Human emotion is inclusive of experiential, behavioural and physiological components. Research methodologies within the humanities have tended to over-emphasize the experiential component through assessments derived from self-report measures and interviews. With advances in unobtrusive wearable technologies the acquisition of moment-to-moment physiological data is now available to a wider audience than ever before. Using data collected with the Empatica E4 wristband, the the Situation Specific Arousal Analyzer (SSAA) application, available for both OS X and Windows, has been designed to support non-clinical research and analysis into the physiological measurement and tracking of autonomic nervous system arousal with a focus on state specific anxiety within the context of foreign language education. The data quantification and packaging of the SSAA represents innovation in accessible research methodology applicable to the study of foreign language education anxiety. SSAA data allows correlations and relationships to be analyzed with other affective variables of common interest such as motivation, achievement, personality and a willingness to communicate. Non-clinical researchers can incorporate medical grade physiological data into their repertoire and align research into foreign language education anxiety with the technological opportunities available.

人間の感情には経験的要素、行動的要素、生理的要素があります。人文科学分野の研究手法では、自己報告やインタビューによる評価を通じた経験的な要素が強調される傾向にあります。しかし、目立たないウェアラブル技術の進歩により一瞬一瞬の生理学的データの取得が、これまで以上に多くの人に利用されるようになりました。Empatica E4リストバンドで収集したデータを使用して、OS XとWindowsの両方で利用可能なSituation Specific Arousal Analyzer（SSAA）アプリケーションは、外国語教育の文脈において状態特異的な不安に焦点を当てた自律神経系の覚醒の生理学的測定と追跡に関する非臨床研究と分析をサポートするために設計されています。SSAAのデータの定量化とパッケージ化は外国語教育における状態不安の研究に適用でき、アクセス可能な研究方法の革新を意味します。SSAAのデータはモチベーション、達成感、パーソナリティ、コミュニケーションへの意欲など、共通の関心事である他の感情変数との相関関係や関連性を分析することができます。非臨床研究者は医療グレードの生理学的データを方法論のレパートリーに組み込むことができ、外国語教育における状態不安の研究を技術的な機会に合わせることができます。

Trait anxiety is a relatively stable feature of an individual’s personality profile and reflects a predisposition to psychopathological conditions and heightened states of arousal whereas state anxiety or experimentally-induced anxiety is a more temporal experience often occurring in the absence of underlying psychopathological conditions. State specific anxiety is therefore dependent on isolated environmental triggers meaning that researchers are able to exert a degree of control over the onset of autonomic nervous system arousal through situational manipulation. State specific anxiety episodes are dynamic and momentary fluctuations in arousal can be expected even within the broader context of exposure to a specific stimulus. Given that state specific anxiety corresponds to a specific environmental stimulus, it is incumbent upon researchers to establish clear data collection/analysis parameters to avoid the misattribution of arousal to uncontrolled stimuli. Within the domain of foreign language education research, fixed data collection/analysis parameters able to document real-time moment-to-moment fluctuations have not been documented due to methodological limitations. In response to technological developments in wearable research devices, new opportunities have arisen to expand the research methodologies used in the recording, assessment and analysis of foreign language education anxiety.

Using the Empatica E4 wristband, a "medical-grade wearable device that offers real-time physiological data acquisition, enabling researchers to conduct in-depth analysis and visualization” (Empatica Inc. 2021), high-integrity physiological data can now be captured with relative ease. However, the data captured by the Empatica E4 does not lend itself to application within foreign language education research due to raw data format and data complexity. A technical solution was therefore required to bring such useful physiological data into reach of educational practitioners. The Situation Specific Arousal Analyzer (SSAA) application has been designed to make Empatica E4 data accessible to foreign language education researchers, particularly those with an interest in state specific anxiety.  The SSAA permits access to practical data output relative to autonomic nervous system arousal in state specific situations through the quantification of indicators such as Heart Rate Variability (HRV) and Electrodermal Activity (EDA) under a range of user-defined experimental parameters. The SSAA aims to contribute to an expansion of current methodologies and push contemporary research beyond experiential self-report measures thereby allowing a wider demographic to benefit from innovations in physiological data capture, processing and analysis.

特性不安は個人の人格プロフィールの中で比較的安定した特徴であり、精神病理学的条件や覚醒状態の高まりに対する素因を反映しています。対照的に状態不安または実験的に誘発された不安は、より一時的な経験であり基礎的な精神病理学的条件がない場合に発生することが多くなります。状態特異的な不安は、孤立した環境的な誘因に依存しています。したがって研究者は状況的な操作によって自律神経系の覚醒の開始をある程度制御することができます。状態特異的な不安のエピソードは動的であり、特定の刺激にさらされている間でも、覚醒の瞬間的な変動が予想されます。状態特異的な不安は特定の環境刺激に対応しているため、制御されていない刺激に対する覚醒の誤認を避けるために、研究者は明確なデータ収集/分析パラメータを確立する必要があります。外国語教育研究においては方法論的な限界から、リアルタイムの瞬間的な変動を記録できる固定されたデータ収集・分析パラメータは記録されていません。ウェアラブル研究機器の技術開発に対応して、外国語教育における状態不安の記録、評価、分析に使用される研究方法論を拡大するための新しい機会が生まれています。

