PLoS One. 2017 kesäkuu 21, 12 (6): e0177629. doi: 10.1371 / journal.pone.0177629.
Choi J1, Rho MJ2, Kim Y3, Yook IH2, Yu H1, Kim DJ4, Choi IY2.
Abstrakti
Älypuhelinten liiallinen käyttö aiheuttaa henkilökohtaisia ja sosiaalisia ongelmia. Tämän ongelman ratkaisemiseksi pyrimme selvittämään käyttötapoihin perustuvat käyttötavat, jotka olivat suoraan korreloineet älypuhelinten riippuvuuteen. Tässä tutkimuksessa yritettiin luokitella älypuhelinten riippuvuus käyttämällä datavetoista ennustealgoritmia. Kehitimme mobiilisovelluksen älypuhelimien käyttöä koskevien tietojen keräämiseen. Yhteensä 41,683-älypuhelimien käyttäjien 48-lokit kerättiin maaliskuusta 8, 2015, tammikuun 8, 2016. Osallistujat luokiteltiin kontrolliryhmään (SUC) tai riippuvuusryhmään (SUD) käyttämällä aikuisten korealaista älypuhelinten väärinkäyttäytymisasteikkoa (S-asteikko) ja psykiatrin ja kliinisen psykologin (SUC) suoraa, haastatteluhaastattelua (SUC). = 23 ja SUD = 25). Johdantoimme käyttötapoja tensorifaktion avulla ja löysimme seuraavat kuusi optimaalista käyttötapaa: 1) sosiaalisen verkostoitumisen palvelut (SNS) päivällä, 2) verkkoselaaminen, 3) SNS yöllä, 4 (mobiiliostos, 5) (viihde ja 6) pelaaminen yöllä. Kuuden kuvion jäsenvektorit saivat huomattavasti paremman ennustekyvyn kuin raakatiedot. Kaikissa malleissa SUD: n käyttöajat olivat paljon pidempiä kuin SUC: n. Tuloksista päätimme, että käyttötavat ja jäsenvektorit olivat tehokkaita työkaluja älypuhelinten riippuvuuden arviointiin ja ennustamiseen ja voisivat tarjota toimintaohjeen älypuhelinten riippuvuuden ennustamiseen ja hoitamiseen käyttötietojen perusteella.
Teorian 28636614
PMCID: PMC5479529
DOI: 10.1371 / journal.pone.0177629
;
