การวิเคราะห์สภาวะอารมณ์ด้วยเทคนิคเหมืองกระบวนการ

การอ้างอิง|Citation

ประจิน พลังสันติกุล. (2564). การวิเคราะห์สภาวะอารมณ์ด้วยเทคนิคเหมืองกระบวนการ (วิทยานิพนธ์ปรัชญาดุษฎีบัณฑิต). กรุงเทพฯ: บัณฑิตวิทยาลัย มหาวิทยาลัยสยาม.

Palangsantikul, Prajin. (2021). Emotion analytics with process mining (Doctoral dissertation). Bangkok: Doctor of Philosophy in Information Technology, Siam University.

บทคัดย่อ

งานวิจัยนี้เป็นการใช้เทคนิคเหมืองกระบวนการ (Process Mining) ด้วยอัลกอริทึม “Fuzzy Miner” และ “Dotted Chart Analysis” ในการวิเคราะห์แนวโน้มทางอารมณ์ (Emotion Analytics) เพื่อวัตถุประสงค์ในการค้นหาและตรวจสอบรูปแบบทางอารมณ์ของนักศึกษาในโครงการ StudentLife โดยใช้ชุดข้อมูลแอปพลิเคชัน PAM (เครื่องมือการวัดอารมณ์ด้วยรูปภาพ) และแบบสอบถามภาวะซึมเศร้า (PHQ-9) ซึ่งเป็นแนวทางใหม่ในการตรวจสอบและวิเคราะห์อารมณ์ของบุคคล ทำให้เห็นภาพแบบจำลองแนวโน้มของอารมณ์ กระบวนการที่เกิดขึ้น ความถี่ การเกิดซ้ำที่ต่อเนื่อง การกระจายตัวของอารมณ์ ความสัมพันธ์ของแต่ละอารมณ์ พฤติกรรมทางอารมณ์ ด้วยภาพแบบจำลองของเทคนิคเหมืองกระบวนการเพียงภาพเดียว งานวิจัยนี้เริ่มต้นด้วยการจัดเตรียมชุดข้อมูล (เตรียมและทำความสะอาดข้อมูล) เพื่อให้สามารถนำไปใช้กับเทคนิคเหมืองกระบวนการ ได้ โดยใช้ภาษาไพทอน (Python)  เพื่อเปลี่ยนรูปแบบของข้อมูลบันทึกเหตุการณ์ที่รวบรวมในขั้นต้นจาก JSON เป็นรูปแบบ/โครงสร้างที่เหมาะสม โดยแบ่งกลุ่มตัวอย่างด้วย ตัวบ่งชี้อารมณ์ 16 อารมณ์พื้นฐานจาก ‘Russel’s Circumplex Affect Grid’ และแบ่งระดับภาวะซึมเศร้า 5 ระดับได้แก่ 1. น้อยที่สุด 2. น้อย 3. ปานกลาง 4. รุนแรงปานกลาง และ 5. รุนแรง เพื่อให้ได้ผลลัพธ์ตามวัตถุประสงค์ของงานวิจัยนี้ คือ ภาพแบบจำลองแนวโน้มทางอารมณ์เชิงบวก/ลบ (Valence)  และความตื่นตัวทางอารมณ์ (Arousal) เพื่อนำมาใช้เป็นเครื่องมือช่วยประกอบการวิเคราะห์ภาวะซึมเศร้าของบุคคลได้ ซึ่งเป็นพื้นฐานสำหรับการศึกษาเทคนิคเหมืองกระบวนการกับการวิเคราะห์อารมณ์ต่อไปในอนาคต

คำสำคัญ: เหมืองกระบวนการ, การวิเคราะห์อารมณ์, ภาวะซึมเศร้า, เครื่องมือวัดอารมณ์ด้วยภาพ, ชีวิตนักศึกษา

Abstract

This research applied process mining based on fuzzy miner and dotted chart analysis algorithms to discover and analyze the emotional patterns (Emotion Analytics) of students during the StudentLife project using the PAM application (i.e., Photographic Affection Meter), and the Patient Health Questionnaire (PHQ-9). In the first part of the research, the preparation of the dataset (or data preparation/cleansing) was discussed mainly through Python programming. This is where the format of the collected event logs was changed from JSON to the appropriate format/structure supported by process mining platforms and techniques. In the second part of the research, 16 common emotional indicators, derived from the ‘Russel’s Circumplex Affect Grid’ were categorized into five levels as follows: 1. Minimal; 2. Minor; 3. Moderate; 4. Moderately Severe; and 5. Severe. The third part of the research fully addressed the work’s objectives. The visual models of positive/negative (valence) emotions and emotional arousal were generated by process mining techniques to analyze a person’s depression. The main contribution of the thesis was to use process mining as a new approach to visualize emotional patterns of individuals in terms of process maps, frequency, recurrence, distribution of emotions, a relationship of each emotion, and the emotional behaviors in terms of the ‘Russel’s Circumplex Affect Grid’, and based on the pictures/answers selected (by each individual) in PAM and PHQ-9. The approach proposed in this research provides the groundwork for further and future research and studies.

Keywords: Process Mining, Emotion Analytics, Depression, Photographic Affection Meter, Student Life.

การวิเคราะห์สภาวะอารมณ์ด้วยเทคนิคเหมืองกระบวนการ|Emotion Analytics with Process Mining

Doctor of Philosophy in Information Technology, Siam University, Bangkok, Thailand