リストバンド型のEmpatica E4は、「生理学的データをリアルタイムに取得し、研究者が詳細な分析と可視化を行うことができる医療用ウェアラブルデバイス」（Empatica Inc. 2021）であり、精度の高い生理学的データを比較的容易に取得することができます。しかし、Empatica E4で取得したデータは、生データの形式やデータの複雑さから、外国語教育の研究には適していません。そのため、このような有用な生理学的データを教育現場で活用できるようにするための技術的なソリューションが必要でした。SSAA（Situation Specific Arousal Analyzer）アプリケーションは、Empatica E4のデータを外国語教育の研究者、特に状態不安に関心のある研究者が利用できるように設計されています。 SSAA は、ユーザーが定義したさまざまな実験パラメータの下で、心拍変動（HRV）や皮膚電気活動（EDA）などの指標を定量化することにより、特定の状況下での自律神経系の覚醒に関する実用的なデータ出力にアクセスすることができます。SSAAは現在の方法論の拡大に貢献し、現代の研究を経験的な自己報告の手段を超えたものにすることで、より多くの人々が生理学的データの収集、処理、分析の革新的な技術の恩恵を受けられるようにすることを目指しています。

Using the files exported from E4 Connect, the SSAA extracts Heart Rate (HR), Heart Rate Variability (HRV) (time-domain methods, frequency-domain methods, non-linear domain methods) and Electrodermal Activity (EDA) relative to time interval parameters specified by the researcher. The user interface is therefore able to be tailored to meet a range of analytical conditions focused on either the micro analysis of arousal in time specific segments such as every few seconds during a foreign language spoken presentation, or relative to longer macro periods of analysis such as across an entire classroom period or activity. For the HRV time-domain, the beat-to-beat interval (NNMean) can be calculated up to once per 0.015625 (1/64) second while for the EDA mean (EDAMean) it is possible to capture data once per 0.25 (1/4) second. For HR, the mean value of the HR (HRMean) and the standard deviation of the HR (HRSD) are calculated. For the HRV time-domain, the mean value of the beat-to-beat interval (NNMean) and the standard deviation of the beat-to-beat interval (NNSD) are calculated. For the HRV frequency-domain, very low frequency (VLF), low frequency (LF), high frequency (HF), and the ratio of LF and HF (LF/HF) are calculated. For the HRV non-linear domain, SD1 and SD2 Poincaré Plots are calculated as follows:

• As X = {RR1, RR2, ..., RR(n - 1)}, and Y = {RR2, RR3, ..., RRn}
• PP SD1: The standard deviation of '(X - Y) / Sqrt(2)' in the condition range using the duration column of IBI.csv
• PP SD2: The standard deviation of '(X + Y) / Sqrt(2)' in the condition range using the duration column of IBI.csv

For the EDA analysis, the mean value of the EDA (EDAMean) and the standard deviation of the EDA (EDASD) are calculated. The SSAA exports the results relative to each experimental time interval as a single tabulated .csv file using the columns shown below. It also exports visualizations as Lomb-Scargle Periodograms and Poincaré Plots for each analysis interval parameter specified.

SSAAはE4 Connectからエクスポートされたファイルを使用して、研究者が指定した時間間隔パラメータに対する心拍数（HR）、心拍変動（HRV）（時間領域法、周波数領域法、非線形領域法）、および皮膚電気活動（EDA）を抽出します。そのため、このユーザーインターフェースは、外国語のスピーチ中に数秒ごとに行われるような時間的に特定されたセグメントにおける覚醒度のミクロ的な分析や、授業全体や活動全体といったより長いマクロ的な分析に焦点を当てた、さまざまな分析条件に合わせて調整することができます。HRVの時間領域では、最大で0.015625(1/64)秒に1回の割合で拍動間隔(NNMean)を算出することができ、EDA平均値(EDAMean)では0.25(1/4)秒に1回の割合でデータを取得することができます。HRについては、HRの平均値(HRMean)とHRの標準偏差(HRSD)が算出されます。HRVの時間領域では、心拍間隔の平均値（NNMean）と心拍間隔の標準偏差（NNSD）が算出されます。HRV の周波数領域では、超低周波（VLF）、低周波（LF）、高周波（HF）、および LF と HF の比（LF/HF）を算出します。HRVの非線形領域については、以下のようにSD1およびSD2ポアンカレプロットを算出します。

• X = {RR1, RR2, ..., RR(n - 1)}, Y = {RR2, RR3, ..., RRn}として
• PP SD1: IBI.csvのduration列を用いた条件範囲における'(X - Y) / Sqrt(2)'の標準偏差
• PP SD2: IBI.csvの継続時間列を使用した条件範囲における'(X + Y) / Sqrt(2)'の標準偏差

EDA分析では、EDAの平均値(EDAMean)とEDAの標準偏差(EDASD)を算出します。SSAAは各実験時間間隔に関連する結果を、以下に示す列を使用して1つの表形式の.CSVファイルとしてエクスポートします。また、指定された分析間隔パラメータごとに、Lomb-Scargle PeriodogramsおよびPoincaré Plotsの形式で視覚化された結果もエクスポートされます。