Tesis:
Improving Mental and Emotional Wellbeing based on Intelligent Techniques. Application to the case of Smart Offices
- Autor: MUÑOZ LÓPEZ, Sergio
- Título: Improving Mental and Emotional Wellbeing based on Intelligent Techniques. Application to the case of Smart Offices
- Fecha: 2023
- Materia:
- Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION
- Departamentos: INGENIERIA DE SISTEMAS TELEMATICOS
- Acceso electrónico: https://oa.upm.es/73105/
- Director/a 1º: IGLESIAS FERNÁNDEZ, Carlos Ángel
- Resumen: El lugar de trabajo es uno de los entornos que más repercuten en la salud psicológica de la población, y se ha demostrado que la inversión en el bienestar laboral produce beneficios sustanciales para empleados y empresas. La evolución de la tecnología ha promovido el desarrollo de nuevos enfoques para la promoción de la salud emocional y mental, y esta tesis pretende avanzar en la aplicación de estos enfoques al lugar de trabajo. En concreto, se ha tratado de avanzar en tres líneas diferentes: la detección automática del estado psicológico mediante métodos no intrusivos; el análisis efectivo de estrategias de promoción del bienestar mental y emocional; y la adaptación automática e inteligente del entorno.
En cuanto a la detección automática del estado psicológico, esta tesis contribuye con el diseño de soluciones no intrusivas basadas en aprendizaje automático para el reconocimiento de trastornos mentales. Por un lado, se ha avanzado en la detección de trastornos mentales a partir del texto con una solución para detectar el estrés que combina características extraídas de léxicos con representaciones distribucionales. Por otro lado, se ha diseñado un sistema para predecir el nivel de estrés actual de un individuo utilizando datos de su estrés circundante, es decir, sus niveles de estrés anteriores junto con el de sus compañeros cercanos. Ambas soluciones mostraron resultados positivos durante la evaluación experimental.
En cuanto a la segunda línea, esta tesis contribuye con el diseño de un modelo de agentes para el estrés laboral basado en las condiciones ambientales y laborales. El modelo se ha integrado en un sistema de simulación, permitiendo la evaluación de diferentes políticas de promoción de la salud mental. La fiabilidad del sistema ha sido validada mediante varios experimentos que incluyen la experimentación en el laboratorio y el análisis de sensibilidad.
Por último, esta tesis avanza en la investigación sobre la adaptación inteligente del entorno. Se ha diseñado una arquitectura para una plataforma de automatización de tareas que integra mediante tecnologías semánticas sensores y actuadores orientados a la detección y regulación de emociones. De esta forma, la plataforma mejora el bienestar de los empleados mientras que garantiza la interoperabilidad y la escalabilidad de todos sus componentes. Se ha observado que dicha plataforma tiene resultados positivos en la evaluación experimental, aumentando el bienestar y la productividad de los usuarios.
ABSTRACT
The workplace is one of the environments that most impacts on population psychological health and well-being, and there is growing evidence that investment in work-related wellbeing derives substantial beneőts for employees and companies. The rapid development of technology has fostered the development of new approaches to the promotion of emotional and mental health. Thus, this thesis aims to advance in the research of this őeld and its application to the workplace. Speciőcally, we sought to advance the research in three diferent lines: automatic psychological awareness using non-obtrusive methods; analysis of mental and emotional well-being promotion strategies; and smart environment adaptation.
Regarding automatic psychological awareness, this thesis contributes with advancements in unobtrusive and economical solutions for automatic mental illness recognition based on machine learning. On the one hand, we further early mental disorder detection from text with an approach to detect psychological stress combining a lexicon-based feature framework with distributional representations. On the other hand, we have designed a machine learning approach to predict the current stress level of an individual using their surrounding stressrelated data, that is, their previous stress levels along with stress levels from their close colleagues. Both solutions showed positive results during the experimental evaluation.
As for the second line, this thesis contributes with the design of an agent model for occupational stress based on ambient and work conditions. The model has been integrated into a simulation system, enabling the evaluation of diferent mental health promotion policies at work. The reliability of the system has been validated through several experiments including in-lab experimentation and sensitivity analysis.
Finally, this thesis advances in the research on the intelligent adaptation of the environment. An architecture has been designed for a task automation platform that integrates through semantic technologies sensors and actuators oriented to the detection and regulation of emotions. In this way, the platform promotes the well-being of employees while ensuring the interoperability and scalability of all its components. It has been observed that this platform has positive results in the experimental evaluation, increasing the well-being and productivity of users.