| Item type |
Journal(1) |
| 公開日 |
2023-02-15 |
| タイトル |
|
|
タイトル |
脳波を利用したオンライン講演の多数感情フィードバックの提案と評価 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
Proposal and it's Evaluation for Multi-emotional Feedback in Online Lectures Using EEG |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
[特集:ネットワークサービスと分散処理（推薦論文）] 脳波，感情認識，機械学習，説明可能なAI |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_6501 |
|
資源タイプ |
journal article |
| ID登録 |
|
|
ID登録 |
10.20729/00224270 |
|
ID登録タイプ |
JaLC |
| 著者所属 |
|
|
|
金沢工業大学 |
| 著者所属 |
|
|
|
金沢工業大学 |
| 著者所属 |
|
|
|
金沢工業大学 |
| 著者所属 |
|
|
|
金沢工業大学 |
| 著者所属(英) |
|
|
|
en |
|
|
Kanazawa Institute of Technology |
| 著者所属(英) |
|
|
|
en |
|
|
Kanazawa Institute of Technology |
| 著者所属(英) |
|
|
|
en |
|
|
Kanazawa Institute of Technology |
| 著者所属(英) |
|
|
|
en |
|
|
Kanazawa Institute of Technology |
| 著者名 |
常田, 友貴
中沢, 実
西川, 幸延
阿部, 倫之
|
| 著者名(英) |
Yuki, Tokida
Minoru, Nakazawa
Yukinobu, Nishikawa
Noriyuki, Abe
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
昨今，新型コロナウイルス感染症の影響により，オンライン上でコミュニケーションを行う機会が多くなった．この中でオンライン上における言葉では伝わりにくい感情や雰囲気等の非言語コミュニケーションの不足が問題になっている．特に，プレゼンテーションのような相互の親密なコミュニケーションが必要になる場合では満足度低下の要因となっている．この問題に対して脳波を用いたオンライン講演の感情フィードバック手法を考案する．しかし，現状の問題点として脳波を利用したデータセットでは適したデータセットが公開されておらず，検出した脳波と感情の分析を行った研究も少ないため，脳波分析や精度向上が困難である．そこで本研究では，TED視聴時の脳波を「通常（Neutral）」，「困惑（Confused）」，「面白い（Interested）」，「退屈（Bored）」という4つの感情で評価したデータセットを作成し，XGBoostを利用して感情分類を行った．さらに，AIモデルの説明を行うSHAPを利用して作成したXGBoostモデルから脳波と感情の関係を分析した．その結果，感情分類では72.47%の精度を達成し，SHAPを利用した分析では全クラスにおいて前頭葉周辺から取得した脳波の貢献度が高く，最も貢献度が高い前頭部右側の脳波（F4）に関しては「困惑（Confused）」クラスで脳波電圧とSHAP値に正の相関があり，「退屈（Bored）」クラスで負の相関があることが分かった． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
In recent years, the influence of COVID-19 has increased the opportunities for online communication. In this situation, a lack of nonverbal communication such as feelings and moods that are difficult to convey in words happens. In particular, online communication is a factor that reduces communication satisfaction in presentations or meetings which we need closer communication. Thus, we propose the feedback of multi-emotions for online lectures using EEG. However, current problems (no suitable public datasets using EEG and less an analysis of detected EEG and emotions) makes EEG and emotions analysis and accuracy improvement difficult. In our study, we created original datasets which evaluated by 4 emotion classes (‘Neutral’, ‘Confused’, ‘Interested’, and ‘Bored’), and then categorized them by XGBoost. In addition, we analyzed EEG and emotions from the created XGBoost model by SHAP which can explain the AI model. As a result, the categorized emotions accuracy was 72.47% and we found the most contributed frontal lobe EEG point (F4) and the relationship of EEG and emotion in F4 point (a positive correlation in the Confused class and a negative correlation in the Bored class) by the EEG voltage and the predicted contribution value of each emotion using SHAP. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN00116647 |
| 書誌情報 |
情報処理学会論文誌
巻 64,
号 2,
p. 558-567,
発行日 2023-02-15
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
1882-7764 |
| 公開者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-JNL6402030.pdf (1.6 MB)
