Análisis emocional para el bienestar de los ancianos en el proceso de interacción digital
DOI:
https://doi.org/10.65234/interaccion.72Palabras clave:
Internet de las cosas, Parámetros fisiológicos, Emociones, Personas mayoresResumen
Las personas mayores siguen presentando reticencia en el uso de sistemas tecnológicos. Dicho colectivo presenta además dificultades en el proceso de interacción debido a sus limitaciones técnicas y la disminución de sus capacidades físicas y cognitivas, generándoles sensación de frustración y estrés.
En el diseño de aplicaciones, la adaptación del proceso teniendo en cuenta las sensaciones emocionales de los usuarios es un factor importante a la hora de asegurar su uso y aceptación. El IoT (Internet of Things) ofrece aplicaciones y posibilidades para analizar el proceso de interacción desde el punto de vista emocional de los usuarios con la tecnología.
En este artículo nos centraremos en presentar el diseño de un algoritmo que permitan adaptar o modificar la actividad realizada en función del estado del usuario para lograr una mayor adhesión y aceptación del sistema interactivo. De esta forma, la variación en las actividades o en la interfaz contribuirá a modificar el estado de ánimo del usuario y afectar directamente a las señales fisiológicas del usuario recogidas a través de sistemas IoT; el objetivo final será conseguir estados emocionales positivos en el usuario en el proceso de interacción digital.
Referencias
Al Bassam, N., Hussain, S. A., Al Qaraghuli, A., Khan, J., Sumesh, E. P., & Lavanya, V. (2021). IoT based wearable device to monitor the signs of quarantined remote patients of COVID-19. Informatics in Medicine Unlocked, 24, 100588. DOI: https://doi.org/10.1016/j.imu.2021.100588
Arch, A., & Abou-Zahra, S. (2010). Developing websites for older people: How web content accessibility guidelines (WCAG) 2.0 applies. Web Accessibility Initiative.
Colomo-Palacios, R., Casado-Lumbreras, C., Soto-Acosta, P., & García-Crespo, Á. (2011). Using the affect grid to measure emotions in software requirements engineering.
Deepika Mathuvanthi, P., Suresh, V., & Pradeep, C. (2019). IoT powered wearable to assist individuals facing depression symptoms. International Research Journal of Engineering and Technology, 6, 1676–1681.
Dzedzickis, A., Kaklauskas, A., & Bucinskas, V. (2020). Human emotion recognition: Review of sensors and methods. Sensors, 20(3), 592. DOI: https://doi.org/10.3390/s20030592
Garcia-Ceja, E., Riegler, M., Nordgreen, T., Jakobsen, P., Oedegaard, K. J., & Tørresen, J. (2018). Mental health monitoring with multimodal sensing and machine learning: A survey. Pervasive and Mobile Computing, 51, 1–26. DOI: https://doi.org/10.1016/j.pmcj.2018.09.003
Gjoreski, M., Luštrek, M., Gams, M., & Gjoreski, H. (2017). Monitoring stress with a wrist device using context. Journal of Biomedical Informatics, 73, 159–170. DOI: https://doi.org/10.1016/j.jbi.2017.08.006
Gong, P., Ma, H. T., & Wang, Y. (2016). Emotion recognition based on the multiple physiological signals. 2016 IEEE International Conference on Real-Time Computing and Robotics (RCAR), 140–143. DOI: https://doi.org/10.1109/RCAR.2016.7784015
Hossain, M. S., & Muhammad, G. (2017). Emotion-aware connected healthcare big data towards 5G, IEEE Internet Things J.(2017). DOI: https://doi.org/10.1109/JIOT.2017.2772959
Lacuesta, R., Garcia, L., García-Magariño, I., & Lloret, J. (2017). System to recommend the best place to live based on wellness state of the user employing the heart rate variability. IEEE Access, 5, 10594–10604. DOI: https://doi.org/10.1109/ACCESS.2017.2702107
Laghari, A. A., Wu, K., Laghari, R. A., Ali, M., & Khan, A. A. (2021). A review and state of art of Internet of Things (IoT). Archives of Computational Methods in Engineering, 1–19. DOI: https://doi.org/10.1007/s11831-021-09622-6
