WARM-VR：虛擬實境中多模態穿戴式情緒辨識基準資料集
arXiv - Human-Computer InteractionKarim Alghoul, Faisal Mohd, Fedwa Laamarti, Hussein Al Osman, Abdulmotaleb El Saddik
本文推出 WARM-VR 資料集，利用穿戴式感測器與多感官 VR 環境，研究並評估沉浸式情境下的情緒辨識技術。
AI 幫你先抓重點
AI 重點 1
從靜態環境轉向沉浸式多感官環境的情緒辨識研究。
滑鼠懸停看 AI 判斷理由
傳統情緒辨識多侷限於靜態場景，本研究透過結合視覺、聽覺與嗅覺的 VR 環境，填補了沉浸式互動情境下生理數據與情緒關聯性的研究空白。
AI 重點 2
多模態生理感測器在情緒監測中的整合應用。
滑鼠懸停看 AI 判斷理由
結合 BVP、EDA、ECG 等多種穿戴式數據，能提供比單一指標更全面的情緒狀態圖譜，這對於開發具備情緒感知能力的智慧化學習環境至關重要。
核心研究發現
- 1
研究發現 VR 放鬆體驗能顯著降低負面情緒，且加入嗅覺增強效果後，情緒調節效果更為明顯。
- 2
在情緒效價（Valence）的二元分類中，使用 BVP 數據的 CNN 與 CNN-Bi-GRU 模型表現最佳，F1 分數達 0.63。
- 3
針對喚醒度（Arousal）的辨識，輕量化 Transformer 架構表現最均衡，優於傳統的循環神經網路混合模型。
- 4
在放鬆任務的實驗中，CNN-Bi-GRU 模型展現了最高的整體性能，平均 F1 分數為 0.64。
對教育工作者的啟發
對於教育科技開發者而言，此研究強調了「多感官刺激」（如嗅覺）在調節情緒中的潛力。在設計數位學習環境或專題式學習（PBL）的壓力管理工具時，不應僅依賴視覺與聽覺，可考慮整合更多感官維度來優化學習者的情緒狀態。此外，利用穿戴式設備進行即時情緒監測，能為自主學習（SRL）提供生理層面的數據支持，幫助系統在學習者感到挫折或壓力過大時，及時介入並提供適當的放鬆或引導資源。
原始文獻資訊
- 英文標題：
- Introducing WARM-VR: Benchmark Dataset for Multimodal Wearable Affect Recognition in Virtual Reality
- 作者：
- Karim Alghoul, Faisal Mohd, Fedwa Laamarti, Hussein Al Osman, Abdulmotaleb El Saddik
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。