Jeu de données BAH pour la reconnaissance de l’ambivalence et de l'hésitation
La reconnaissance d’émotions complexes liées à l’ambivalence et à l’hésitation (A/H) peut jouer un rôle majeur dans la personnalisation et l’efficacité des interventions numériques visant le changement de comportement. Ces émotions subtiles et contradictoires se manifestent par une discordance entre plusieurs modalités, notamment les expressions faciales et vocales ainsi que le langage corporel.
Bien que des expertes et experts puissent être formés pour identifier l’A/H, leur intégration dans des interventions numériques demeure coûteuse et moins efficace. Les systèmes d’apprentissage automatique offrent une solution plus abordable, capable de s’adapter à chaque personne utilisatrice et de fonctionner de manière fluide en temps réel dans des environnements aux ressources limitées. Toutefois, il n’existe actuellement aucun jeu de données permettant de concevoir des modèles d’apprentissage automatique pour reconnaître l’A/H.
À propos du jeu de données BAH
Nous avons conçu le premier jeu de données Behavioural Ambivalence/Hesitancy (BAH), élaboré pour reconnaître des émotions subtiles dans des vidéos grâce à une analyse multimodale.
Faits saillants
- 300 participantes et participants provenant de 9 provinces canadiennes, représentant une diversité d’âges et d’origines ethniques.
- 1427 vidéos totalisant 10,6 heures de contenu (dont 1,8 heure consacrée aux moments d’A/H).
- Les participantes et participants ont répondu à 7 questions soigneusement élaborées, à l’aide de leur caméra et de leur microphone.
- Annotations d’expertes et d’experts indiquant les indices d’A/H aux niveaux de l’image et de la vidéo.
- Transcriptions complètes des vidéos avec horodatage.
- Images faciales recadrées et alignées pour chaque image (frame).
- Métadonnées riches sur les participantes et participants.
Ce que contient le jeu de données
Notre équipe en sciences du comportement a annoté chaque vidéo avec rigueur afin d’identifier les moments où l’ambivalence et l’hésitation surviennent, fournissant aux chercheuses et chercheurs des segments précisément horodatés ainsi que des indices détaillés d’A/H.
Le jeu de données comprend aussi des résultats préliminaires d’évaluation comparative pour des modèles de base, incluant :
Les performances modestes des modèles de base illustrent bien la difficulté réelle de détecter ces états émotionnels subtils dans un contexte vidéo naturel.
Licence / Téléchargement
Le jeu de données BAH est assorti d’une licence propriétaire pour un usage exclusif en recherche. Pour en faire la demande, suivez les instructions fournies ici : lien de téléchargement du jeu de données BAH.
Voir la citation BibTeX
@article{gonzalez-25-bah,
title="{BAH} Dataset for Ambivalence/Hesitancy Recognition in Videos for Behavioural Change",
author="González-González, M. and Belharbi, S. and Zeeshan, M. O. and Sharafi, M. and Aslam, M. H. and Pedersoli, M. and Koerich, A. L. and Bacon, S. L. and Granger, E.",
journal="CoRR",
volume="abs/2505.19328",
year="2025"
}
Matériel supplémentaire
Pour nous joindre
Pour toute question, veuillez écrire au directeur du LIVIA : eric.granger@etsmtl.ca.
Remerciements
Ce travail a été soutenu en partie par le Fonds de recherche du Québec – Santé, le Conseil de recherches en sciences naturelles et en génie du Canada, la Fondation canadienne pour l’innovation et l’Alliance de recherche numérique du Canada. Nous remercions les stagiaires ayant participé à l’annotation du jeu de données : Jessica Almeida (Université Concordia, Université du Québec à Montréal) et Laura Lucia Ortiz (MBMC).