Viedtālruņa atkarības klasifikācija, izmantojot tenzora faktorizāciju (2017)

PLoS Viens. 2017 jūnijs 21, 12 (6): e0177629. doi: 10.1371 / journal.pone.0177629.

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

Anotācija

Pārmērīgs viedtālruņa lietojums rada personiskas un sociālas problēmas. Lai risinātu šo problēmu, mēs centāmies iegūt lietošanas modeļus, kas tieši saistīti ar viedtālruņa atkarību, pamatojoties uz lietošanas datiem. Šis pētījums mēģināja noteikt viedtālruņa atkarību, izmantojot datu bāzētu prognozēšanas algoritmu. Mēs izstrādājām mobilo lietojumprogrammu, lai savāktu viedtālruņa lietošanas datus. 41,683 viedtālruņu lietotāju 48 žurnāli tika apkopoti no 8, 2015, no 8 janvāra, 2016. Dalībnieki tika klasificēti kontroles grupā (SUC) vai atkarības grupā (SUD), izmantojot Korejas viedtālruņa atkarības prēmijas skalu pieaugušajiem (S-skala) un bezsaistes bezsaistes interviju, ko veica psihiatrs un klīniskais psihologs (SUC). = 23 un SUD = 25). Mēs izmantojām lietošanas modeļus, izmantojot tensor faktorizāciju, un konstatējām šādus sešus optimālus izmantošanas modeļus: 1) sociālo tīklu pakalpojumus (SNS) dienas laikā, 2) tīmekļa sērfošanu, 3) SNS naktī, 4) mobilās iepirkšanās, 5) un 6) spēles naktī. Šo sešu modeļu dalības vektori ieguva ievērojami labāku prognozēšanas veiktspēju nekā neapstrādātie dati. Visiem modeļiem SUD izmantošanas laiks bija daudz garāks nekā SUC. No mūsu secinājumiem mēs secinājām, ka lietošanas modeļi un dalības vektori bija efektīvs līdzeklis, lai novērtētu un prognozētu viedtālruņa atkarību un varētu sniegt intervences vadlīnijas, lai prognozētu un ārstētu viedtālruņa atkarību, pamatojoties uz lietošanas datiem.

PMID: 28636614

PMCID: PMC5479529

DOI: 10.1371 / journal.pone.0177629