Njohja e stresit të punonjësve përmes analizës së fytyrës në punë

Në kontekstin e ndryshimi i kulturës rreth Zoom-takimeve të mirësjelljes, dhe shfaqja e Lodhja e zmadhimit, studiuesit nga Kembrixhi kanë publikuar një studim që përdor mësimin e makinerive për të përcaktuar nivelet tona të stresit nëpërmjet mbulimit të ueb-kamerës së aktivizuar me AI të shprehjeve tona të fytyrës në punë.

Në të majtë, mjedisi i mbledhjes së të dhënave, me pajisje të shumta monitoruese ose të trajnuara ose të bashkangjitura me një vullnetar; në të djathtë, shembull shprehjet e fytyrës të krijuara nga subjektet e testimit në nivele të ndryshme të vështirësisë së detyrës. Burimi: https://arxiv.org/pdf/2111.11862.pdf

Hulumtimi ka për qëllim analizën e ndikimit (dmth. njohja e emocioneve) në sistemet 'Ambient Assistive Living', dhe me sa duket është projektuar për të mundësuar kornizat e monitorimit të shprehjeve të fytyrës me AI të bazuara në video në sisteme të tilla; megjithëse punimi nuk zgjerohet në këtë aspekt, përpjekja kërkimore nuk ka kuptim në asnjë kontekst tjetër.

Objektivi specifik i projektit është të mësojë modelet e shprehjes së fytyrës në mjediset e punës – duke përfshirë aranzhimet e punës në distancë – në vend të situatave “të kohës së lirë” ose “pasive”, të tilla si udhëtimi.

Njohja e emocioneve të bazuara në fytyrë në vendin e punës

Ndërsa 'Ambient Assistive Living' mund të tingëllojë si një skemë për kujdesin ndaj të moshuarve, kjo është larg nga rasti. Duke folur për 'përdoruesit e fundit' të synuar, autorët thonë*:

'Sisteme të krijuara për mjedise jetese ndihmëse të ambientit [†] synojnë të jenë në gjendje të kryejnë si analizën automatike të ndikimit ashtu edhe përgjigjen. Jetesa ndihmëse e ambientit mbështetet në përdorimin e teknologjisë së informacionit dhe komunikimit (TIK) për të ndihmuar në mjedisin e përditshëm të jetesës dhe punës së një personi për t'i mbajtur ata më të shëndetshëm dhe aktivë më gjatë dhe për t'i mundësuar ata të jetojnë të pavarur ndërsa plaken. Kështu, Jetesa ndihmëse e ambientit synon të lehtësojë punonjësit shëndetësorë, infermierët, mjekët, punëtorët e fabrikave, shoferët, pilotët, mësuesit si dhe industri të ndryshme nëpërmjet ndjeshmërisë, vlerësimit dhe ndërhyrjes.

"Sistemi ka për qëllim të përcaktojë tendosjen fizike, emocionale dhe mendore dhe të përgjigjet dhe të përshtatet sipas nevojës dhe kur është e nevojshme, për shembull, një makinë e pajisur me një sistem zbulimi të përgjumjes mund ta informojë shoferin që të jetë i vëmendshëm dhe mund t'i sugjerojë të bëjnë pak pushim. për të shmangur aksidentet [††].'

La letër titullohet Gjetja e ndikimit të fytyrës së përdoruesit në cilësimet e ngjashme me punën, dhe vjen nga tre studiues në Laboratorin Affective Intelligence & Robotics në Kembrixh.

Kushtet e Testimit

Që prej punë paraprake në këtë fushë është varur kryesisht nga koleksionet ad hoc të imazheve të grumbulluara nga interneti, studiuesit e Kembrixhit kryen eksperimente lokale për mbledhjen e të dhënave me 12 vullnetarë kampus, 5 meshkuj dhe 7 femra. Vullnetarët vinin nga nëntë vende dhe ishin të moshës 22-41 vjeç.

