Добавить в корзинуПозвонить
Найти в Дзене
Самара Онлайн 24

Киберпсихологи ННГУ создают систему для анализа стресса по речи человека

Специалисты кафедры киберпсихологии факультета социальных наук ННГУ им. Н.И. Лобачевского разрабатывают алгоритмы машинного обучения для определения уровня стресса и тревоги по голосу. Об этом сообщили ТАСС в пресс-службе университета. Система может применяться в образовании, психическом здоровье и взаимодействии человек-компьютер. По словам кандидата психологических наук Валерии Демаревой, автоматическое выявление стресса по голосу позволяет обнаруживать перегрузки у операторов, диспетчеров и медперсонала, снижая риск ошибок и выгорания. Анализ также может фиксировать уязвимые состояния клиентов, например, для выявления мошеннических действий в банковской сфере. Стресс проявляется в голосе через изменения высоты тона, громкости и скорости речи. Для исследования применяли мел-частотные кепстральные коэффициенты (MFCC), устойчивые к шуму и подходящие для анализа эмоциональных состояний. Конвейер машинного обучения на их основе позволил классифицировать тревогу с точностью 91,9%. В экспе
Оглавление
   freepik.com
freepik.com

ННГУ разрабатывает систему для выявления стресса и тревоги по голосу

Специалисты кафедры киберпсихологии факультета социальных наук ННГУ им. Н.И. Лобачевского разрабатывают алгоритмы машинного обучения для определения уровня стресса и тревоги по голосу. Об этом сообщили ТАСС в пресс-службе университета. Система может применяться в образовании, психическом здоровье и взаимодействии человек-компьютер.

Применение анализа речи

По словам кандидата психологических наук Валерии Демаревой, автоматическое выявление стресса по голосу позволяет обнаруживать перегрузки у операторов, диспетчеров и медперсонала, снижая риск ошибок и выгорания. Анализ также может фиксировать уязвимые состояния клиентов, например, для выявления мошеннических действий в банковской сфере.

Методика исследования

Стресс проявляется в голосе через изменения высоты тона, громкости и скорости речи. Для исследования применяли мел-частотные кепстральные коэффициенты (MFCC), устойчивые к шуму и подходящие для анализа эмоциональных состояний. Конвейер машинного обучения на их основе позволил классифицировать тревогу с точностью 91,9%.

Эксперимент и перспективы

В эксперименте 10 студентов проговаривали научные тексты в публичной и приватной обстановке. Каждый сегмент аудиозаписи анализировался отдельно, что дало надежные результаты. Демарева отмечает, что будущие шаги включают расширение выборки, добавление новых признаков и внедрение адаптивных архитектур для работы с реальными данными.

Больше новостей и эксклюзивных видео смотрите в канале Самара Онлайн 24 в MAX.

Читайте также:

Читать на сайте