فایل ورد کامل احساس عاطفی: تلفن های همراه مبتنی بر چهارچوب انطباقی برای پژوهش روانشناسی اجتماعی تجربی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل احساس عاطفی: تلفن های همراه مبتنی بر چهارچوب انطباقی برای پژوهش روانشناسی اجتماعی تجربی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۴۴ صفحه

تلفن های همراه امروزی با توجه به قابلیت های سنجش، پردازش و ارتباط دارای پلت فرم محاسباتی غنی و قدرتمندی می باشند. بعلاوه، تلفن ها بخشی از زندگی روزمره میلیاردها انسان می باشند، درنتیجه ابزارهای فوق العاده مناسبی می باشند تا بوسیله آنها بدون مزاحمت(unobtrusive) بتوان آزمایش های روانی و اجتماعی را انجام داد.
در این مقاله EmotionSense را شرح می دهیم که پلت فرمی برای سنجش تلفن همراه در مطالعات روانشناسی اجتماعی مبتنی بر تلفن های همراه می باشد. مشخصه های کلیدی شامل توانایی سنجش احساسات فردی و همچنین فعالیت ها، تعاملات کلامی و مجاورت(proximity) در میان اعضای گروه های اجتماعی می باشد. بعلاوه، این سیستم بواسطه استفاده از زبان اظهاری(declarative language) قابل برنامه ریزی می باشد و می تواند برای بیان قوانین انطباقی(adaptive) و بهبود ذخیره برق مورد استفاده قرار گیرد. ما الگوی سیستم گوشی های نوکیا سیمبین را با استفاده از چندین آزمایش در مقیاس کوچک ارزیابی نمودیم تا عملکرد آن را از نظر دقت و مصرف برق آزمایش نماییم. در نهایت، نتایج حاصل از گسترش واقعی احساسات و تعاملات شرکت کنندگان در این مطالعه را ارائه می نماییم. سنجش هایمان را توسط نتایج به دست آمده از طریق پرسشنامه های پر شده توسط کاربران و نتایج ارائه شده در پژوهش های روانشناختی اجتماعی با استفاده از روش های سنتی، اعتبار سنجی(cross-validate) می نماییم. علی الخصوص، نشان می دهیم که چگونه می توان احساسات گویندگان و شرکت کنندگان را به صورت خودکار با استفاده از طبقه بندی کننده های در حال اجرا در گوشی های تلفن همراه در دسترس تشخیص داد و چگونه می توان صحبت کردن و تعاملات را با سنجش فعالیت ها و مکان مرتبط نمود.

واژه های کلیدی در طبقه بندی ACM : کاربر H.1.2 / سیستم ماشینی | علوم اجتماعی و رفتاری J.4 | تشخیص الگوی I.5

واژه های عمومی : الگوریتم ها | طراحی | آزمایش.

واژه های کلیدی نویسنده : تشخیص احساسات | تشخیص صدا | روانشناسی اجتماعی | تلفن های همراه | کارآیی انرژی

عنوان انگلیسی:

EmotionSense: A Mobile Phones based Adaptive Platform for Experimental Social Psychology Research

~~en~~ writers :

Kiran K. Rachuri, Mirco Musolesi, Cecilia Mascolo, Peter J. Rentfrow, Chris Longworth, Andrius Aucinas

Today’s mobile phones represent a rich and powerful computing platform, given their sensing, processing and communication capabilities. Phones are also part of the everyday
life of billions of people, and therefore represent an exceptionally suitable tool for conducting social and psychological
experiments in an unobtrusive way.
In this paper we illustrate EmotionSense, a mobile sensing platform for social psychology studies based on mobile
phones. Key characteristics include the ability of sensing
individual emotions as well as activities, verbal and proximity interactions among members of social groups. Moreover, the system is programmable by means of a declarative language that can be used to express adaptive rules to
improve power saving. We evaluate a system prototype on
Nokia Symbian phones by means of several small-scale experiments aimed at testing performance in terms of accuracy
and power consumption. Finally, we present the results of
real deployment where we study participants emotions and
interactions. We cross-validate our measurements with the
results obtained through questionnaires filled by the users,
and the results presented in social psychological studies using traditional methods. In particular, we show how speakers
and participants’ emotions can be automatically detected by
means of classifiers running locally on off-the-shelf mobile
phones, and how speaking and interactions can be correlated
with activity and location measures.

ACM Classification Keywords: H.1.2 User/Machine Systems | J.4 Social and Behavioral Sciences | I.5 Pattern Recognition.

General Terms: Algorithms | Design | Experimentation.

Author Keywords: Emotion Recognition | Speaker Recognition | Social Psychology | Mobile Phones | Energy Efficiency.

$$en!!