PLOJ Unu. 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.
abstrakta
Troa inteligenta telefono uzas personajn kaj sociajn problemojn. Por trakti ĉi tiun aferon, ni serĉis uzadajn mastrojn, kiuj rekte rilatigis kun inteligenta telefono dependa de uzado de datumoj. Ĉi tiu studo provis klasifiki dependaĵon de inteligenta telefono uzante algoritmon de antaŭdiro de datumoj. Ni evoluigis telefonan aplikon por kolekti informojn pri uzado de inteligentaj telefonoj. Tutaj 41,683-logoj de uzantoj de smartphone 48 estis kolektitaj de marto 8, 2015, ĝis Januaro 8, 2016. La partoprenantoj estis klasifikitaj en la grupon de kontrolo (SUC) aŭ la grupo de toksomanio (SUD) uzante la korea telefona toksomanio-Proneco-skalo por adoltoj (S-Scale) kaj intervjuo senpaga kun psikiatro kaj klinika psikologo (SUC) = 23 kaj SUD = 25). Ni derivas uzadajn mastrojn uzante tensorajn faktorigadon kaj trovis la jenajn ses optimumajn uzadajn mastrojn: 1) en la sociaj retoj (SNS) dum la tago, 2) retejo surfing, 3) SNS nokte, 4) moveblaj butikoj, 5) kaj 6) ludado nokte. La membraj vektoroj de la ses ŝablonoj akiris signife pli bonan antaŭdiron ol la krudan datumon. Por ĉiuj ŝablonoj, la tempoj de uzado de la SUD estis multe pli longaj ol tiuj de la SUC. De niaj rezultoj, ni konkludis, ke uzadaj mastroj kaj membrecaj vektoroj estis efikaj iloj por taksi kaj antaŭdiri inteligentan dependecon kaj povus doni intervenon-gvidlinon por antaŭdiri kaj trakti inteligentan dependecon bazitan sur uzado de datumoj.
PMID: 28636614
PMCID: PMC5479529
DOI: 10.1371 / journal.pone.0177629
;
