Using electroencephalograms to interpret and monitor the emotions
Thèse ou mémoire
2017-12 (octroi du grade: 2018-10-18)
Auteur·e·s
Directeur·trice·s de recherche
Cycle d'études
MaîtriseProgramme
Sciences de l'informationRésumé·s
Le long voyage de la technologie a totalement changé la vie des gens : les humains ont marché sur la lune, les rovers1 découvrent Mars, les ordinateurs sont une partie inséparable de nos vies et dans le domaine de la santé, il y a des traitements pour beaucoup de maladies et l’espérance de vie a été significativement accrue. En plus, les scientifiques ont étudié les émotions humaines et ont essayé de les détecter en se basant sur differents paramètres tels que l'expression faciale, la parole et l'intonation, la réponse électrique et la communication verbale. Ces méthodes fonctionnent sur la base de l'effet des émotions humaines sur le corps et le comportement, mais l'émotion n'est pas le seul paramètre qui affecte le corps et les attitudes des gens. De plus, les personnes pourraient faire semblant, cacher leurs émotions et contrôler leurs réactions. En plus, les personnes ayant une limitation physique réduiront la précision de la reconnaissance correcte des émotions. Les chercheurs ont trouvé une relation directe entre les émotions et les activités cérébrales, les gens ou les limitations physiques ne pourront pas réduire la certitude de l'émotion détectée.
Nous avons utilisé les EEG (électroencéphalogramme) pour créer un outil appelé Emotimap, qui détecte les émotions actuelles, surveille l'évolution émotionnelle en temps réel, et détecte également l'émotion générale. L'émotion actuelle est ressentie de façon brève et forte par rapport à des facteurs émotionnels et l’émotion générale est celle qui engage les gens pendant une longue période. Emotimap utilise des formules pour calculer l'Arousal et la Valence des personnes, puis ignore les sensations non stabilisées et cartographie le résultat sur les deux dimensions du diagramme de Circumplex de Russel pour détecter les émotions.
Nous avons demandé à 20 personnes de participer à une expérimentation dans laquelle ils sont confrontés à différents facteurs émotionnels dans une réalité virtuelle (RV) isolée pour observer et sauvegarder l'information du facteur émotionnel et de leurs réactions. Les résultats montrent que les participants ont ressenti exactement ce qui était attendu avec le taux de 37,73% lorsque la distance métrique est seulement 1,55%, la distance métrique étant la proximité du ressenti et de l’émotion attendue (un plus petit nombre montre la plus grande similitude). La comparaison des différentes formules montre que les équations les plus similaires sont des formules avec le même nombre de capteurs utilisant avec 𝛽 et 𝛽low le taux de 40% de similarité, avec une distance métrique entre 20% à 60%. La raison est que certaines équations détectent les émotions plus tôt et d'autres forment des pics d’amplitude plus grands. En détail, les relations mathématiques avec 𝛽high détectent une émotion un peu plus tôt que les équations avec 𝛽low. De plus, les formules avec douze capteurs suivent les changements très faibles d’amplitude des EEG, les formules avec quatre capteurs sont plus sensibles dans les pics, et les formules avec deux capteurs sont les plus sensibles. La comparaison de la similarité des réactions des participants avec la similarité des caractéristiques basées sur le test Big 5 montre que l'effet de la mémoire est plus fort que l'effet de leur caractéristiques. En analysant les résultats, Emotionap a pu détecter avec succès l'émotion générale du participant avec un taux de 95%. The long journey of technology has totally changed human’s life: human stepped on the moon, Mars rovers2 are discovering the Mars, computers are one inseparable part of our lives and in the health section, people live longer, there are treatments for lots of sicknesses. Also, scientists have studied human’s emotion and tried to detect their emotions based on different parameters such as facial expression, speech and intonation, electrical response, verbal communication. These methods work based on the effect of human emotions on body and behavior, but the emotion is not the only parameter that effect on body and attitudes of people. Additionally, people could pretend, hide their emotions and control their body and reactions, also, people with a limit on their body movement will reduce the accuracy of correct recognition of emotion. Researchers found a direct relation between emotions and brain activities, people or limit in body movement could not reduce the certainty of detected emotion.
We used EEG (Electroencephalogram) to create a tool called Emotimap that detects current emotion, monitor emotional evolution in real-time, also detects the general emotion. Current emotion is brief and strong, emotions that people feel again any emotional factor and general emotion is the emotion that engages people for a long time. Emotimap uses formulas to calculate the Arousal and Valence of people then ignore unstabled feels and maps the result on the two dimensions Russel’s Circumplex diagram to detect the emotions.
We asked 20 people to participate in an experimentation in which they faced up with different emotional factors in an isolated Virtual Reality (VR) to observe and save the information of emotional factor and their reactions. The results show participants have felt exactly what was expected with the rate of 37.73% when the metric distance is just 1.55%, metric distance is the proximity of felt and expected emotions (smaller number shows the more similarity). Comparing different formulas shows the most similar equations goes to formulas with the same number of sensors using 𝛽 and 𝛽low with the rate of 40% of similarity, with metric distance in range of 20% to 60%. This is because some equations detect emotions sooner and some others are more strong in picks amplitude. In detaile, equation with 𝛽high detects an emotion a little bit sooner then a equation with 𝛽low, also, formulas with twelve sensors chase the EEG amplitude changes very weak when equation with four sensors are more sensible in picks, and the formulas with two sensors are the most sensible. Comparing the similarity of the participant reactions with their similarity of charactristics based on Big 5 test shows that the effect of memories is more stronger than the effect of their charactristic. Analysing the result shows Emotionap could successfully detect general emotion of participant with the rate of 95%.
Ce document diffusé sur Papyrus est la propriété exclusive des titulaires des droits d'auteur et est protégé par la Loi sur le droit d'auteur (L.R.C. (1985), ch. C-42). Il peut être utilisé dans le cadre d'une utilisation équitable et non commerciale, à des fins d'étude privée ou de recherche, de critique ou de compte-rendu comme le prévoit la Loi. Pour toute autre utilisation, une autorisation écrite des titulaires des droits d'auteur sera nécessaire.