Smartphone-Abonnementsklassifizéierung duerch Tensorfaktoriséierung (2017)

PLoS One. 2017 Jun 21; 12 (6): e0177629. Doi: 10.1371 / journal.pone.0177629.

De Choi J1, Rho MJ2, Kim Y3, Joch IH2, Yu H1, Kim DJ4, Choi IY2.

mythologesch

Exzessiv Benotzung vu Smartphones verursaacht perséinlech a sozial Problemer. Fir dëst Thema unzegoen, hu mir probéiert Benotzungsmuster ofgeleet déi direkt mat Smartphone Ofhängegkeet korreléiert waren op Basis vu Benotzungsdaten. Dës Etude probéiert de Smartphone Ofhängegkeet ze klassifizéieren mat Hëllef vun engem datadrivéierten Prognosenalgorithmus. Mir hunn eng mobil Applikatioun entwéckelt fir Smartphone Benotzungsdaten ze sammelen. E Gesamt 41,683 Logbicher vun 48 Smartphone Benotzer goufe vum Mäerz 8, 2015, bis Januar 8, 2016 gesammelt. D'Participante goufen an d'Kontrollgrupp (SUC) oder d'Suchtgrupp (SUD) klassifizéiert mat der Koreanescher Smartphone Sucht Proneness Skala fir Erwuessener (S-Skala) an e face-to-face offline Interview vun engem Psychiater an engem klineschen Psycholog (SUC) = 23 a SUD = 25). Mir hunn d'Benotzmuster mat Tensor-Faktoriséierung ofgeleet an déi folgend sechs optimal Notzungsmuster fonnt: 1) Sozial Netzwierkservicer (SNS) während Dageszäit, 2) Websurfen, 3) SNS an der Nuecht, 4) mobil Shopping, 5) Ënnerhalung, an 6) Spillowend an der Nuecht. D'Memberevektore vun de sechs Mustere kréie vill méi bedeitend Prévisiouns Performance wéi d'Raw data. Fir all Muster waren d'Benotzungszäiten vum SUD vill méi laang wéi déi vum SUC. Aus eise Resultater hu mir ofgeschloss datt d'Benotzungsmuster an d'Memberschaftvektore wier effektiv Mëttel fir d'Selphonofhängegkeet ze beurteelen an ze prediéieren an eng Interventiounsrichtlinn kënne bidden, fir d'Sofhängegkeet vum Smartphone virzegoen an ze behandelen op Basis vu Benotzungsdaten.

PMID: 28636614

PMCID: PMC5479529

DOI: 10.1371 / journal.pone.0177629