پنجشنبه 14 فروردین 1404
| English
دوره 26، شماره 3 - ( پاییز 1403 )
جلد 26 شماره 3 صفحات 39-28 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Hatef B, Pirzad Jahromi G, Ramezanpour S. Measuring the degree of stress based on the Stroop test using the electrical resistance of the skin. Advances in Cognitive Sciences 2024; 26 (3) :28-39
URL: http://icssjournal.ir/article-1-1718-fa.html
URL: http://icssjournal.ir/article-1-1718-fa.html
هاتف بشری، پیرزاد جهرمی ژیلا، رمضانپور سعید. سنجش درجات استرس بر اساس تست استروپ با استفاده از مقاومت الکتریکی پوست. تازه های علوم شناختی. 1403; 26 (3) :28-39
بشری هاتف1 
، ژیلا پیرزاد جهرمی*1 ، سعید رمضانپور1
، ژیلا پیرزاد جهرمی*1 ، سعید رمضانپور1
1- مرکز تحقیقات علوم اعصاب، دانشگاه علوم پزشکی بقیه‌الله، تهران، ایران
چکیده: (586 مشاهده)
مقدمه: استرس طولانی مدت اثرات منفی زیادی دارد. لذا شناسایی وضعیت استرس در زندگی روزمره می‌تواند راه حلی پیشگیرانه برای کنترل عوامل استرس‌زا باشد. اندازه‌گیری مقاومت پوست گالوانیکی (GSR) می‌تواند برای گرفتن پاسخ‌های عصبی خودمختار در زمان استرس استفاده شود. هدف این مطالعه استفاده از GSR برای طبقه‌بندی استرس ناشی از آزمون استروپ رنگ_کلمه در مردان ایرانی بود.
روش کار: بخش اول: طراحی و مونتاژ دستگاه: 1) ماژول حسگرهای رسانایی پوست (GSR)، 2) ماژول STMf032k6t6، 3) ماژول .Ac بخش دوم: طراحی پروتکل استرس، ضبط داده‌ها و ماشین یادگیری برای سطح استرس طبقه‌بندی شده. 21 مرد جوان داوطلب، آزمون استروپ کلمه و رنگ انجام دادند. داده‌های GSR به بخش‌های 10 ثانیه‌ای تقسیم شدند، ویژگی‌های استخراج شده شامل میانگین، میانه، انحراف معیار شدت سیگنال، حداکثر، حداقل، متوسط باند فرکانس پایین و بالا و انحراف معیار آنها، شیب خط و تعداد بار عبور از خط صفر سیگنال GSR بود.
یافته‌ها: نتایج نشان داد که شاخص‌های مورد بررسی GSR بین استراحت و سه حالت استرس کم، متوسط و زیاد تفاوت معنادار وجود دارد. همچنین با استفاده از روش یادگیری ماشین و الگوریتم Lunberg-Marquardt داده‌ها با دقت 92/63 درصد قابل دسته‌بندی به چهار حالت استراحت، استرس کم، متوسط و زیاد بودند. بر اساس این نتایج، حساسیت طبقه‌بندی‌کننده به حالت استراحت کمتر از سایر حالت‌ها است. این مقدار برای تنش متوسط بالاتر بود.
نتیجه‌گیری: الگوریتم Lunberg-Marquardt نشان داد که شاخص‌های GSR حساس به درجه سختی آزمون استروپ به عنوان عامل سنجش شرایط استرس‌زا هستند.
روش کار: بخش اول: طراحی و مونتاژ دستگاه: 1) ماژول حسگرهای رسانایی پوست (GSR)، 2) ماژول STMf032k6t6، 3) ماژول .Ac بخش دوم: طراحی پروتکل استرس، ضبط داده‌ها و ماشین یادگیری برای سطح استرس طبقه‌بندی شده. 21 مرد جوان داوطلب، آزمون استروپ کلمه و رنگ انجام دادند. داده‌های GSR به بخش‌های 10 ثانیه‌ای تقسیم شدند، ویژگی‌های استخراج شده شامل میانگین، میانه، انحراف معیار شدت سیگنال، حداکثر، حداقل، متوسط باند فرکانس پایین و بالا و انحراف معیار آنها، شیب خط و تعداد بار عبور از خط صفر سیگنال GSR بود.
یافته‌ها: نتایج نشان داد که شاخص‌های مورد بررسی GSR بین استراحت و سه حالت استرس کم، متوسط و زیاد تفاوت معنادار وجود دارد. همچنین با استفاده از روش یادگیری ماشین و الگوریتم Lunberg-Marquardt داده‌ها با دقت 92/63 درصد قابل دسته‌بندی به چهار حالت استراحت، استرس کم، متوسط و زیاد بودند. بر اساس این نتایج، حساسیت طبقه‌بندی‌کننده به حالت استراحت کمتر از سایر حالت‌ها است. این مقدار برای تنش متوسط بالاتر بود.
نتیجه‌گیری: الگوریتم Lunberg-Marquardt نشان داد که شاخص‌های GSR حساس به درجه سختی آزمون استروپ به عنوان عامل سنجش شرایط استرس‌زا هستند.
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
علوم اعصاب شناختی
دریافت: 1403/6/17 | پذیرش: 1403/7/29 | انتشار: 1403/7/29
دریافت: 1403/6/17 | پذیرش: 1403/7/29 | انتشار: 1403/7/29
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
