Plus eins. 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 ich2.
Abstrakt
Übermäßige Smartphone-Nutzung verursacht persönliche und soziale Probleme. Um dieses Problem anzugehen, haben wir versucht, anhand von Nutzungsdaten Nutzungsmuster abzuleiten, die in direktem Zusammenhang mit der Smartphone-Abhängigkeit stehen. In dieser Studie wurde versucht, die Smartphone-Abhängigkeit mithilfe eines datengesteuerten Vorhersagealgorithmus zu klassifizieren. Wir haben eine mobile Anwendung zur Erfassung von Smartphone-Nutzungsdaten entwickelt. Vom 41,683. März 48 bis zum 8. Januar 2015 wurden insgesamt 8 Protokolle von 2016 Smartphone-Benutzern gesammelt. Die Teilnehmer wurden mithilfe der koreanischen Smartphone-Sucht-Proneness-Skala für Erwachsene in die Kontrollgruppe (SUC) oder die Suchtgruppe (SUD) eingeteilt (S-Skala) und ein persönliches Offline-Interview durch einen Psychiater und einen klinischen Psychologen (SUC = 23 und SUD = 25). Wir haben mithilfe der Tensorfaktorisierung Nutzungsmuster abgeleitet und die folgenden sechs optimalen Nutzungsmuster gefunden: 1) soziale Netzwerkdienste (SNS) tagsüber, 2) Surfen im Internet, 3) SNS nachts, 4) mobiles Einkaufen, 5) Unterhaltung und 6) Spielen in der Nacht. Die Zugehörigkeitsvektoren der sechs Muster erzielten eine deutlich bessere Vorhersageleistung als die Rohdaten. Bei allen Mustern waren die Nutzungszeiten des SUD deutlich länger als die des SUC. Aus unseren Erkenntnissen kamen wir zu dem Schluss, dass Nutzungsmuster und Mitgliedschaftsvektoren wirksame Instrumente zur Beurteilung und Vorhersage der Smartphone-Abhängigkeit sind und einen Interventionsleitfaden zur Vorhersage und Behandlung der Smartphone-Abhängigkeit auf der Grundlage von Nutzungsdaten liefern könnten.
PMID: 28636614
PMCID: PMC5479529
DOI: 10.1371 / journal.pone.0177629
;