Lane, N. D., Mohammod, M., Lin, M., Yang, X., Lu, H., Ali, S., Doryab, A., Berke, E., Choudhury, T., & Campbell, A. (2011). Bewell: A smartphone application to monitor, model and promote wellbeing. 5th International ICST Conference on Pervasive Computing Technologies for Healthcare, 10. DOI: https://doi.org/10.4108/icst.pervasivehealth.2011.246161
Mano, L. Y., Faiçal, B. S., Nakamura, L. H., Gomes, P. H., Libralon, G. L., Meneguete, R. I., Geraldo Filho, P. R., Giancristofaro, G. T., Pessin, G., & Krishnamachari, B. (2016). Exploiting IoT technologies for enhancing Health Smart Homes through patient identification and emotion recognition. Computer Communications, 89, 178–190. DOI: https://doi.org/10.1016/j.comcom.2016.03.010
McDonagh, D., Bruseberg, A., & Haslam, C. (2002). Visual product evaluation: Exploring users’ emotional relationships with products. Applied Ergonomics, 33(3), 231–240. DOI: https://doi.org/10.1016/S0003-6870(02)00008-X
McDonagh-Philp, D., & Lebbon, C. (2000). The emotional domain in product design. The Design Journal, 3(1), 31–43. DOI: https://doi.org/10.2752/146069200789393562
Nahian, M., Ghosh, T., Uddin, M. N., Islam, M., Mahmud, M., & Kaiser, M. S. (2020). Towards artificial intelligence driven emotion aware fall monitoring framework suitable for elderly people with neurological disorder. International Conference on Brain Informatics, 275–286. DOI: https://doi.org/10.1007/978-3-030-59277-6_25
Navarro-Alamán, J., Gilaberte, R. L., & Bagdasari, E. C. (2021). Una propuesta de caracterización inicial de mayores para el desarrollo de interfaces adaptativas. Revista de la Asociación Interacción Persona Ordenador (AIPO), 2(2), Article 2. DOI: https://doi.org/10.65234/interaccion.42
Pal, S., Mukhopadhyay, S., & Suryadevara, N. (2021). Development and Progress in Sensors and Technologies for Human Emotion Recognition. Sensors, 21(16), 5554. DOI: https://doi.org/10.3390/s21165554
Park, B.-J., Jang, E.-H., Kim, S.-H., Chung, M.-A., & Sohn, J.-H. (2014). A Study on Autonomic Nervous System Responses and Feauture Selection for Emotion Recognition. Proceedings of the International Joint Conference on Biomedical Engineering Systems and Technologies-Volume 4, 116–121. DOI: https://doi.org/10.5220/0004731201160121
Puleston, J. (2011). Online research–game on!: A look at how gaming techniques can transform your online research. Shifting the Boundaries of Research. Proceedings of the 6th ASC (Association for Survey Computing) International Conference, 20–50.
Sevil, M., Rashid, M., Hajizadeh, I., Askari, M. R., Hobbs, N., Brandt, R., Park, M., Quinn, L., & Cinar, A. (2021). Discrimination of simultaneous psychological and physical stressors using wristband biosignals. Computer Methods and Programs in Biomedicine, 199, 105898. DOI: https://doi.org/10.1016/j.cmpb.2020.105898
Turner, P., Turner, S., & Van de Walle, G. (2007). How older people account for their experiences with interactive technology. Behaviour & Information Technology, 26(4), 287–296. DOI: https://doi.org/10.1080/01449290601173499
Vlachogianni, P., & Tselios, N. (2021). Perceived usability evaluation of educational technology using the System Usability Scale (SUS): A systematic review. Journal of Research on Technology in Education, 1–18.
Zhao, B., Wang, Z., Yu, Z., & Guo, B. (2018). EmotionSense: Emotion recognition based on wearable wristband. 2018 IEEE SmartWorld, Ubiquitous Intelligence & Computing, Advanced & Trusted Computing, Scalable Computing & Communications, Cloud & Big Data Computing, Internet of People and Smart City Innovation (SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI), 346–355. DOI: https://doi.org/10.1109/SmartWorld.2018.00091
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2022 Revista de la Asociación Interacción Persona Ordenador (AIPO)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
