[논문 리뷰] On the Digital Daily Cycles of Individuals

Talayeh Aledavood, Sune Lehmann외 1명|arXiv (Cornell University)|2015. 07. 29.

Human Mobility and Location-Based Analysis참고 문헌 38인용 수 4

한 줄 요약

이 연구는 여러 플랫폼을 통해 디지털 커뮤니케이션 및 온라인 활동 데이터를 분석하여 개인별로 지속적인 고유한 일주기 패턴을 규명한다. 통화 및 메시지 데이터에 제닝-숄런 분산(Jensen-Shannon divergence)을 적용함으로써 개인이 시간이 지남에 따라 안정적인 일일 리듬을 유지함을 입증하며, 이는 아침형/저녁형 성향과 같은 내재된 특성과 관련이 있다. 이는 모바일 데이터를 통한 디지털 페노타이핑 및 정신 건강 모니터링에 응용 가능하다.

ABSTRACT

Humans, like almost all animals, are phase-locked to the diurnal cycle. Most of us sleep at night and are active through the day. Because we have evolved to function with this cycle, the circadian rhythm is deeply ingrained and even detectable at the biochemical level. However, within the broader day-night pattern, there are individual differences: e.g., some of us are intrinsically morning-active, while others prefer evenings. In this article, we look at digital daily cycles: circadian patterns of activity viewed through the lens of auto-recorded data of communication and online activity. We begin at the aggregate level, discuss earlier results, and illustrate differences between population-level daily rhythms in different media. Then we move on to the individual level, and show that there is a strong individual-level variation beyond averages: individuals typically have their distinctive daily pattern that persists in time. We conclude by discussing the driving forces behind these signature daily patterns, from personal traits (morningness/eveningness) to variation in activity level and external constraints, and outline possibilities for future research.

연구 동기 및 목표

• 개인이 디지털 커뮤니케이션 기록에서 시간이 지남에 따라 안정적이고 고유한 일일 활동 패턴을 보이는지 조사하기 위해.
• 이러한 개인 수준의 일주기 리듬이 시간이 지남에 따라 얼마나 지속되는지 정량화하기 위해.
• 개인 간 차이를 이끄는 요인들(예: 시계유형, 활동 수준, 외부 제약 등)을 이해하기 위해.
• 특히 정신 건강 및 수면 연구에서 디지털 커뮤니케이션 데이터가 행동 페노타이핑의 신뢰할 수 있는 대체 측정 수단이 될 수 있는지 탐색하기 위해.

제안 방법

• 이 연구는 모바일 통화, 트위터, 위키백과 편집, 이메일 커뮤니케이션 데이터의 네 개 데이터셋에서 8주 단위의 디지털 활동 데이터를 사용한다.
• 각 개인의 활동 패턴은 시간대별 분포로 이벤트를 구간화하여 구성한다.
• 개인의 두 개의 연속된 4주 간격 동안의 일일 패턴을 비교하기 위해 제닝-숄런 분산(Jensen-Shannon divergence, JSD)을 적용하여 패턴 지속성 정도를 정량화한다.
• 개인 고유성 평가를 위해 동일 사용자 간의 자기거리(self-distances, JSD 값)를 해당 사용자와 같은 간격 내의 모든 다른 사용자 간의 기준 거리(reference distances)와 비교한다.
• 신뢰할 수 있는 패턴 추정을 보장하기 위해 평균 매일 최소 1건 이상의 이벤트가 발생한 사용자(8주 동안 최소 56건)만 필터링하여 포함한다.
• 이 방법을 통해 인구 수준 평균을 초월하여 지속적인 고유한 일일 리듬을 탐지할 수 있다.

실험 결과

연구 질문

• RQ1 개인이 시간이 지남에 따라 디지털 커뮤니케이션 데이터에서 안정적이고 고유한 일일 활동 패턴을 보이는가?
• RQ2 개인의 디지털 일일 주기들이 집계된 시스템 수준의 패턴에서 얼마나 벗어나는가?
• RQ3 시계유형, 성격, 외부 제약 등과 같은 요인이 개인 간 디지털 일일 리듬의 차이를 이끄는가?
• RQ4 디지털 커뮤니케이션 데이터가 정신 건강 및 수면 연구에서 행동 페노타이핑의 신뢰할 수 있는 대체 측정 수단이 될 수 있는가?

주요 결과

• 개인은 연속된 4주 간격 간 제닝-숄런 분산 값이 낮아 안정적인 고유한 일일 활동 패턴을 보이며, 이는 다수 주간에 걸쳐 지속됨을 확인한다.
• 이 연구는 개인 수준의 일주기 리듬이 단순한 노이즈가 아니라 안정적인 행동 서명을 반영하며, 이는 모바일 통화 데이터에서의 발견을 다른 커뮤니케이션 채널으로 일반화함을 확인한다.
• 시스템 수준의 일일 패턴은 개인 리듬의 초합이며, 일반적으로 집계 수준 분석에서는 개인 간 변동성이 가려진다.
• 개인 패턴의 지속성은 디지털 커뮤니케이션 데이터가 행동 및 일주기 건강 모니터링을 위한 실용적이고 확장 가능한 대체 측정 수단이 될 수 있음을 시사한다.
• 이 연구는 급격한 인간 동역학과 비균일한 활동 패턴으로 인해 디지털 기록에서 수면 시간을 추론하는 데 어려움이 있음을 강조한다.
• 예를 들어 통화, 메시지, 소셜 미디어를 포함한 다중 채널 데이터셋은 단일 채널 데이터보다 개인의 일일 주기를 더 정확하게 재구성할 수 있다.