《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》：Trends and Opportunities for Open-Source Biometric Sensing Applications in Human Factors & Related Fields
编辑推荐：
摘要翻译：
生物特征信号有望增强人因学（Human Factors, HF）及相关领域的研究图景。然而，许多现有的研究级生物特征设备运行在昂贵且专有的系统上，而消费级设备多为闭源，对数据的访问有限甚至无法访问。为弥补这一缺口，研究人员开发了EmotiBit
摘要翻译：
生物特征信号有望增强人因学（Human Factors, HF）及相关领域的研究图景。然而，许多现有的研究级生物特征设备运行在昂贵且专有的系统上，而消费级设备多为闭源，对数据的访问有限甚至无法访问。为弥补这一缺口，研究人员开发了EmotiBit——一种经过科学验证的、可穿戴的、开源的生物特征传感器模块，能够采集一系列情绪、生理和运动数据。价格低廉、开源、非侵入式的硬件可以降低学术实验室和行业从业人员将研究级生理感知整合到其研发（Research & Development, R&D）流程中的准入门槛。在上市5年后，研究人员已开始观察到EmotiBit在研究和工业应用中的使用趋势。本文调查了使用EmotiBit的科学应用全景，并报告了开源生物特征感知对人因学及相关领域的影响。
以下为论文解读文章：
### 开源生物特征感知在人因学及相关领域中的趋势与机遇——基于EmotiBit应用的系统综述
#### 1. 研究背景与问题
人因学（Human Factors, HF）及相关领域长期依赖生理信号来理解人类在复杂系统中的行为、认知与情绪状态。然而，研究级生物特征设备（如Empatica、Shimmer、BIOPAC等）通常成本高昂且采用专有系统，数据访问受限；消费级设备（如Apple Watch、FitBit）虽然普及，但多为闭源，用户无法获取原始数据或进行定制化分析。这种研究级与消费级设备之间的鸿沟，限制了学术实验室和工业研究者的设备可及性，也限制了可提出的研究问题类型。为填补这一空白，研究人员开发了EmotiBit——一种经过科学验证的、可穿戴的、开源生物特征传感器模块，能够采集多种情绪、生理和运动数据。EmotiBit具有三大特点：（1）开源软件平台和可视化工具，允许研究者实时访问超过16种生物信号的原始数据；（2）可与外围设备配对，实现多点数据采集；（3）价格低廉、体积小巧，可灵活佩戴于身体多个部位。EmotiBit的传感器已对照金标准生物特征设备进行科学验证，确保数据质量。本文旨在调查EmotiBit在学术和工业应用中的使用趋势，评估开源生物特征感知对人因学及相关领域的影响。
#### 2. 研究开展与主要结论
研究人员对已发表或预发表的科学论文（包括学位论文）进行了系统性分析，排除了纯艺术项目、黑客松、非人类研究、仅提出传感器使用设想的摘要以及信息不足的论文。最终共纳入50篇论文。两名研究人员采用亲和映射（affinity mapping）方法进行主题分析，将论文归入主要主题和二级子主题，并由第三名独立研究者验证主题分类。分析结果归纳出6个主要使用主题：认知负荷（Cognitive Load）、情绪检测与调节（Emotion Detection & Regulation）、环境监测与舒适度（Environmental Monitoring & Comfort）、医疗保健与康复（Healthcare & Rehabilitation）、安全（Safety）以及虚拟现实研究方法（VR Research Methodology）。其中，情绪检测与调节（20篇）、认知负荷（14篇）和医疗保健与康复（13篇）是最大的应用类别。此外，研究人员统计了各传感器使用频率：82%的论文使用了光电容积脉搏波（Photoplethysmogram, PPG），78%使用了皮电活动（Electrodermal Activity, EDA），38%采集了皮肤温度，20%使用了惯性测量单元（Inertial Measurement Unit, IMU），2%未指明。值得注意的是，92%的论文将EmotiBit与其他硬件设备（如环境监测传感器、VR头显、反馈执行器、人形机器人等）结合使用，显示出开源平台对系统集成和扩展性的强烈需求。
