Individuals with ADHD face significant challenges in their daily lives due to difficulties with attention, hyperactivity, and impulsivity. These challenges are especially pronounced in the workplace or educational settings, where the ability to sustain attention and manage time effectively is crucial for success. Virtual reality (VR) software has emerged as a promising tool for improving productivity in individuals with ADHD. However, the effectiveness of such software depends on the identification of potential distractions and timely intervention. The proposed computer screenshot classification approach addresses this need by providing a means for identifying and analyzing potential distractions within VR software. By integrating Convolutional Neural Networks (CNNs), Optical Character Recognition (OCR), and Natural Language Processing (NLP), the proposed approach can accurately classify screenshots and extract features, facilitating the identification of distractions and enabling timely intervention to minimize their impact on productivity. The implications of this research are significant, as ADHD affects a substantial portion of the population and has a significant impact on productivity and quality of life. By providing a novel approach for studying, detecting, and enhancing productivity, this research has the potential to improve outcomes for individuals with ADHD and increase the efficiency and effectiveness of workplaces and educational settings. Moreover, the proposed approach holds promise for wider applicability to other productivity studies involving computer users, where the classification of screenshots and feature extraction play a crucial role in discerning behavioral patterns.
Les persones amb TDAH s’enfronten a reptes importants en la seva vida diària a causa de les dificultats
d’atenció, hiperactivitat i impulsivitat. Aquests reptes són especialment pronunciats al lloc de treball o en
entorns educatius, on la capacitat de mantenir l’atenció i gestionar el temps de manera eficaç és crucial
per a l’èxit. El software de realitat virtual (RV) s’ha revelat com a eina prometedora per millorar la productivitat de les persones amb TDAH. Tanmateix, l’eficàcia del software esmentat depèn de la identificació
de distraccions potencials i de la intervenció oportuna.
L’enfocament de classificació de captures de pantalla d’ordinador proposat aborda aquesta necessitat
proporcionant un mitjà per identificar i analitzar les distraccions potencials dins del programari de RV.
Mitjançant la integració de xarxes neuronals convolucionals (CNN), el reconeixement òptic de caràcters
(OCR) i el processament del llenguatge natural (NLP), l’enfocament proposat pot classificar amb precisió
les captures de pantalla i extreure’n característiques, facilitant la identificació de les distraccions i permetent
una intervenció oportuna per minimitzar-ne l’impacte en la productivitat.
Les implicacions d’aquesta investigació són importants, ja que el TDAH afecta una part substancial
de la població i té un impacte significatiu a la productivitat i la qualitat de vida. En proporcionar un
enfocament nou per estudiar, detectar i millorar la productivitat, aquesta investigació té el potencial de
millorar els resultats per a les persones amb TDAH i augmentar l’eficiència i l’eficàcia dels llocs de treball
i els entorns educatius. A més, l’enfocament proposat promet una aplicabilitat més gran a altres estudis
de productivitat en què participin usuaris d’ordinadors, en què la classificació de captures de pantalla i
l’extracció de característiques tenen un paper crucial a l’hora de discernir patrons de comportament.
