VR-tool voor spreken in het openbaar volgt stress en emotie in realtime

Achtergrond

Mensen die stotteren ervaren vaak verhoogde stress en angst in sociale spreeksituaties, maar de relatie tussen die interne toestanden en momenten van disfluency kan moeilijk van buitenaf te observeren zijn. Traditionele benaderingen vertrouwen sterk op subjectieve zelfrapportages of klinische observatie, die beide belangrijk detail kunnen missen. Het “Speak in Public”-project had als doel een multimodaal systeem te bouwen dat vastlegt wat er fysiologisch en emotioneel in realtime gebeurt terwijl een persoon spreekt in een virtuele omgeving.

Wat de onderzoekers deden

Het team creëerde een VR-applicatie met vijf geleidelijk uitdagendere sociale scenario’s: hardop voorlezen alleen, voorlezen aan een kleine groep, een presentatie geven, een gesprek voeren en een sollicitatiegesprek voltooien. Elke deelnemer droeg een biosensor-polsband die continu elektrodermale activiteit, hartslag en huidtemperatuur registreerde. Tegelijkertijd analyseerde een spraakemotieherkenningsmodule vocale kenmerken om de emotionele toestand van de spreker te classificeren. Vijf jonge mannen die stotteren (15 tot 19 jaar) voltooiden alle vijf scenario’s.

Wat ze vonden

Elk scenario produceerde meetbare fysiologische opwinding, wat bevestigt dat de VR-omgevingen sociaal betekenisvol aanvoelden. Het sollicitatiegesprek genereerde consequent de hoogste stresswaarden bij alle deelnemers. Cruciaal was dat elk stottermoment dat optrad tijdens de sessies overeen kwam met een periode die de biosensoren hadden geclassificeerd als hoge stress, wat het verband tussen fysiologische opwinding en disfluency versterkt. Het emotieherkenningssysteem identificeerde angst als de meest voorkomende emotionele toestand, hoewel individuele profielen aanzienlijk varieerden - sommige deelnemers toonden meer woede of verdriet in specifieke scenario’s, wat de persoonlijke aard van deze ervaringen benadrukt.

Waarom dit belangrijk is

Deze studie toont aan dat het combineren van VR met draagbare sensoren en stemanalyse een rijk, objectief, realtime beeld kan produceren van hoe een persoon die stottert reageert op verschillende sociale druk. In plaats van uitsluitend te vertrouwen op wat iemand achteraf rapporteert, zouden behandelaars precies kunnen zien wanneer stress piekt, welke scenario’s het meest uitdagend zijn voor een bepaald individu en hoe emotionele reacties verschuiven over contexten. Dit soort gegevens zou zeer gepersonaliseerde planning voor getrapte blootstelling kunnen ondersteunen.

Beperkingen

De steekproef was zeer klein - slechts vijf deelnemers, allen mannelijk en binnen een smal leeftijdsbereik - waardoor de bevindingen niet breed gegeneraliseerd kunnen worden. De studie toonde aan dat het systeem technisch werkt maar mat niet of het gebruik ervan in de loop van de tijd leidt tot betekenisvolle veranderingen in angst of communicatiezelfvertrouwen. Het emotieherkenningscomponent, hoewel veelbelovend, heeft bekende nauwkeurigheidsbeperkingen en legt mogelijk niet de volledige complexiteit vast van wat iemand voelt.