Projekti synonte të rikrijonte tre mjedise pune potencialisht stresuese: një zyrë; linja e prodhimit të fabrikës; dhe një telefonatë telekonferencë – siç është lloji i bisedës në grup të Zoom që është bërë një tipar i shpeshtë e detyrave të shtëpisë që nga ardhja e pandemisë.

Subjektet u monitoruan me mjete të ndryshme, duke përfshirë tre kamera, një mikrofon Jabra të veshur me qafë, një Rrip dore Empatica (një pajisje me shumë sensorë me valë që ofron biofeedback në kohë reale) dhe një sensor i shiritit të kokës Muse 2 (i cili gjithashtu ofron biofeedback). Për më tepër, vullnetarëve iu kërkua të plotësonin anketat dhe të vetëvlerësonin disponimin e tyre periodikisht.

Megjithatë, kjo nuk do të thotë që pajisjet e ardhshme të Jetesës Asistuese të Ambientit do t'ju 'fusin në prizë' në atë masë (nëse vetëm për arsye kostoje); të gjitha pajisjet dhe metodat e monitorimit jo-kamera të përdorura në mbledhjen e të dhënave, duke përfshirë vetë-vlerësimet me shkrim, kanë për qëllim të verifikojnë sistemet e njohjes së ndikimit të bazuar në fytyrë, të cilat mundësohen nga pamjet e kamerës.

Rritja e presionit: Skenari i Zyrës

Në dy nga tre skenarët e parë ("Zyra" dhe "Fabrika"), vullnetarët u nisën me një ritëm të lehtë, me presion që rritej gradualisht në katër faza, me lloje të ndryshme detyrash për secilën.

Në nivelin më të lartë të stresit të shkaktuar, vullnetarët gjithashtu duhej të duronin 'efektin e veshjes së bardhë' të dikujt që shikonte mbi supe, plus 85 db zhurmë shtesë, që është vetëm pesë decibel më poshtë kufiri ligjor për një mjedis zyre në SHBA dhe kufiri maksimal i saktë i specifikuar nga Instituti Kombëtar për Sigurinë dhe Shëndetin në Punë (NIOSH).

Në fazën e mbledhjes së të dhënave të ngjashme me zyrën, subjektet kishin për detyrë të mbanin mend shkronjat e mëparshme që ishin ndezur në ekranin e tyre, me nivele në rritje të vështirësisë (siç duhet të mbanin mend sekuencat me dy shkronja që ndodhën dy ekrane më parë).

Skenari i fabrikës

Për të simuluar një mjedis pune manuale, subjekteve iu kërkua të luanin lojën operacion, i cili sfidon shkathtësinë e përdoruesit duke kërkuar që lojtari të nxjerrë objekte të vogla nga një tabelë përmes hapjeve të ngushta, të rrethuara me metal pa prekur anët, e cila ngjarje shkakton një sinjalizues 'dështimi'.

Në momentin që doli faza më e vështirë, vullnetari u sfidua të nxirrte të 12 artikujt pa gabim brenda një minute. Për kontekstin, rekordi botëror për këtë detyrë, i vendosur në MB në 2019, qëndron në 12.68 sekonda.

Skenari i telekonferencës

Së fundi, në testin e detyrave të shtëpisë/telekonferencës, vullnetarëve iu kërkua nga një eksperimentues gjatë një thirrjeje të ekipeve MS që të kujtonin kujtimet e tyre pozitive dhe negative. Për fazën më stresuese të këtij skenari, vullnetarëve iu kërkua të kujtonte një kujtim shumë negativ ose të trishtuar nga e kaluara e afërt.

Detyrat dhe skenarët e ndryshëm u ekzekutuan në mënyrë të rastësishme dhe u përpiluan në një grup të dhënash të personalizuar të titulluar Working-Environment-Context-Aware Set (WECARE-DB).

Metoda dhe Trajnimi

Rezultatet e vetë-vlerësimeve të përdoruesve për disponimin e tyre u përdorën si e vërteta bazë dhe u hartuan në dimensionet e valencës dhe zgjimit. Videoja e kapur e eksperimenteve u krye përmes një zbulimi të shenjave të fytyrës rrjet, dhe imazhet e rreshtuara janë futur në a Rrjeti ResNet-18 të trajnuar në AffectNet grup i të dhënave.