#### 3. 主要关键技术方法
本研究所用关键技术方法包括：（1）文献系统性筛选：对已发表或预发表的科学论文进行纳入和排除标准筛选，最终纳入50篇满足条件的论文；（2）主题分析：两名研究人员使用亲和映射方法对论文进行主题归纳，形成主要主题和二级子主题，并由第三名研究者独立验证；（3）传感器使用频率统计：统计各论文中使用的EmotiBit传感器类型（PPG、EDA、皮肤温度、IMU）及其组合；（4）系统集成分析：记录论文中EmotiBit与其他硬件设备的配合使用情况。本研究未涉及实验样本队列，分析对象为已发表的文献集合。
#### 4. 研究结果
- **认知负荷（Cognitive Load）**：14篇论文评估了认知负荷，应用领域包括工作场所和工业环境（如航空、制造）、教育与环境学习、个人能动性、驾驶和电子游戏。这些研究利用生理信号实时监测任务执行者的认知负荷水平，以优化任务设计或提升安全性。
- **情绪检测与调节（Emotion Detection & Regulation）**：这是最主要的应用类别，20篇论文使用EmotiBit进行情绪检测、分类和调节，子主题包括自我调节反馈系统、自适应AR/VR/XR环境、工业/工作场所/医疗保健场景中的绩效评估、环境设计以及驾驶情境。这类研究利用EDA和PPG信号捕捉情绪唤醒状态，进而驱动自适应系统或反馈干预。
- **环境监测与舒适度（Environmental Monitoring & Comfort）**：5篇论文研究了环境舒适度的神经生理学基础，包括室内气候、热调节以及城市居民健康或福祉。这类研究通常结合皮肤温度传感器与环境数据，以评估物理环境对人体生理状态的影响。
- **医疗保健与康复（Healthcare & Rehabilitation）**：13篇论文涉及医疗保健或康复场景，包括健康状况或生命体征监测、辅助生活或老年化场景、疼痛管理、模拟MRI过程以及康复跟踪与进展反馈系统。IMU在此类研究中较常使用，以追踪患者运动状态。
- **安全（Safety）**：7篇论文利用生理感知研究增强安全措施的系统，应用领域涵盖健康、航空、驾驶、自然灾害和工作场所相关事故。这些研究通过实时监测压力或疲劳信号，预防人为失误。
- **VR研究方法论（VR Research Methodology）**：1篇论文聚焦于集成多种多模态数据流以提高数据采集效率，展示了EmotiBit在虚拟现实研究基础设施中的可扩展性。
此外，传感器使用频率分析显示，PPG和EDA是使用最广泛的信号源，表明情绪唤醒和自主神经活动是当前研究的主要关注点；皮肤温度常与环境舒适度研究结合；IMU则更多用于安全与康复场景中的运动跟踪。
#### 5. 讨论与结论总结
讨论部分指出，开源设计赋予研究者灵活性和可扩展性，使其能够将EmotiBit与定制化或市售设备集成，构建完全定制的研究方案。92%的论文将EmotiBit与其他硬件结合使用，反映出研发场景中对这种可扩展性的强烈需求。成本可负担性降低了设备获取门槛，使研究者能够探索以往无法触及的新研究问题。结论部分总结：据研究者所知，这是首次对开源生物特征设备EmotiBit在人因学特定研究中的使用情况进行概述。理解作者选择实施生理和情绪传感的主题方式是一个关键收获。高比例的论文使用PPG和EDA，揭示了这些数据流的强烈需求。开源为数据分析和与其他定制或现成研究设备的集成提供了灵活性和可扩展性，而可负担性降低了获取门槛，使研究者能够提出以往无法触及的新问题。
