[论文解读] On the Digital Daily Cycles of Individuals

Talayeh Aledavood, Sune Lehmann+1 more|arXiv (Cornell University)|Jul 29, 2015

Human Mobility and Location-Based Analysis参考文献 38被引用 4

一句话总结

本研究通过分析数字通信与在线活动数据，揭示了跨多个平台的持久、个体特异性的昼夜节律模式。利用通话和消息数据的Jensen-Shannon散度（JSD），研究证明个体在长时间内维持稳定的日常节律，反映出晨型/夜型等内在特质，对移动数据在数字表型分析与心理健康监测中的应用具有重要意义。

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.

研究动机与目标

• 探究个体在数字通信记录中是否表现出稳定且独特的日常活动模式。
• 量化这些个体层面昼夜节律随时间的持续性。
• 理解个体在数字日常周期差异背后的驱动因素，如昼夜类型、活动水平及外部约束。
• 探索数字通信数据作为行为表型分析代理的可能性，特别是在心理健康与睡眠研究中的应用。

提出的方法

• 本研究使用四个数据集的8周时间片段数字活动数据：手机通话、Twitter、维基百科编辑与电子邮件通信。
• 通过将事件按小时分箱，为每位个体构建每日活动模式。
• 对每位用户连续两个4周时间段的日常模式应用Jensen-Shannon散度（JSD），以量化模式的持续性。
• 将用户自身的距离（同一用户在两个时间段的JSD）与参考距离（用户与同一时间段内所有其他用户的JSD）进行比较，以评估个体独特性。
• 对用户进行筛选，仅保留平均每天至少有一个事件的用户（8周内最少56个事件），以确保模式估计的可靠性。
• 该方法能够检测出在群体平均水平之外仍保持稳定的个体特异性日常节律。

实验结果

研究问题

• RQ1 个体是否在长时间内表现出稳定且独特的数字通信数据日常活动模式？
• RQ2 个体数字日常周期在多大程度上偏离系统级的聚合模式？
• RQ3 哪些因素——如昼夜类型、人格特质或外部约束——驱动了个体在数字日常节律上的差异？
• RQ4 数字通信数据能否作为行为表型分析的可靠代理，特别是在心理健康与睡眠研究中？

主要发现

• 个体表现出持久且独特的日常活动模式，连续两个4周时间段之间的Jensen-Shannon散度较低，表明其稳定性。
• 研究证实，个体层面的昼夜节律并非仅仅是噪声，而是代表了稳定的生物行为特征，其发现从手机通话数据推广至其他通信渠道。
• 系统级的日常模式是个人节律的叠加，而个体差异在聚合层面分析中常被掩盖。
• 个体模式的持续性表明，数字通信数据可作为监测行为与昼夜节律健康的可行且可扩展的代理工具。
• 研究强调了从数字记录中推断睡眠时间的挑战，原因在于人类活动的突发性与非均匀性。
• 结合多种通信渠道（如通话、消息、社交媒体）的多层数据集，相比单通道数据，能更准确地重建个体的日常周期。