[论文解读] Leveraging WiFi Network Logs to Infer Social Interactions: A Case Study of Academic Performance and Student Behavior.

Vedant Das Swain, Hyang Won Kwon+10 more|arXiv (Cornell University)|May 22, 2020

Context-Aware Activity Recognition Systems参考文献 81被引用 7

一句话总结

本文提出利用存档的WiFi接入点日志来推断大学校园内学生之间的社交互动，证明基于这些日志的粗粒度共现关系可在14周内实现0.75的预测相关性。该方法在34场讲座中识别学生共现的精确率为0.89，召回率为0.75，实现了无需主动感知的可扩展、被动社交网络推断。

ABSTRACT

On university campuses, social interactions among students can explain their academic experiences. However, assessing these interactions with surveys fails to capture their dynamic nature. While these behaviors can be captured with client-based passive sensing, these techniques are limited in scalability. By contrast, infrastructure-based approaches can scale to a large cohort and infer social interactions based on collocation of students. This paper investigates one such approach by leveraging WiFi association logs archived by a managed campus network. In their raw form, access point logs can approximate a student's location but with low spatio-temporal resolution. This paper first demonstrates that processing these logs can infer the collocation of 46 students in 34 lectures over 3 months, with a precision of 0.89 and a recall of 0.75. Next, we investigate how this WiFi-based coarse collocation reflects signals of social interaction. With 163 students in 54 project groups, we find that member performance shows a correlation of 0.75 with performance determined from collocation of groups through 14 weeks. Additionally, this paper presents preliminary insights for other campus-centric applications of automatically inferred social interactions. Finally, this paper discusses how repurposing archival WiFi logs can facilitate applications for other domains like mental wellbeing and physical health.

研究动机与目标

• 解决基于调查和客户端的方法在捕捉动态学生社交互动方面存在的可扩展性局限。
• 探究基于基础设施的WiFi日志是否可作为大学校园内社交共现的可扩展代理。
• 评估基于WiFi推断的共现关系与实际项目组学术表现之间的相关性。
• 探索重用WiFi日志在校园福祉与健康监测中的更广泛应用。

提出的方法

• 处理原始WiFi接入点日志，以粗略分辨率估算学生的时空存在状态。
• 应用聚类和时间邻近启发式方法，基于共享接入点关联推断学生的共现事件。
• 在34次会议中，将推断的共现关系与已知的上课出勤数据进行验证。
• 利用群体层面的共现模式，在14周内预测54个项目组的学术表现。
• 测量基于WiFi推断的群体互动与实际表现指标之间的相关性。
• 重用归档的网络日志，实现无需额外数据采集的被动、大规模社交互动分析。

实验结果

研究问题

• RQ1 能否有效处理WiFi接入点日志，以实现可接受准确度的有意义学生共现事件推断？
• RQ2 基于WiFi推断的共现关系在多大程度上与协作学生群体的实际学术表现相关？
• RQ3 与主动感知或调查方法相比，这种基于基础设施的方法在可扩展性和可靠性方面如何？
• RQ4 重用的WiFi日志在监测学生福祉与行为方面有哪些潜在应用？

主要发现

• 该方法成功推断出34场讲座中46名学生的共现，精确率为0.89，召回率为0.75。
• 在14周内，基于WiFi推断的群体共现与实际学术表现之间观察到0.75的强相关性。
• 该方法可实现大规模、被动的社交互动监控，无需依赖专用客户端设备。
• 本研究证明，归档的WiFi日志可作为校园环境中行为与学术研究的可行数据源。
• 初步洞察表明，该方法有潜力扩展至心理健康与身体健康监测应用。
• 结果支持利用现有网络基础设施大规模提取行为洞察的可行性。