450,000 imazhe nga AffectNet, të gjitha të nxjerra/etiketuara nga interneti duke përdorur pyetje të lidhura me emocionet, u shënuan manualisht, thotë gazeta, me dimensione valence dhe zgjimi.

Më pas, kërkuesit rafinuan rrjetin bazuar vetëm në të dhënat e tyre WECARE, ndërsa kodimi i paraqitjes spektrale u përdor për të përmbledhur parashikimet e bazuara në kornizë.

Rezultatet

Performanca e modelit u vlerësua në tre metrika që zakonisht lidhen me parashikimin e automatizuar të ndikimit: Korrelacioni i koeficientit të konkordancës; Korrelacioni i Koeficientit Pearson; dhe Root Mean Square Error (RMSE).

Autorët vënë në dukje se modeli i akorduar në bazën e të dhënave të tyre WECARE kishte performancë më të mirë se ResNet-18, dhe nga kjo nxjerrin përfundimin se mënyra se si ne rregullojmë shprehjet tona të fytyrës është shumë e ndryshme në një mjedis pune sesa në kontekstet më abstrakte nga të cilat kanë nxjerrë studimet e mëparshme. material burim nga interneti.

Ata deklarojnë:

"Duke parë tabelën, vërejmë se modeli i akorduar në WECARE-DB ka tejkaluar modelin ResNet-18 të trajnuar paraprakisht në [AffectNet], duke treguar se sjelljet e fytyrës të shfaqura në mjedise të ngjashme me punën janë të ndryshme në krahasim me atë brenda -Cilësimet e egra të Internetit të përdorura në AffectNet DB. Kështu, është e nevojshme të përftohen grupe të dhënash dhe modele të trajnuara për njohjen e ndikimit të fytyrës në mjedise të ngjashme me punën.'

Për sa i përket të ardhmes së njohjes së ndikimit në punë, e mundësuar nga rrjetet e kamerave të trajnuara për punonjësit dhe duke bërë vazhdimisht parashikime të gjendjeve të tyre emocionale, autorët përfundojnë*:

“Qëllimi përfundimtar është zbatimi dhe përdorimi i modeleve të trajnuara në kohë reale dhe në mjedise reale të punës për të ofruar të dhëna për sistemet e mbështetjes së vendimeve për të promovuar shëndetin dhe mirëqenien e njerëzve gjatë moshës së tyre të punës në kontekstin e Projekti i BE-së për moshën e punës.'

* Theksi im.

† Këtu autorët bëjnë tre citate:

Njohja automatike, dimensionale dhe e vazhdueshme e emocioneve – https://ibug.doc.ic.ac.uk/media/uploads/documents/GunesPantic_IJSE_2010_camera.pdf
Eksplorimi i fushës së jetesës së asistuar nga ambienti: një përmbledhje sistematike – https://link.springer.com/article/10.1007/s12652-016-0374-3
Një përmbledhje e Teknologjive të Internetit të Gjërave për Mjedise Jetesore të Asistuara në Ambient – https://mdpi-res.com/d_attachment/futureinternet/futureinternet-11-00259/article_deploy/futureinternet-11-00259-v2.pdf

†† Këtu autorët bëjnë dy citate:

Zbulimi i përgjumjes së shoferit në kohë reale për sistemin e integruar duke përdorur kompresimin e modelit të rrjeteve nervore të thella – https://openaccess.thecvf.com/content_cvpr_2017_workshops/w4/papers/Reddy_Real-Time_Driver_Drowsiness_CVPR_2017_paper.pdf
Sistemi i zbulimit të përgjumjes në kohë reale të shoferit duke përdorur veçoritë e fytyrës – https://www.semanticscholar.org/paper/Real-Time-Driver-Drowsiness-Detection-System-Using-Deng-Wu/1f4b0094c9e70bf7aa287234e0fdb4c764a5c532