Identification and classification of academic stress by galvanic skin response

• Sandra García ^[1] ; Liliana Garzón ^[1] ; Luz Helena Camargo ^[1]
  1. [1] Universidad Distrital Francisco José de Caldas

     Universidad Distrital Francisco José de Caldas

     Colombia

     
• Localización: Visión electrónica, ISSN 1909-9746, ISSN-e 2248-4728, Vol. 10, Nº. 2, 2016
• Idioma: inglés
• Títulos paralelos:
  • Identificación y clasificación del estrés académico por la respuesta galvánica de la piel
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este trabajo presenta una evaluación del nivel de estrés académico en estudiantes de la Facultad de Ingeniería Electrónica de la Universidad Distrital Francisco José de Caldas (UDFJ de C), utilizando como herramientas la combinación de la respuesta galvánica de la piel (GSR) y la aplicación de un test sicológico del inventario SISCO. Para realizar la medición de GSR se diseñó un prototipo electrónico que considera características fundamentales como el tipo y la ubicación de los electrodos, la selección de frecuencia de trabajo, entre otras. Con la información obtenida se construyó una base de datos que permitió analizar y clasificar el nivel de estrés académico, empleando un método estadístico y un algoritmo genético, respectivamente. Se encontró que un 47.77% de los estudiantes presenta un nivel de estrés leve; seguido de un 38.88% con presencia de estrés moderado; y un 13.33% con alto nivel de estrés. En consecuencia, existe relación entre la GSR y la reacción del cuerpo a estímulos estresores; y se evidencia la importancia de incorporar la medida de ésta y otras variables fisiológicas para el diagnóstico y seguimiento del nivel de estrés académico.

  • English

    This paper presents an assessment of the level of academic stress from students of the Faculty of Electronic Engineering of the Francisco José de Caldas District University (FJCDU), combining the galvanic skin response (GSR) and the application of a psychological test inventory SISCO. An electronic prototype was designed for measurement of GSR, considering fundamental features, such as the electrodes type and location, and the working frequency, among other. With the information obtained, we built a database that allowed classification to the academic stress level, using a fuzzy inference system trained by a genetic algorithm. Through a statistical analysis, we found that 47.77% of students have low stress, followed by 38.88% of moderate stress level and finally 13.33% with high stress levels. Here is possible relationship between GSR and the body's reaction to stressful stimuli, suggesting the possibility of incorporating this variable for the diagnosis and monitoring of academic stress level.