Más uno. 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.
Resumen
El uso excesivo de teléfonos inteligentes causa problemas personales y sociales. Para resolver este problema, tratamos de derivar patrones de uso que se relacionaron directamente con la dependencia de teléfonos inteligentes en función de los datos de uso. Este estudio intentó clasificar la dependencia de los teléfonos inteligentes utilizando un algoritmo de predicción basado en datos. Desarrollamos una aplicación móvil para recopilar datos de uso de teléfonos inteligentes. Un total de registros 41,683 de usuarios de teléfonos inteligentes 48 se recopilaron desde marzo 8, 2015, hasta enero 8, 2016. Los participantes se clasificaron en el grupo de control (SUC) o el grupo de adicción (SUD) mediante la Escala de adicción a la adicción a teléfonos inteligentes de Corea (S-Scale) y una entrevista fuera de línea realizada por un psiquiatra y un psicólogo clínico (SUC). = 23 y SUD = 25). Derivamos patrones de uso mediante factorización tensorial y encontramos los siguientes seis patrones de uso óptimos: 1) servicios de redes sociales (SNS) durante el día, 2) navegación web, 3) SNS en la noche, 4) compras móviles, 5) entretenimiento y 6) juego por la noche Los vectores de membresía de los seis patrones obtuvieron un rendimiento de predicción significativamente mejor que los datos sin procesar. Para todos los patrones, los tiempos de uso de la SUD fueron mucho más largos que los de la SUC. De nuestros hallazgos, llegamos a la conclusión de que los patrones de uso y los vectores de membresía eran herramientas efectivas para evaluar y predecir la dependencia de los teléfonos inteligentes y podrían proporcionar una guía de intervención para predecir y tratar la dependencia de los teléfonos inteligentes según los datos de uso.
PMID: 28636614
PMCID: PMC5479529
DOI: 10.1371 / journal.pone.0177629
;