پژوهشگران دانشگاه گدیمنس ویلنیوس لیتوانی و مرکز هوش ماشینی آوبورن ایالات متحده امریکا در پژوهشی بر اساس تحلیل فضای مجازی جهانی به بررسی تغییرات بایوریتم هیجانی در پاندمی کووید-۱۹ پرداختند.
روش:
در این پژوهش که از تحلیل دادههای کلان (big data) استفاده شد، بازه زمان ۲۲ نوامبر ۲۰۱۷ تا ۲۰ می ۲۰۲۰ مورد بررسی قرار گرفت. پژوهش شامل بررسی تغییرات سطح شادکامی، غم، و کیفیت (valence) آنها بر اساس ریتمهای ساعتی، روزانه و فصلی بود. در ۱۸ نقطه از شهر ویلنیوس دوربین های اینترنتی تشخیص چهره و دوربین های مادون قرمز (برای شتخیص دما) نصب شد. ۱۸۰ میلیون داده در مورد هیجانات چهره در ساعات مختلف شبانه روز طی این بازه زمانی بدست آمد.
از نظر کیفیت، هیجانات به یک هیجان مثبت (شادی) و ۴ هیجان منفی (ناراحتی، ترس، خشم، و اشمئزاز) تقسیم شدند.
دوربینها در ساعات مختلف به ضبط چهرههای عابران بدون در نظر گرفتن هویت فردی آنها پراختند. بنابریان، در این پژوهش هیچ داده جمعیت شناختی و هویتی (جنس، ملیت، قومیت، تحصیلات، سن، مذهب، و وضعیت اجتماعی-اقتصادی) لحاظ نشد.
یافتهها:
- تغییرات کیفیت هیجانات و ناراحتی افراد طی چرخههای شبانهروزی پیش و پس از پاندمی کووید-۱۹ بطور معکوس تغییر و نوسان دارند. به این معنا که دمای صورت (بعنوان مولفه کیفیت هیجان شادی) رابطه منفی و معکوس با حالت هیجانی غم در چهره افراد دارد.
- تغییرات کیفیت هیجانات، شادی، ناراحتی، و دمای بدن افراد طی چرخه های روزانه و هفتگی با همدیگر همبستگی و همگامی دارند.
- در تحلیل بایوریتم هیجانی، دو قله برای شادی وجود دارد: صبح زود اول وقت و نیمه شب. قله های هیجان شادی در صبح ها شنبه و یکشنبه دو ساعت دیرتر از سایر ایام هفته بودند. این امر نشانگر تاثیر خواب بر شروع ریتمهای هیجانی است. میزان شادی اواسط صبح رو به افول رفته و مجدداً هنگام غروب افزایش می یابد. همچنین، میزان شادی در آخر هفته (جمعه، شنبه و یکشنبه) به طور معناداری بیش از میزان آن در روزهای کاری است.
- بیشترین میزان دمای بدن در حدود ساعت ۷ تا ۸ عصر و کمترین میزان آن صبح اول وقت است.
- تنها عامل دخیل در تغییرات الگوهای هیجانی، تغییرات فصلی و تغییرات ساعت های خواب/بیداری است. الگوهای ساعتی، روزانه، و فصلی هیجانی در افراد تحت تاثیر عوامل استرسزای محیطی (حتی پاندمی کووید-۱۹) تغییر خاصی نمی کنند.
راهبردهای کارکردی:
- طبق تحقیقات صورت گرفته، در انسان بایوریتم هیجانی در پاندمی کووید-۱۹ تفاوتی با دوره دوساله قبل از آن نداشته است. حتی میزان، شدت و کیفیت هیجانات نیز تغییرات خاصی در جمعیت کلی از خود نشان ندادهاند. این امر با ادراک هیجانی کاملاً متفاوت است.
- زمانهای کلیدی شادکامی متفاوت از زمان ها و ساعتهای کاری است. این امر عاملی مهم برای بازارهای مالی است. زیرا شادکامی افراد در بازارهای مالی بویژه بورس و فارکس منجر به تصمیمگیریهای عقلانی تر آنها، کاهش رفتار گلهای و در نتیجه کاهش ضرر و زیانشان خواهد شد.
- بخش مهمی از آموزش های مهارتهای مدیریت هیجانی، آموزش شناسایی و تنظیم زیست چرخههای هیجانی فردی است. در صورت انطباق فعالیتهای شغلی و سازمانی با ریتمهای شبانهروزی و فصلی هیجانی، میتوان میزان بهرهوری سازمانی به نحو موثری افزایش داد.
Diurnal emotions, valence and the coronavirus lockdown analysis in public spaces
Abstract
A large-scale analysis of diurnal and seasonal mood cycles in global social networks has been performed successfully over the past ten years using Twitter, Facebook and blogs.
This study describes the application of remote biometric technologies to such investigations on a large scale for the first time. The performance of this research was under real conditions producing results that conform to natural human diurnal and seasonal rhythm patterns.
The derived results of this, 208 million data research on diurnal emotions, valence and facial temperature correlate with the results of an analogical Twitter research performed worldwide (UK, Australia, US, Canada, Latin America, North America, Europe, Oceania, and Asia).
It is established that diurnal valence and sadness were correlated with one another both prior to and during the period of the coronavirus crisis, and that there are statistically significant relationships between the values of diurnal happiness, sadness, valence and facial temperature and the numbers of their data.
Results from the simulation and formal comparisons appear in this article. Additionally the analyses on the COVID-19 screening, diagnosing, monitoring and analyzing by applying biometric and AI technologies are described in Housing COVID-19 Video Neuroanalytics.
Keywords
Diurnal emotions, Valence and facial temperature, COVID-19, Public spaces, Remote biometric technologies, Large-scale data analysis, Worldwide comparisons
لینک منبع پیشنهادی برای مطالعه بیشتر (further reading)