Physiologische Flowmessung- Neuer Artikel in der Fachzeitschrift IEEE Transactions on Affective Computing

Unter dem Titel “To Be or Not to Be in Flow at Work: Physiological Classification of Flow using Machine Learning” erschien ein neuer wissenschaftlicher Artikel in der Zeitschrift IEEE Transactions on Affective Computing. Gegenstand des Artikels ist die im Projekt Kern entwickelten auf künstlicher Intelligenz (KI) und physiologischen Daten basierende Messung von Flow.

Quelle: IEEE

Die zentrale Rolle von Flow bei der Unterstützung erstrebenswerter Ergebnisse bei der Arbeit, wie z. B. gesteigertes Wohlbefinden und Leistungsfähigkeit, veranlasste Wissenschaftler dazu, Flow im Arbeitsumfeld zu untersuchen. Aktuelle Messansätze, die Flow über Selbstausfkunftsskalen nach der Aufgabenausführung erfassen, sind jedoch aufgrund ihres invasiven Charakters und fehlender Echtzeitunterstützung limitiert. Daher müssen neue Messansätze geschaffen werden, um diese Einschränkungen zu überwinden. In dieser Arbeit werden kardiale Merkmale (Herzfrequenzvariabilität; HRV) und einen Random Forest Klassifikator verwendet, um hohen und niedrigen Flow zu unterscheiden. Die erreichten Ergebnisse aus einem groß angelegten Laborexperiment mit 158 Teilnehmern und einer Feldstudie mit neun Teilnehmern zeigen, dass mit HRV-Merkmalen allein Flow-Klassifikatoren mit einer Genauigkeit von 68,5 % (Labor) und 70,6 % (Feld) erstellt werden können.

Unsere Forschungsergebnisse tragen zu der Herausforderung bei, eine weniger invasive, auf physiologischen Merkmalen basierende Echtzeit-Messmethode für den Flow zu entwickeln und Flow aus einer physiologischen Perspektive zu untersuchen.

Unsere Ergebnisse dienen als Grundlage für zukünftige Arbeiten, die mittels Entwicklung physioadaptiver Systeme Wohlbefinden und Leistungsfähigkeit von Mitarbeitern bei der Arbeit verbessern. Diese Systeme könnten zum Beispiel sicherstellen, dass digitale Benachrichtigungen an den Mitarbeiter pausiert werden, während das System Flow feststellt.

Die Untersuchung wurde im Rahmen des Forschungsprojekts Kern durchgeführt.

Der vollständige Fachartikel befindet online unter nachfolgender Adresse:
https://ieeexplore.ieee.org/document/9296229

Close
Go top