Digital Wellbeing

Unsere Mission

Die Forschungsgruppe Digital Wellbeing ist an der Schnittstelle zwischen digitalen Technologien und persönlichem Wohlbefinden tätig. Wir arbeiten interdisziplinär mit klinischen Spezialist*innen, Sozialwissenschaftler*innen und technischen Expert*innen zusammen, um Probleme hilfsbedürftiger Gesellschaftsschichten anzugehen.

Wir entwickeln unsere eigenen Werkzeuge, z. B. sensorgestützte, kontextuelle Blickerfassung, um weitreichende Probleme im Bereich der körperlichen und geistigen Gesundheit besser zu verstehen. Unser Ziel ist, sozial und technologisch innovative Konzepte und Lösungen wissensbasiert zu entwickeln und Handlungsempfehlungen auf regionaler und EU-Ebene zu prägen.

Projekte

EyeQTrack – Quantitative Blickerfassunganalytik für adaptives XR-Training und Rehabilitation im Gesundheitswesen

Eine adaptive eXtended-Reality-Umgebung für Trainings- und Therapiezwecke.

XR2Resilience

Ein Extended-Reality-Trainingsprogramm zur Verbesserung der Resilienz von Mitarbeiter*innen des Gesundheitswesens.

Smart Companion

Nutzung alltäglicher Low-Cost Roboter Sensorik in Verbindung mit Methoden der smarten Spracherkennung für Assistenzdienste für ältere Menschen

BRELOMATE 2

Im Rahmen des Projekts BRELOMATE 2 soll das Fernsehgerät in Kombination mit einem Steuerungstablet zum benutzungsfreundlichen und kostengünstigen Herzstück einer Spiele-, Informations- und Kommunik...

UmBrello – Digitale.Dorf.Dienste

Das interdisziplinäre Sondierungsprojekt UmBrello setzt sich mit der Durchführbarkeit einer Kommunikations- und Serviceplattform für ältere Mitmenschen im ländlichen Raum auseinander.

BRELOMATE

Mehr Abwechslung und Kommunikationsmöglichkeiten für ältere Menschen durch technologische Unterstützung: „BRELOMATE“ zielt darauf ab, die Einbindung von sozial isolierten älteren Menschen in ...

Publikationen

Bibtex für alle Ergebnisse downloaden

Vulpe-Grigorasi, A., Kren, Z., Slijepčević, D., Schmied, R., & Leung, V. (2024). Attention performance classification based on eye tracking and machine learning. Informatics 2024 Proceedings. IEEE International Scientific Conference on Informatics, Poprad Slovakia. https://doi.org/10.1109/Informatics62280.2024.10900810

Vulpe-Grigorasi, A., Gollan, B., & Leung, V. (2024). Assessing Cognitive Load in Distraction and Task Switching: Implications for Developing Realistic Clinical XR Training. 41st Computer Graphics International Conference, CGI 2024, Geneva, Switzerland, July 1–5, 2024, Proceedings, Part II, 15339, pp 84-98. https://doi.org/https://doi.org/10.1007/978-3-031-82021-2_6

Vulpe-Grigorasi, A. (2023). Cognitive load assessment based on VR eye-tracking and biosensors. Proceedings of the 22nd International Conference on Mobile and Ubiquitous Multimedia, 589–591. https://doi.org/10.1145/3626705.3632618

Vulpe-Grigorasi, A. (2023). Multimodal machine learning for cognitive load based on eye tracking and biosensors. 2023 Symposium on Eye Tracking Research and Applications, 1–3. https://doi.org/10.1145/3588015.3589534

Leung, V., Simone Hofbauer, Leonhartsberger, J., Kee, C., Liang, Y., & Schmied, R. (2022, 05). Influence of education systems on children’s visual behaviours as an environmental risk factor for myopia: a quantitative analysis with LIDAR-sensor tracking in classrooms. 18th International Myopia Conference, Rotterdam.