Yousefpour Lazarjani, Shaghayegh
(2023).
« Detection of "flow" state in real-time by electroencephalography and machine learning during a gaming experience » Mémoire.
Montréal (Québec), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
L’une des principales raisons de jouer aux jeux vidéo est la joie d’être dans un état de haute concentration qui se sépare du monde qui l’entoure. Une telle sensation d’implication s’appelle l’état de flow. Dans ce mémoire, il a été tenté de détecter un tel état à l’aide de données d’électroencéphalogramme multicanal acquises auprès des joueurs lors d’un jeu. Nous essayons de le faire par le biais d’un processus de nettoyage des données, de traitement des données, d’extraction et de sélection de caractéristiques, et enfin de classification, le tout en utilisant une combinaison d’ASR, de wICA, d’EMD/VMD, de DWT, de caractéristiques statistiques et enfin, de SVM et de réseaux de neurones, respectivement. Les résultats de tous ces efforts n’étaient pas souhaitables pour l’industrie, ce qui nous a conduits à la deuxième étape de ce travail de recherche, à savoir pourquoi. Après avoir découvert que les résultats malheureux de la détection de flux étaient dus à des données corrompues et bruyantes, nous démontrons que la méthodologie qui a été suivie repose sur un raisonnement logique solide et le fait qu’elle peut être appliquée à la fois à une seule et à plusieurs -espace de données dimensionnel, le tout en appliquant une méthode à motif similaire sur des données EMG à canal unique, en essayant de classer les signaux sains et non sains. Cette dernière tentative aboutit à d’excellents résultats qui seront rapportés plus loin dans le mémoire.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : électroencéphalogramme, jeu vidéo, traitement du signal EEG, état de flux, engagement du joueur, classification EEG, apprentissage automatique
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu et enrichi en format PDF/A. |
|
Directeur de thèse: |
Boukadoum, Mounir |
| Mots-clés ou Sujets: |
État de flux / Immersion vidéoludique / Joueurs de jeux vidéo / Électroencéphalogramme / Traitement du signal / Apprentissage automatique |
| Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
30 août 2023 12:21 |
| Dernière modification: |
30 août 2023 12:21 |
| Adresse URL : |
http://archipel.uqam.ca/id/eprint/16835 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
