t. Neben der eigentlichen Datenerhebung legen wir besonderen Wert auf eine sorgf\u00e4ltige Dokumentation, Annotation und Aufbereitung der Daten f\u00fcr die Ver\u00f6ffentlichung. Indem wir solche Datens\u00e4tze der Forschungsgemeinschaft zur Verf\u00fcgung stellen, m\u00f6chten wir die Reproduzierbarkeit verbessern, die Vergleichbarkeit zwischen Studien unterst\u00fctzen und eine zuverl\u00e4ssige Grundlage f\u00fcr zuk\u00fcnftige Analysen und Modellentwicklungen bereitstellen.<\/p>\n\n\n\n
Da sich viele bestehende Datens\u00e4tze hinsichtlich Sensoren, Samplingraten, Studiendesigns, Labelstrukturen und Datenformaten unterscheiden, arbeiten wir au\u00dferdem an der Integration heterogener Datens\u00e4tze. Ziel ist es, Daten aus verschiedenen Studien in eine gemeinsame und vergleichbare Struktur zu \u00fcberf\u00fchren. Dazu geh\u00f6ren die Harmonisierung von Labels, die Vereinheitlichung physiologischer Signale, die Standardisierung von Zeitstempeln sowie die Entwicklung gemeinsamer Preprocessing-Pipelines. Eine solche Integration erm\u00f6glicht es, Modelle auf breiteren und vielf\u00e4ltigeren Datengrundlagen zu trainieren und ihre Generalisierbarkeit \u00fcber verschiedene Studien, Probandengruppen und Messkontexte hinweg zu evaluieren.<\/p>\n\n\n\n
Auf Basis der erhobenen und integrierten Datens\u00e4tze entwickeln wir Methoden zur automatisierten Stresserkennung anhand physiologischer Zeitreihendaten. Signale wie Photoplethysmographie, elektrodermale Aktivit\u00e4t, Temperatur- und Beschleunigungsdaten werden genutzt, um stressbezogene Muster zu identifizieren. Wir untersuchen sowohl Methoden des maschinellen Lernens auf Grundlage manuell extrahierter Merkmale als auch Deep-Learning-Ans\u00e4tze, die aussagekr\u00e4ftige Repr\u00e4sentationen direkt aus Rohsignalen oder vorverarbeiteten Signalen lernen. Ein besonderer Fokus liegt auf robusten und generalisierbaren Modellen, die individuelle Unterschiede zwischen Teilnehmenden sowie Unterschiede zwischen Datens\u00e4tzen und Messbedingungen ber\u00fccksichtigen k\u00f6nnen.<\/p>\n\n\n\n
Im Rahmen unserer Forschung haben wir VitaStress ver\u00f6ffentlicht, einen Datensatz mit physiologischen Daten von 21 Probandinnen und Probanden, die w\u00e4hrend verschiedener Aktivit\u00e4ten bzw.<\/abbr> Phasen erhoben wurden: neutrale Baseline, \u00f6ffentliches Sprechen (sozio-evaluativer Stress), Kopfrechnen (kognitiver Stress) und k\u00f6rperliche Aktivit\u00e4t. Die physiologischen Daten umfassen Photoplethysmographie, Hautleitf\u00e4higkeit, Temperatur- und Beschleunigungsdaten. Zus\u00e4tzlich f\u00fcllten die Probandinnen und Probanden w\u00e4hrend des Versuchs wiederholt Selbstbeurteilungsfrageb\u00f6gen aus. Der Datensatz ist umfassend annotiert und gelabelt, um seine Nutzbarkeit f\u00fcr andere Forschende zu erh\u00f6hen.<\/p>\n","protected":false},"excerpt":{"rendered":" Stress ist ein allgegenw\u00e4rtiger Bestandteil unseres t\u00e4glichen Lebens und einer der einflussreichen Treiber k\u00f6rperlicher und psychischer Erkrankungen. Fortschritte im Bereich Wearable Computing erm\u00f6glichen die Erfassung physiologischer Daten in Echtzeit. Diese […]<\/p>\n","protected":false},"author":4068,"featured_media":0,"parent":204,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"categories":[4],"tags":[],"class_list":["post-1839","page","type-page","status-publish","hentry","category-forschung"],"lang":"de","translations":{"de":1839,"en":1842},"pll_sync_post":{},"_links":{"self":[{"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/pages\/1839","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/users\/4068"}],"replies":[{"embeddable":true,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/comments?post=1839"}],"version-history":[{"count":2,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/pages\/1839\/revisions"}],"predecessor-version":[{"id":1844,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/pages\/1839\/revisions\/1844"}],"up":[{"embeddable":true,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/pages\/204"}],"wp:attachment":[{"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/media?parent=1839"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/categories?post=1839"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/tags?post=1839"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}