• Киберпсихологи ННГУ разрабатывают модели машинного обучения для выявления тревоги по акустическим признакам.
• Определение уровня стресса и тревоги в речи имеет важное применение в образовании, психическом здоровье и взаимодействии человек-компьютер.
• Стресс активно проявляется в речи, вызывая изменения в голосе, ритме и тембре речи.
• Для исследования использовался конвейер машинного обучения на основе MFCC.
• MFCC выбраны из-за компактности, точности и устойчивости к шуму.
• Эксперимент включал запись речи студентов в двух ситуациях: публичной и приватной.
• Машинный классификатор Gradient Boosting смог различить тревогу в речи с точностью 91,9%.

«Автоматическое определение стресса по голосу дает инструмент для раннего выявления перегрузок - помогает своевременно обнаруживать уязвимые состояния у операторов, диспетчеров и медперсонала, снижая риск ошибок и выгорания. Также это и фиксация состояния клиента, что, к примеру, может быть полезно для выявления мошенничества - когда клиент введен в заблуждение и просит банк выполнить подозрительную операцию», - рассказала кандидат психологических наук, заведующая кафедрой киберпсихологии факультета социальных наук Университета Лобачевского Валерия Демарева.