يحلل نظام التعرف على المشاعر المعقدة (CERS) حالات المشاعر المعقدة من خلال فحص مجموعات من المشاعر الأساسية المعبرة، وترابطاتها، وتغيراتها الديناميكية. من خلال استخدام خوارزميات متقدمة، يوفر النظام رؤى عميقة حول الديناميات العاطفية، مما يسهل فهمًا دقيقًا واستجابات مخصصة. يتطلب تحقيق هذا المستوى من التعرف العاطفي في الآلات تقطير المعرفة وفهم مفاهيم جديدة تشبه الإدراك البشري. يمثل تطوير أنظمة الذكاء الاصطناعي لتمييز المشاعر المعقدة تحديات كبيرة مع عواقب هامة للحوسبة العاطفية. علاوة على ذلك، يعد الحصول على مجموعة بيانات كبيرة لمثل هذه الأنظمة أمرًا شاقًا بسبب التعقيدات المرتبطة بالتقاط المشاعر الدقيقة، مما يتطلب طرقًا متخصصة لجمع البيانات ومعالجتها. إن دمج الإشارات الفسيولوجية، مثل مخططات كهربية القلب (ECG) ومخططات كهربية الدماغ (EEG)، يعزز بشكل ملحوظ CERS من خلال تزويدنا برؤى حول حالات المشاعر لدى المستخدمين، مما يحسن جودة مجموعة البيانات ويعزز موثوقية النظام. تقدم هذه الدراسة مراجعة شاملة تقيم فعالية أساليب التعلم الآلي، والتعلم العميق، والتعلم الميتا في كل من التعرف على المشاعر الأساسية والمعقدة باستخدام تعبيرات الوجه، وEEG، وإشارات ECG. تقدم الأوراق البحثية المختارة وجهات نظر حول التطبيقات المحتملة، والآثار السريرية، ونتائج مثل هذه الأنظمة، بهدف تعزيز قبولها وإدماجها في عمليات اتخاذ القرارات السريرية. بالإضافة إلى ذلك، تسلط هذه الدراسة الضوء على فجوات البحث والتحديات في فهم أنظمة التعرف على المشاعر، مما يشجع على مزيد من التحقيق من قبل الدراسات والمنظمات ذات الصلة. أخيرًا، يتم التأكيد على أهمية أساليب التعلم الميتا في تحسين أداء النظام وتوجيه الأبحاث المستقبلية، مع التطبيقات المحتملة في الجامعات لتعزيز البحث التعليمي، ومراقبة رفاهية الطلاب، وتطوير أنظمة التعليم الذكية.
درس جولوداري وآخرون (مون،) هذا السؤال.