Occupational stress has a significant adverse effect on workers’ well-being, productivity, and performance and is becoming a major concern for both individual companies and the overall economy. To reduce negative consequences, early detection of stress is a key factor. In response several stress prediction methods have been proposed, whose primary aim is to analyse physiological and behavioural data. However, evidence suggests that solutions based on physiological and behavioural data alone might be challenging when implemented in real-world settings. These solutions are sensitive to data problems arising from losses in signal quality or alterations in body responses, which are common in everyday activities. The contagious nature of stress and its sensitivity to the surroundings can be used to improve these methods. In this study, we sought to investigate automatic stress prediction using both surrounding stress data, which we define as close colleagues’ stress levels and the stress level history of the individuals. We introduce a real-life, unconstrained study conducted with 30 workers monitored over 8 weeks. Furthermore, we propose a method to investigate the effect of stress levels of close colleagues on the prediction of an individual’s stress levels. Our method is also validated on an external, independent dataset. Our results show that surrounding stress can be used to improve stress prediction in the workplace, where we achieve 80% of F-score in predicting individuals’ stress levels from the surrounding stress data in a multiclass stress classification.

职业压力对工人的福祉、生产力和绩效产生重大不利影响，并且正成为个体公司和整体经济的主要关注点。为了减少负面后果，及早发现压力是一个关键因素。作为回应，已经提出了几种压力预测方法，其主要目的是分析生理和行为数据。然而，有证据表明，仅基于生理和行为数据的解决方案在现实环境中实施时可能具有挑战性。这些解决方案对日常活动中常见的信号质量损失或身体反应改变引起的数据问题很敏感。压力的传染性及其对周围环境的敏感性可用于改进这些方法。在这项研究中，我们试图使用周围的压力数据来研究自动压力预测，我们将其定义为亲密同事的压力水平和个人的压力水平历史。我们介绍了一项真实的、不受约束的研究，对 30 名工人进行了为期 8 周的监测。此外，我们提出了一种方法来研究亲密同事的压力水平对预测个人压力水平的影响。我们的方法也在外部独立数据集上得到验证。我们的结果表明，环境压力可用于改善工作场所的压力预测，在多类别压力分类中，我们在从环境压力数据预测个人压力水平方面达到了 80% 的 F 分数。我们将其定义为亲密同事的压力水平和个人的压力水平历史。我们介绍了一项真实的、不受约束的研究，对 30 名工人进行了为期 8 周的监测。此外，我们提出了一种方法来研究亲密同事的压力水平对预测个人压力水平的影响。我们的方法也在外部独立数据集上得到验证。我们的结果表明，环境压力可用于改善工作场所的压力预测，在多类别压力分类中，我们在从环境压力数据预测个人压力水平方面达到了 80% 的 F 分数。我们将其定义为亲密同事的压力水平和个人的压力水平历史。我们介绍了一项真实的、不受约束的研究，对 30 名工人进行了为期 8 周的监测。此外，我们提出了一种方法来研究亲密同事的压力水平对预测个人压力水平的影响。我们的方法也在外部独立数据集上得到验证。我们的结果表明，环境压力可用于改善工作场所的压力预测，在多类别压力分类中，我们在从环境压力数据预测个人压力水平方面达到了 80% 的 F 分数。我们提出了一种方法来研究亲密同事的压力水平对预测个人压力水平的影响。我们的方法也在外部独立数据集上得到验证。我们的结果表明，环境压力可用于改善工作场所的压力预测，在多类别压力分类中，我们在从环境压力数据预测个人压力水平方面达到了 80% 的 F 分数。我们提出了一种方法来研究亲密同事的压力水平对预测个人压力水平的影响。我们的方法也在外部独立数据集上得到验证。我们的结果表明，环境压力可用于改善工作场所的压力预测，在多类别压力分类中，我们在从环境压力数据预测个人压力水平方面达到了 80% 的 F 分数。