Desarrollo de sistema de adquisición de datos que detecte niveles de estrés

Wendy Aracely Sánchez Gómez; Alfonso Vega Garza; Anabel Pineda-Briseño; Ileana Guzmán-Prince; Alicia Martínez-Rebollar

doi:10.29057/xikua.v13i25.14032

Autores/as

Wendy Aracely Sánchez Gómez Tecnológico Nacional de México / Instituto Tecnológico de Matamoros https://orcid.org/0000-0002-8576-5621
Alfonso Vega Garza Tecnológico Nacional de México / Instituto Tecnológico de Matamoros https://orcid.org/0009-0000-8436-4933
Anabel Pineda-Briseño Tecnológico Nacional de México / Instituto Tecnológico de Matamoros https://orcid.org/0000-0002-5296-4210
Ileana Guzmán-Prince Tecnológico Nacional de México / Instituto Tecnológico de Matamoros https://orcid.org/0000-0001-5893-6627
Alicia Martínez-Rebollar Tecnológico Nacional de México | Centro Nacional de Investigación y Desarrollo Tecnológico https://orcid.org/0000-0002-1071-8599

DOI:

https://doi.org/10.29057/xikua.v13i25.14032

Palabras clave:

Estrés laboral, Salud Mental, Factores ambientales y fisiológicos

Resumen

El artículo aborda el creciente problema del estrés laboral en la vida moderna, intensificado por la pandemia de COVID-19, que ha aumentado las exigencias laborales y la presión, provocando un incremento del estrés crónico con efectos negativos en la salud física, mental y la calidad de vida de los trabajadores. Para enfrentar este reto, se propone un sistema de adquisición de datos diseñado para recolectar y analizar información relevante en la detección del estrés. Este sistema mide factores ambientales y fisiológicos clave, inspirándose en investigaciones previas sobre el impacto del estrés en los empleados y su entorno laboral. El objetivo es identificar señales tempranas de estrés a través de la captura de datos, lo que permite monitorear y evaluar las condiciones que influyen en el bienestar de los trabajadores. La propuesta representa una herramienta para detectar el estrés en los entornos laborales y contribuir a su prevención.

Descargas

Los datos de descargas todavía no están disponibles.

Información de Publicación

Este artículo

Otros artículos

Revisores por pares

Revisores: 2

2.4 promedio

Perfiles de revisores N/D

Declaraciones del autor

Disponibilidad de datos

N/A

16%

Financiamiento externo

No

32% con financiadores

Intereses conflictivos

N/D

11%

Para esta revista

Otras revistas

Artículos aceptados

42%

33%

Días hasta la publicación

71

145

Indexado en

GS

Editor y comité editorial: perfiles
Sociedad académica: N/D
Editora:: Universidad Autónoma del Estado de Hidalgo

Citas

R. S. B. Medina, M. E. G. Castellanos, J. L. A. Gonzales, K. H. P. Xespe, and B. M. Palao, “Effects of Covid-19 on work stress,” Universidad Ciencia y Tecnología, vol. 25, no. 109, Jun. 2021, doi: 10.47460/uct.v25i109.458.

OCC Mundial, “Estrés Laboral en México 2021,” Estrés Labor en México 2021. Accessed: May 14, 2023. [Online]. Available: https://www.occ.com.mx/blog/estres-laboral-en-mexico/

S. Punait and G. F. Lewis, “Theory informed framework for integrating environmental and physiologic data in applications targeting productivity and well-being in workplace,” in UbiComp/ISWC 2019- - Adjunct Proceedings of the 2019 ACM International Joint Conference on Pervasive and Ubiquitous Computing and Proceedings of the 2019 ACM International Symposium on Wearable Computers, Association for Computing Machinery, Inc, Sep. 2019, pp. 179–182. doi: 10.1145/3341162.3343829.

O. K. Ornek and M. N. Esin, “Effects of a work-related stress model based mental health promotion program on job stress, stress reactions and coping profiles of women workers: a control groups study,” BMC Public Health, vol. 20, no. 1, Dec. 2020, doi: 10.1186/s12889-020-09769-0.

E. Howe et al., “Design of Digital Workplace Stress-Reduction Intervention Systems: Effects of Intervention Type and Timing,” in Conference on Human Factors in Computing Systems - Proceedings, Association for Computing Machinery, Apr. 2022. doi: 10.1145/3491102.3502027.

E. Garcia-Ceja, V. Osmani, and O. Mayora, “Automatic Stress Detection in Working Environments from Smartphones’ Accelerometer Data: A First Step.”, 2015.