[論文レビュー] Improving Prediction of Real-Time Loneliness and Companionship Type Using Geosocial Features of Personal Smartphone Data

Congyu Wu, Amanda N. Barczyk+7 more|arXiv (Cornell University)|Oct 19, 2020

Health disparities and outcomes参考文献 29被引用数 4

ひとこと要約

本研究では、スマートフォンのBluetoothおよびGPSデータから得られる新しい地理的・社会的特徴量を提案し、大学生におけるリアルタイムの孤独感と同伴タイプの予測を試みた。Bluetoothの接触パターンと位置クラスタの時間的空間的パターンおよび社会的ななじみの程度を分析することで、ベースラインより著しく孤独感の予測性能が向上（AUC = 0.74）し、特に精神的健康の指標において、社会的文脈の指標よりも優れた性能を示した。

ABSTRACT

Loneliness is a widely affecting mental health symptom and can be mediated by and co-vary with patterns of social exposure. Using momentary survey and smartphone sensing data collected from 129 Android-using college student participants over three weeks, we (1) investigate and uncover the relations between momentary loneliness experience and companionship type and (2) propose and validate novel geosocial features of smartphone-based Bluetooth and GPS data for predicting loneliness and companionship type in real time. We base our features on intuitions characterizing the quantity and spatiotemporal predictability of an individual's Bluetooth encounters and GPS location clusters to capture personal significance of social exposure scenarios conditional on their temporal distribution and geographic patterns. We examine our features' statistical correlation with momentary loneliness through regression analyses and evaluate their predictive power using a sliding window prediction procedure. Our features achieved significant performance improvement compared to baseline for predicting both momentary loneliness and companionship type, with the effect stronger for the loneliness prediction task. As such we recommend incorporation and further evaluation of our geosocial features proposed in this study in future mental health sensing and context-aware computing applications.

研究の動機と目的

• 日常における孤独感と同伴タイプとの間の即時の関係を調査すること。
• スマートフォンのBluetoothおよびGPSデータから、社会的露出のパターンを捉える新しい地理的・社会的特徴量を開発すること。
• これらの特徴量がリアルタイムの孤独感および同伴タイプを予測する力を持つかどうかを評価すること。
• 社会的接触の時間的空間的予測可能性およびなじみの度合いが、即時の孤独感と相関するかどうかを評価すること。
• 受動的でリアルタイムのセンシングによって、文脈に応じた精神的健康介入を支援すること。

提案手法

• 3週間にわたり、129名のAndroid端末を利用している大学生から、即時の孤独感と同伴タイプに関する自己報告データを収集した。
• Bluetoothの近接データとGPSの位置クラスタを用いて、社会的露出状況を表す地理的・社会的特徴量を抽出した。
• 独自のBluetoothデバイス数やエントロピー、社会的空間的・時間的規則性の平均値・最大値などを含む特徴量を計算した。
• スライディングウインドウ予測を用いて、リアルタイムの孤独感および同伴タイプ分類におけるモデルの性能を評価した。
• 地理的・社会的特徴量を含む・含まないモデルを用いた回帰および機械学習モデルを比較し、予測性能を評価した。
• リアルな展開を模倣し、モデルの適応性を高めるために、毎日訓練データを更新した。

実験結果

リサーチクエスチョン

• RQ1 日常における即時の孤独感の度合いは、同伴タイプ（一人、親密な関係、それ以外の関係）とどのように関係しているか？
• RQ2 BluetoothおよびGPSデータから導出される地理的・社会的特徴量は、ベースラインモデルよりもリアルタイムの孤独感をより正確に予測できるか？
• RQ3 社会的接触の時間的空間的予測可能性およびなじみの度合いを捉える特徴量は、同伴タイプの予測を改善するか？
• RQ4 地理的・社会的特徴量の予測力は、孤独感の予測に対して、同伴タイプ分類よりも強いのか？
• RQ5 毎日更新される訓練データの導入は、時間の経過とともにモデル性能にどのように影響するか？

主な発見

• 親密な関係の同伴がいる場面では孤独感が著しく低く、一人の場面では最も高かったが、一人であることと孤独を感じることの間には弱い相関しかなかった。
• 時間経過に伴う独自のBluetoothデバイス数およびエントロピーは、孤独感の予測要因として有意であった。値が高くなるほど孤独感が高くなる傾向が見られた。
• 社会的接触における高い時間的空間的規則性（例：一定の時間・場所での会合）を示す特徴量は、孤独感の低減と関連していた。
• 地理的・社会的特徴量を用いたモデルは、孤独感予測において平均AUC 0.74を達成し、ベースラインモデルより0.2の向上を示した。
• 地理的・社会的特徴量による性能向上は、孤独感予測において、同伴タイプ分類よりも顕著に見られた。
• 毎日再訓練することでモデルの予測力が向上したため、適応的でリアルタイムの精神的健康センシングアプリケーションにおいて価値があると考えられた。