Методы машинного обучения при определении психического состояния на основе данных координатного устройства ввода информации

Предметом исследования являются возможности использования методов машинного обучения для анализа движений компьютерной мыши с целью диагностики психического состояния пользователей. Предложенная модель, основанная на данных о скорости перемещения мыши, частоте кликов и точности наведения, позволяет оценивать уровни тревожности и стресса пользователей. Эксперимент проводится в рамках проекта Remote Topology, который собирает данные для последующей верификации моделей. Основное внимание уделено автоматизации процесса мониторинга психоэмоционального состояния обучающихся и использованию современных технологий для поддержки их психологического благополучия в образовательных средах. Разработанный подход предполагает выполнение задач в рамках комплексной инфраструктуры, позволяя участнику работать со стандартными задачами системного администратора. В типовых заданиях заложена логика, при которой задача не будет решаться по обычным алгоритмам. Методом исследования является внедрение методов машинного обучения в психодиагностику учащихся, позволяющее анализировать большие данные, выявлять скрытые закономерности и прогнозировать эмоциональные состояния. Приводятся примеры проектов и систем, использующих NLP, анализ движений и активности для раннего выявления тревожности, стресса и депрессии. Основным результатом проведённого исследования является статистический анализ стресса и тревожности участниками. Экспериментальный протокол был разработан таким образом, чтобы воссоздать сценарий аналогичный рабочему дню специалиста среднего предприятия, решающего задачи в соответствии с профстандартом 6.027 специалист по администрированию сетевых устройств информационно-коммуникационных систем. В итоге экспериментальный протокол вызывает общий рост уровня воспринимаемого стресса и тревожности, который может быть корректно определён с помощью методов машинного обучения. Различие в задачах данных классов и алгоритмах усложняет прямое сравнение полученных результатов нашего исследования с существующими исследованиями, приведёнными в обзоре литературы. В ходе предыдущих исследований, а также текущего исследования, направленных на определение уровня стресса с использованием данных активности мыши, была проведена верификация данных экспериментальной группы с применением методов машинного обучения. Анализ подтвердил значимость таких признаков, как время удержания клавиш, интервалы между нажатиями клавиш и скорость движения мыши, что согласуется с результатами предыдущих работ.

психодиагностика, машинное обучение, RemoteTopology, цифровые образовательные среды, верификация, стресс, тревожность, эксперимент, автоматизация, частота кликов