Acute stress is linked to a variety of negative outcomes, including increased risk for mental and physical diseases, and reduced quality of life. Effective induction and accurate measurement of acute stress responses are important for both research and clinical purposes. Traditional methods rely on laboratory-based stressors, which can be costly, time-consuming, and impractical for large-scale studies or real-world applications. Measurements in outside-the-lab settings mostly reflect subjective stress levels while objective and feasible measures of biological stress consequences are scarce. This thesis aims to overcome these limitations by linking traditional psycholog-ical stress research with innovative computer science methods. First, covered by a published study, the concept, development and online evaluation of a new Digital Stress Test (DST) for the induction and video-recording of acute stress responses are presented. In this study, the first prototype of the DST was tested in a large and experimenter-independent online study with 284 participants. Results show that the DST could induce significantly higher levels of perceived stress and negative affect compared to the control condition. Going beyond this study, further developments of the DST and a pre-registered follow-up validation study are outlined. In this study, participants perform the DST and the gold standard laboratory stress induction paradigm Trier Social Stress Test while their physiological stress responses are evaluated. Lastly, the potentials of using the DST to contribute to the development of video-based stress detection methods are critically reviewed. Therefore, a follow-up online study for collecting a video dataset is outlined and, based on the results of a further already published study, the applicability of baseline machine learning algorithms for video-based stress detection discussed. The findings in this thesis imply several potentials of the Digital Stress Test: First, the DST is applicable as a tool for inducing acute stress responses in outside-the-lab settings and thus making more ecologically valid and scalable stress studies possible. Secondly, it also allows for gathering videos capturing stress-related behavioral data in real-world scenarios and therefore supporting the development of reliable stress detection algorithms. Finally, this thesis may present the DST as an invitation for promoting open and collaborative research in the interdisciplinary field between psychology and computer science.
Akuter Stress ist mit einer Vielzahl negativer Auswirkungen verbunden, einschließlich einem erhöhtem Risiko für psychische und körperliche Erkrankungen sowie reduzierter Lebensqualität. Eine wirksame Induktion und genaue Messung akuter Stressreaktionen ist sowohl für Forschungs- als auch für klinische Zwecke relevant. Traditionelle Methoden setzen auf im Labor durchgeführte Stressoren, die kostenintensiv, zeitaufwendig und unpraktisch für groß angelegte Studien oder Anwendungen im alltäglichen Leben sein können. Messungen außerhalb des Labors spiegeln meist das subjektive Stresslevel wider, während objektive und alltagstaugliche Methoden zur Messung von biologischen Stressfolgen fehlen. Diese Dissertation zielt darauf ab, diese Einschränkungen durch die Verbindung traditioneller psychologischer Stressforschung mit innovativen Methoden der Informatik zu überwinden. Zunächst wird die veröffentlichte Studie über das Konzept, die Entwicklung und die Online-Evaluation eines neuen Digitalen Stress Tests (DST) für die Induktion und Videoaufzeichnung akuter Stressreaktionen vorgestellt. In dieser Studie wurde der erste Prototyp des DST in einer großen und experimentatorunabhängigen Online-Studie mit 284 Teilnehmenden getestet und konnte im Vergleich zur Kontrollbedingung signifikant stärkeren wahrgenommenen Stress und negativen Affekt auslösen. Über die Studie hinausgehend werden Weiterentwicklungen des DST und eine prä-registrierte Validierungsstudie skizziert. In dieser zusätzlichen Studie führen die Teilnehmenden den DST und das Goldstandard-Stressinduktionsparadigma Trier Social Stress Test durch, wobei Daten zu physiologischen Stressreaktionen erhoben werden. Abschließend wird das Potential, den DST für die Entwicklung von videobasierten Stresserkennungsalgorithmen zu nutzen, kritisch überprüft. Dafür werden Pläne einer weiteren Online-Studie zur Erstellung eines Videodatensatzes skizziert und, basierend auf den Ergebnissen einer weiteren bereits veröffentlichen Studie, die Anwendbarkeit von Grundlagenalgorithmen des maschinellen Lernens für die videobasierte Stresserkennung diskutiert. Die Ergebnisse dieser Dissertation zeigen die vielfältigen Einsatzmöglichkeiten des DST auf: Zunächst kann der DST zur Induktion akuter Stressreaktionen außerhalb des Labors angewendet werden und somit ökologisch valide und skalierbare Stressstudien ermöglichen. Darüber hinaus ermöglicht er die Sammlung von Videos, die stressbezogene Verhaltensdaten in realen Szenarien erfassen und unterstützt damit die Entwicklung von zuverlässigeren Stress-Detektionsalgorithmen. Zusammenfassend können diese Dissertation und der DST als Einladung zur Förderung offener und kollaborativer Forschung im interdisziplinären Bereich zwischen Psychologie und Informatik dienen.