LAUREATE：支持情感计算和人类记忆增强研究的数据集

可穿戴传感器的最新发展导致了各种消费级设备的问世，使用户能够监测和改善他们的身体活动、睡眠模式、认知负荷和压力水平。然而，缺乏开箱即用的标签数据阻碍了用于预测情感状态的先进机器学习模型的发展。此外，据我们所知，在人类记忆增强领域没有公开可用的数据集。我们发表了一个在大学环境中进行了13周研究期间收集的数据集。该数据集名为LAUREATE，包含42名学生在26节课（包括考试）期间的生理数据、每日自我报告询问学生关于生活习惯（如学习时间、体力活动和睡眠质量）以及他们在多次考试中的表现。除原始数据外，我们还提供了来自生理数据的专家特征，用于估计自我报告情感的基线机器学习模型、识别课程与休息的模型以及用户识别模型。除了本文 presented 的用例（包括人类记忆增强）外，该数据集代表了UbiComp社区在各个领域的丰富资源，包括情感识别、行为建模、用户隐私以及活动和上下文识别。