[论文解读] Predicting Performance Under Stressful Conditions Using Galvanic Skin Response

Carter Mundell, Juan Pablo Vielma+1 more|arXiv (Cornell University)|Jun 6, 2016

Advanced Sensor and Energy Harvesting Materials被引用 7

一句话总结

本研究表明，在低压力条件下测量的皮电反应（GSR）可预测个体在高压力任务条件下的表现。通过可穿戴生物传感器，作者在预测高压力表现方面实现了曲线下面积（AUC）为0.76，显著优于不使用生物特征数据的基线模型（AUC ≈ 0.50）。

ABSTRACT

The rapid growth of the availability of wearable biosensors has created the opportunity for using biological signals to measure worker performance. An important question is how to use such signals to not just measure, but actually predict worker performance on a task under stressful and potentially high risk conditions. Here we show that the biological signal known as galvanic skin response (GSR) allows such a prediction. We conduct an experiment where subjects answer arithmetic questions under low and high stress conditions while having their GSR monitored using a wearable biosensor. Using only the GSR measured under low stress conditions, we are able to predict which subjects will perform well under high stress conditions, achieving an area under the curve (AUC) of 0.76. If we try to make similar predictions without using any biometric signals, the AUC barely exceeds 0.50. Our result suggests that performance in high stress conditions can be predicted using signals obtained from wearable biosensors in low stress conditions.

研究动机与目标

• 探究在低压力条件下测量的皮电反应（GSR）是否可预测个体在高压力条件下的表现。
• 评估在高风险或高压环境中使用可穿戴生物传感器实现实时表现预测的可行性。
• 比较基于GSR的模型与不使用生物信号的基线模型的预测能力。
• 建立一种数据驱动方法，以识别在压力环境下表现可能保持或下降的个体。

提出的方法

• 在受控的低压力和高压力条件下，对受试者进行算术问题求解实验。
• 使用可穿戴生物传感器在两种条件下持续监测皮电反应（GSR）。
• 仅将低压力阶段收集的GSR数据用作预测建模的输入。
• 利用低压力条件下的GSR特征训练机器学习模型，以分类受试者在高压力条件下的高/低表现者。
• 使用受试者工作特征曲线下面积（AUC）评估模型性能。
• 将基于GSR的模型性能与不使用任何生物特征数据的基线模型（即随机猜测）进行比较。

实验结果

研究问题

• RQ1 在低压力条件下测量的皮电反应（GSR）是否可预测个体在高压力任务条件下的表现？
• RQ2 基于GSR的模型与不使用生物特征输入的基线模型相比，其预测准确性如何？
• RQ3 可穿戴生物传感器在多大程度上可实现对高压力下可能表现不佳个体的早期识别？
• RQ4 GSR作为压力耐受力生物标志物在表现场景中的统计显著性如何？

主要发现

• 基于GSR的模型在预测高压力表现方面实现了曲线下面积（AUC）为0.76，表明具有中等到较强的预测能力。
• 相比之下，不使用任何生物特征输入的基线模型AUC约为0.50，表明预测性能接近随机。
• 结果表明，低压力条件下收集的GSR数据中包含有关个体压力耐受力的预测信息。
• 本研究证实，可穿戴生物传感器可实现对高压力条件下表现的非侵入式、实时预测。
• GSR的预测能力表明其在职业安全、军事行动以及对压力表现至关重要的高风险职业中的潜在应用价值。
• 研究结果支持将GSR整合到自适应系统中，用于人员选拔或实时工作负荷监测。