@ARTICLE{10.21494/ISTE.OP.2025.1328, 

TITLE={Classification automatique des émotions par exploitation du capteur de mouvement et de la dynamique de frappe sur smartphone}, 
  
AUTHOR={Nicolas Simonazzi
, Jean-Marc Salotti
, Caroline Dubois
, Philippe Le Goff, }, 
	
JOURNAL={Ingénierie cognitique}, 
	
VOLUME={8}, 

NUMBER={Numéro 1}, 
	
YEAR={2025}, 

URL={https://www.openscience.fr/Classification-automatique-des-emotions-par-exploitation-du-capteur-de}, 
	
DOI={10.21494/ISTE.OP.2025.1328}, 
	
ISSN={2517-6978}, 
	
ABSTRACT={Nous présentons les résultats d’une étude sur une classification binaire des émotions, à partir de données recueillies grâce aux capteurs de mouvement et aux frappes clavier d’un smartphone et d’un bracelet connecté. À cette fin, nous avons développé une application mobile permettant d’induire des émotions par le biais de vidéos et d’enregistrer les interactions des utilisateurs. Un système d’auto-évaluation numérique spécifique a été développé à partir de la Geneva Emotion Wheel pour aider les participants à exprimer leurs émotions. Les enregistrements des capteurs ont été étiquetés en fonction des déclarations des participants et des conditions vidéo. Une méthode est ainsi proposée pour traiter les données temporelles collectées et classer automatiquement la valence des émotions déclarées grâce à des techniques d’apprentissage automatique. Nous avons testé une classification générale de la valence utilisant toutes les émotions de tous les individus et une classification personnalisée utilisant un sous-ensemble d’émotions d’un seul individu. Le résultat le plus prometteur a été obtenu avec un modèle personnalisé, pour lequel nous avons pu obtenir, en moyenne pour tous les participants, deux tiers de classification correcte de la valence, en utilisant des données fusionnées de différentes modalités.}}