Can gamification reduce the burden of self-reporting in mHealth applications? A feasibility study using machine learning from smartwatch data to estimate cognitive load

要約

デジタル治療の有効性は、アプリケーションを介して患者に自分の状態を自己報告させることで測定できますが、それは圧倒的で、治療意欲の喪失を引き起こす可能性があります。
私たちは、自己申告に対するゲーミフィケーションの影響を調査する調査を実施します。
私たちのアプローチには、光電脈波 (PPG) 信号の分析を通じて認知負荷 (CL) を評価するシステムの作成が含まれます。
11 人の参加者からのデータは、CL を検出するための機械学習モデルをトレーニングするために利用されます。
次に、ゲーム化されたアンケートと従来のアンケートの 2 つのバージョンのアンケートを作成します。
調査を完了しながら、他の参加者が経験した CL を推定します (13)。
CL 検出器のパフォーマンスは、ストレス検出タスクの事前トレーニングによって強化できることがわかりました。
参加者 13 人中 10 人では、パーソナライズされた CL 検出器により 0.7 を超える F1 スコアを達成できます。
CL に関しては、ゲーミフィケーションされた調査と非ゲーミフィケーションの調査に違いはありませんでしたが、参加者はゲーミフィケーションされたバージョンを好みました。

要約(オリジナル)

The effectiveness of digital treatments can be measured by requiring patients to self-report their state through applications, however, it can be overwhelming and causes disengagement. We conduct a study to explore the impact of gamification on self-reporting. Our approach involves the creation of a system to assess cognitive load (CL) through the analysis of photoplethysmography (PPG) signals. The data from 11 participants is utilized to train a machine learning model to detect CL. Subsequently, we create two versions of surveys: a gamified and a traditional one. We estimate the CL experienced by other participants (13) while completing surveys. We find that CL detector performance can be enhanced via pre-training on stress detection tasks. For 10 out of 13 participants, a personalized CL detector can achieve an F1 score above 0.7. We find no difference between the gamified and non-gamified surveys in terms of CL but participants prefer the gamified version.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google