[논문 리뷰] Improving Prediction of Real-Time Loneliness and Companionship Type Using Geosocial Features of Personal Smartphone Data

Congyu Wu, Amanda N. Barczyk외 7명|arXiv (Cornell University)|2020. 10. 19.

Health disparities and outcomes참고 문헌 29인용 수 4

한 줄 요약

이 연구는 스마트폰 블루투스 및 GPS 데이터로부터 새로운 지사회적 특징을 제안하여 대학생들의 실시간 외로움과 동행 유형을 예측한다. 블루투스 만남과 위치 클러스터의 시공간 패턴 및 사회적 익숙함을 분석함으로써, 기준 모델 대비 외로움 예측 성능(AUC = 0.74)을 크게 향상시켰으며, 정서적 건강 결과보다는 사회적 맥락 결과에서 더 뛰어난 성능을 보였다.

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.

연구 동기 및 목표

• 일상생활에서 외로움과 동행 유형 간의 순간적 관계를 조사한다.
• 스마트폰 블루투스 및 GPS 데이터로부터 사회적 노출 패턴을 반영하는 새로운 지사회적 특징을 개발한다.
• 이러한 특징이 실시간 외로움과 동행 유형 예측에 얼마나 강력한 예측력을 가지는지 평가한다.
• 만남의 시공간 예측 가능성과 사회적 익숙함이 순간적 외로움과 관련이 있는지 평가한다.
• 피로성 실시간 감지 기반으로 맥락 인식 정신건강 간병을 지원한다.

제안 방법

• 3주 동안 129명의 안드로이드 사용 대학생으로부터 실시간 자기 보고된 외로움 수준과 동행 유형을 수집하였다.
• 사회적 노출 상황을 표현하기 위해 블루투스 근접성 데이터와 GPS 위치 클러스터를 이용해 지사회적 특징을 추출하였다.
• 유일한 블루투스 기기의 수와 엔트로피, 사회적 공간 및 시간 정규성의 평균/최대값 등을 포함한 특징을 계산하였다.
• 실시간 외로움 및 동행 유형 분류 성능 평가를 위해 슬라이딩 윈도우 예측 기법을 사용하였다.
• 지사회적 특징 유무를 고려한 회귀 및 기계학습 모델을 적용하여 예측 성능를 비교하였다.
• 실제 환경 구현을 시뮬레이션하고 모델 적응성을 향상시키기 위해 매일 학습 데이터를 업데이트 하였다.

실험 결과

연구 질문

• RQ1 일상생활에서 외로움 수준은 동행 유형(혼자, 가까운 관계, 비가까운 관계)과 어떻게 관련이 있는가?
• RQ2 블루투스 및 GPS 데이터로부터 유도된 지사회적 특징은 기준 모델보다 실시간 외로움 예측을 더 정확하게 할 수 있는가?
• RQ3 만남의 시공간 예측 가능성과 익숙함을 반영하는 특징은 동행 유형 예측을 향상시키는가?
• RQ4 지사회적 특징의 예측 성능가 외로움 예측보다 동행 유형 분류에 더 강력한가?
• RQ5 매일 업데이트되는 학습 데이터의 포함 여부가 시간 경과에 따라 모델 성능에 어떤 영향을 미치는가?

주요 결과

• 가까운 관계 동행이 있는 순간에는 외로움 수준이 유의미하게 낮았고, 고립된 순간에서 가장 높았지만, 고립 상태에 있더라도 외로움을 느끼는 것은 약한 상관관계를 보였다.
• 시간이 지남에 따라 감지된 유일한 블루투스 기기의 수와 엔트로피가 외로움 예측에 유의미한 영향을 미쳤으며, 높은 값일수록 더 높은 외로움과 관련이 있었다.
• 만남의 시공간 정규성이 높은 특징(예: 일관된 만남 시간/장소)은 낮은 외로움과 관련이 있었다.
• 지사회적 특징 모델은 외로움 예측에서 평균 AUC 0.74를 달성하여 기준 모델 대비 0.2 향상된 성능을 보였다.
• 지사회적 특징의 성능 향상은 동행 유형 분류보다 외로움 예측에서 더 두드러졌다.
• 매일 재학습을 통해 모델의 예측 성능이 향상되어, 적응형 실시간 정신건강 감지 응용 분야에서의 잠재적 가치를 시사했다.