CARATTERIZZAZIONE DI ALGORITMI DI EXPLAINABLE ARTIFICIAL INTELLIGENCE SU DISPOSITIVI INDOSSABILI PER L'AFFECTIVE COMPUTING

This thesis evaluates MAFALDA 2.0, an ontology-based explainable artificial intelligence framework for wearable devices, applying it to the recognition of three affective states (baseline, stress, amusement) on the WESAD dataset. Through feature engineering and per-subject calibration, under leakage-free subject-independent validation, it achieves performance competitive with the state of the art while providing logical, inspectable justifications for every decision.

Questa tesi valuta MAFALDA 2.0, framework di intelligenza artificiale spiegabile basato su ontologie per dispositivi indossabili, applicandolo al riconoscimento di tre stati affettivi (baseline, stress, amusement) sul dataset WESAD. Con feature engineering e calibrazione per-soggetto, in validazione subject-independent priva di leakage, raggiunge prestazioni competitive con lo stato dell'arte, offrendo però spiegazioni logiche e ispezionabili di ogni decisione.