Acceso usuarios
Argentina
Introducción. La computación afectiva y las ciencias afectivas pueden beneficiarse mutuamente mediante un enfoque interdisciplinario. Este estudio explora las dinámicas temporales de las emociones para fomentar esta conexión. Objetivos. Se busca desarrollar y comparar modelos predictivos para las dimensiones de valencia y activación (arousal), utilizando el conjunto de datos CASE, para entender mejor las emociones humanas. Metodología. El conjunto de datos CASE incluye datos fisiológicos y anotaciones afectivas de 30 participantes que respondieron a estímulos de vídeo. Se extrajeron y filtraron diversas variables fisiológicas, incluyendo la Actividad Electrodérmica (EDA), Electrocardiograma (ECG) y señales de respiración. Resultados. Se entrenaron modelos predictivos de emociones utilizando técnicas de Random Forest y XGBoost, logrando una performance predictiva de RMSE = 1.28. Discusión. Los hallazgos se compararon con modelos de referencia (baseline). De este modo, a partir de implementar modelos predictivos se espera lograr una mayor comprensión de las dinámicas temporales de las emociones. Esto podría tener implicaciones significativas para la computación afectiva y las ciencias afectivas, subrayando el potencial de este enfoque interdisciplinario.
