概要: ストレスは、現代社会における個人にとって依然として重大な社会問題である。本論文では、生理学的反応と社会的反応を捉える2つのセンサーシステムを組み合わせることで、社会的状況にいる人のストレスを自動検出するための機械学習アプローチを提示する。サポートベクターマシン、AdaBoost、k-近傍法など、さまざまな分類器を用いて性能を比較する。我々の実験結果は、2つのセンサーシステムから得られた測定値を組み合わせることで、制御されたトリアー社会的ストレステスト（TSST）において、ストレス状況と中立状況を高い精度で識別できることを示している。さらに本論文では、各センサーモダリティを個別に評価し、それらのリアルタイムのストレス検出への適合性も検討する。最後に、ストレス検出において最も弁別力の高い特徴量に関する研究を提示する。
ウェアラブル生理学的およびソシオメトリックセンサを用いたストレス検出
arXiv cs.LG / 2026/4/15
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ウェアラブル生理信号とソシオメトリック／社会センサデータを融合することで、社会的状況におけるストレスを検出する機械学習手法を提案する。
- 複数の分類器（SVM、AdaBoost、k-NN）を評価し、マルチモーダル・センサ融合によって、統制されたトリアー社会的ストレス試験（TSST）においてストレス状態と中立状態を識別できることを示す。
- 著者らは、各センサ・モダリティを個別にベンチマークし、弁別性能に対して各モダリティがどれほど寄与しているか、またリアルタイム利用への適性を定量化する。
- 本研究では、ストレス検出に最も有用な抽出特徴を分析し、解釈可能性の向上と、将来のシステム設計の指針を目指す。
