PLoS One. 2017 Jun 21; 12 (6): e0177629. doi: 10.1371 / journal.pone.0177629.
Choi J1, Rho MJ2, Kim Y3, Yook IH2, Yu H1, Kim DJ4, Choi IY2.
Abstraktní
Nadměrné používání chytrých telefonů způsobuje osobní a sociální problémy. Abychom tento problém vyřešili, snažili jsme se odvodit vzorce použití, které přímo korelovaly se závislostí smartphonů na základě údajů o použití. Tato studie se pokusila klasifikovat závislost smartphonu pomocí predikčního algoritmu založeného na datech. Vyvinuli jsme mobilní aplikaci pro sběr dat o využití chytrých telefonů. Od března 41,683, 48 do ledna 8, 2015 bylo shromážděno celkem protokolů 8 uživatelů smartphonů 2016. Účastníci byli zařazeni do kontrolní skupiny (SUC) nebo skupiny závislostí (SUD) pomocí korejské stupnice závislosti na závislosti na smartphonu pro dospělé (S-Scale) a offline rozhovorem psychiatra a klinického psychologa (SUC) = 23 a SUD = 25). Odvozili jsme vzorce využití pomocí tenzorové faktorizace a našli jsme šest optimálních způsobů použití: 1) služby sociálních sítí (SNS) během dne, 2) surfování na webu, 3) SNS v noci, 4) mobilní nakupování, 5) zábava a 6) hraní v noci. Členské vektory těchto šesti vzorců získaly výrazně lepší předpovědní výkon než hrubá data. Pro všechny vzorce byly doby použití SUD mnohem delší než u SUC. Z našich zjištění jsme došli k závěru, že vzorce využití a vektory členství byly účinnými nástroji pro posuzování a předpovídání závislosti smartphonů a mohly by poskytnout intervenční vodítko k predikci a léčbě závislosti smartphonů na základě údajů o použití.
PMID: 28636614
PMCID: PMC5479529
DOI: 10.1371 / journal.pone.0177629
;
