| dc.contributor.advisor | Μενύχτας, Ανδρέας | |
| dc.contributor.author | Μόφορης, Δημήτριος | |
| dc.date.accessioned | 2026-10-06T09:58:04Z | |
| dc.date.available | 2026-10-06T09:58:04Z | |
| dc.date.issued | 2026-09 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/19822 | |
| dc.description.abstract | Η παρούσα εργασία παρουσιάζει τον σχεδιασμό και την υλοποίηση ενός πολυτροπικού πληροφοριακού συστήματος για την ανίχνευση γνωστικού φορτίου και ψυχολογικής επιβάρυνσης σε περιβάλλον εργασίας υπολογιστή. Το σύστημα συνδυάζει τρεις μη επεμβατικές πηγές δεδομένων: φυσιολογικά σήματα από webcam μέσω φωτοπληθυσμογραφίας απόστασης (rPPG), συνεχή ανάλυση προσώπου για εκτίμηση οπτικής κόπωσης και συναισθηματικής κατάστασης στον χώρο Valence-Arousal, και μεταδεδομένα δραστηριότητας υπολογιστή μέσω εφαρμογής Flutter/Dart με Windows APIs.
Η αρχιτεκτονική βασίζεται στην αρθρωτότητα, με κάθε υποσύστημα να επικοινωνεί με τα υπόλοιπα αποκλειστικά μέσω κοινής βάσης δεδομένων SQLite. Η συγχώνευση των modalities υλοποιείται μέσω late fusion με σταθμισμένα βάρη, παράγοντας έναν ενιαίο δείκτη άγχους (stress_index ∈ [0,1]) ανά παράθυρο πέντε λεπτών. Η βαθμολόγηση βασίζεται σε απόκλιση από το προσωπικό baseline του χρήστη και όχι σε γενικά κατώφλια πληθυσμού, αντιμετωπίζοντας έναν κεντρικό περιορισμό της υπάρχουσας βιβλιογραφίας.
Η αξιολόγηση πραγματοποιήθηκε σε τεχνικό και λειτουργικό επίπεδο μέσω αυτοματοποιημένων δοκιμών και λειτουργικών σεναρίων χρήσης. Επιπλέον, πραγματοποιήθηκε συγκριτική αξιολόγηση δύο τοπικά εκτελούμενων γλωσσικών μοντέλων (Llama 3.1 8B και Qwen3.5:4b) μέσω του DeepEval framework με ανεξάρτητο κριτή (Gemma 4:12b). Η απουσία εκτεταμένης πιλοτικής μελέτης αναγνωρίζεται ως περιορισμός, ιδίως ως προς την αποδοχή των παρεμβάσεων και την αντίληψη ιδιωτικότητας από τελικούς χρήστες. Παρ' όλα αυτά, η υλοποίηση δείχνει ότι η πολυτροπική προσέγγιση με εξατομικευμένο baseline και τοπική επεξεργασία αποτελεί εφαρμόσιμη κατεύθυνση για συστήματα υποστήριξης ευεξίας σε περιβάλλον εργασίας υπολογιστή. | el |
| dc.format.extent | 138 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Σχεδιασμός και υλοποίηση πολυτροπικού πληροφοριακού συστήματος για την ανίχνευση γνωστικού φορτίου και ψυχολογικής επιβάρυνσης σε περιβάλλον εργασίας υπολογιστή | el |
| dc.title.alternative | Design and implementation of a multimodal information system for cognitive load and psychological stress detection in computer-based work environments | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | This thesis presents the design and implementation of a multimodal information system for the detection of cognitive load and psychological stress in computer-based work environments. The system integrates three non-invasive data streams: physiological signals extracted from a standard webcam via remote photoplethysmography (rPPG), continuous facial analysis for the estimation of eye strain indicators and emotional state in the Valence-Arousal space, and desktop activity metadata collected through a Flutter/Dart application using Windows APIs.
The architecture adheres to a modular design principle, with each subsystem operating independently and communicating exclusively through a shared SQLite database. Data fusion is implemented via a weighted late fusion mechanism, producing a unified stress index (stress_index ∈ [0,1]) per five-minute window. Scoring is individually calibrated, computed as deviation from the user's personal resting baseline rather than general population-level thresholds, thus addressing a central limitation identified in the existing literature.
The evaluation was conducted at a technical and functional level through automated tests and functional usage scenarios. Additionally, a comparative evaluation of two locally executed language models (Llama 3.1 8B and Qwen3.5:4b) was performed using the DeepEval framework with an independent judge model (Gemma 4:12b). The absence of an extended pilot study with participants is acknowledged as a limitation, particularly with respect to user acceptance of interventions and perceived privacy. Nevertheless, the technical implementation demonstrates that a multimodal approach combining personalised baseline calibration and fully local processing constitutes a feasible direction for well-being support systems in computer-based work environments. | el |
| dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
| dc.subject.keyword | Ανίχνευση άγχους | el |
| dc.subject.keyword | Πολυτροπική συγχώνευση | el |
| dc.subject.keyword | rPPG | el |
| dc.subject.keyword | Ανάλυση προσώπου | el |
| dc.subject.keyword | Valence-arousal | el |
| dc.subject.keyword | Τοπικά γλωσσικά μοντέλα | el |
| dc.subject.keyword | Desktop context | el |
| dc.subject.keyword | Εξατομικευμένο baseline | el |
| dc.subject.keyword | DeepEval | el |
| dc.subject.keyword | Privacy-by-design | el |
| dc.subject.keyword | Εργαζόμενοι γνώσης | el |
| dc.subject.keyword | Stress detection | el |
| dc.subject.keyword | Multimodal fusion | el |
| dc.subject.keyword | Facial analysis | el |
| dc.subject.keyword | Knowledge workers | el |
| dc.date.defense | 2026-09-29 | |