Integrating an Emotion Recognition Model for the Flobi System

This thesis investigates if emotional states of users interacting with a virtual robot can be recognized reliably and if specific interaction strategy can change the users’ emotional state and affect users’ risk decision. For this investigation, the OpenFace [1] emotion recognition model was intended to be integrated into the Flobi [2] system, to allow the agent to be aware of the current emotional state of the user and to react appropriately. There was an open source ROS [3] bridge available online to integrate OpenFace to the Flobi simulation but it was not consistent with some other projects in Flobi distribution. Then due to technical reasons DeepFace was selected. In a human-agent interaction, the system is compared to a system without using emotion recognition. Evaluation could happen at different levels: evaluation of emotion recognition model, evaluation of the interaction strategy, and evaluation of effect of interaction on user decision. The results showed that the happy emotion induction was 58% and fear emotion induction 77% successful. Risk decision results show that: in happy induction after interaction 16.6% of participants switched to a lower risk decision and 75% of them did not change their decision and the remaining switched to a higher risk decision. In fear inducted participants 33.3% decreased risk 66.6 % did not change their decision The emotion recognition accuracy was and had bias to. The sensitivity and specificity is calculated for each emotion class. The emotion recognition model classifies happy emotions as neutral in most of the time.

Characterization of a dual-energy X-ray absorptiometry system for soft tissues assessment and their correlations with metabolic state

Il crescente utilizzo di sistemi di analisi high-throughput per lo studio dello stato fisiologico e metabolico del corpo, ha evidenziato che una corretta alimentazione e una buona forma fisica siano fattori chiave per la salute. L'aumento dell'età media della popolazione evidenzia l'importanza delle strategie di contrasto delle patologie legate all'invecchiamento. Una dieta sana è il primo mezzo di prevenzione per molte patologie, pertanto capire come il cibo influisce sul corpo umano è di fondamentale importanza. In questo lavoro di tesi abbiamo affrontato la caratterizzazione dei sistemi di imaging radiografico Dual-energy X-ray Absorptiometry (DXA). Dopo aver stabilito una metodologia adatta per l'elaborazione di dati DXA su un gruppo di soggetti sani non obesi, la PCA ha evidenziato alcune proprietà emergenti dall'interpretazione delle componenti principali in termini delle variabili di composizione corporea restituite dalla DXA. Le prime componenti sono associabili ad indici macroscopici di descrizione corporea (come BMI e WHR). Queste componenti sono sorprendentemente stabili al variare dello status dei soggetti in età, sesso e nazionalità. Dati di analisi metabolica, ottenuti tramite Magnetic Resonance Spectroscopy (MRS) su campioni di urina, sono disponibili per circa mille anziani (provenienti da cinque paesi europei) di età compresa tra i 65 ed i 79 anni, non affetti da patologie gravi. I dati di composizione corporea sono altresì presenti per questi soggetti. L'algoritmo di Non-negative Matrix Factorization (NMF) è stato utilizzato per esprimere gli spettri MRS come combinazione di fattori di base interpretabili come singoli metaboliti. I fattori trovati sono stabili, quindi spettri metabolici di soggetti sono composti dallo stesso pattern di metaboliti indipendentemente dalla nazionalità. Attraverso un'analisi a singolo cieco sono stati trovati alti valori di correlazione tra le variabili di composizione corporea e lo stato metabolico dei soggetti. Ciò suggerisce la possibilità di derivare la composizione corporea dei soggetti a partire dal loro stato metabolico.

Emotional contagion in consecutive interpreting: An empirical study with novice interpreters

It has recently been noticed that interpreters tend to converge with their speakers’ emotions under a process known as emotional contagion. Emotional contagion still represents an underinvestigated aspect of interpreting and the few studies on this topic have tended to focus more on simultaneous interpreting rather than consecutive interpreting. Korpal & Jasielska (2019) compared the emotional effects of one emotional and one neutral text on interpreters in simultaneous interpreting and found that interpreters tended to converge emotionally with the speaker more when interpreting the emotional text. This exploratory study follows their procedures to study the emotional contagion potentially caused by two texts among interpreters in consecutive interpreting: one emotionally neutral text and one negatively-valenced text, this last containing 44 negative words as triggers. Several measures were triangulated to determine whether the triggers in the negatively-valenced text could prompt a stronger emotional contagion in the consecutive interpreting of that text as compared to the consecutive interpreting of the emotionally neutral text, which contained no triggers—namely, the quality of the interpreters’ delivery; their heart rate variability values as collected with EMPATICA E4 wristbands; the analysis of their acoustic variations (i.e., disfluencies and rhetorical strategies); their linguistic and emotional management of the triggers; and their answers to the Italian version of the Positive and Negative Affect Schedule (PANAS) self-report questionnaire. Results showed no statistically significant evidence of an emotional contagion evoked by the triggers in the consecutive interpreting of the negative text as opposed to the consecutive interpreting of the neutral text. On the contrary, interpreters seemed to be more at ease while interpreting the negative text. This surprising result, together with other results of this project, suggests venues for further research.