PLoS One. 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.
Abstract
Overmatig smartphonegebruik veroorzaakt persoonlijke en sociale problemen. Om dit probleem aan te pakken, hebben we op basis van gebruiksgegevens geprobeerd gebruikspatronen af te leiden die direct verband hielden met de afhankelijkheid van smartphones. In deze studie werd geprobeerd de afhankelijkheid van smartphones te classificeren met behulp van een datagestuurd voorspellingsalgoritme. We hebben een mobiele applicatie ontwikkeld om gebruiksgegevens van smartphones te verzamelen. Van 41,683 maart 48 tot 8 januari 2015 werden in totaal 8 logs van 2016 smartphonegebruikers verzameld. De deelnemers werden geclassificeerd in de controlegroep (SUC) of de verslavingsgroep (SUD) met behulp van de Koreaanse Smartphone Addiction Proneness Scale for Adults. (S-schaal) en een face-to-face offline interview door een psychiater en een klinisch psycholoog (SUC = 23 en SUD = 25). We hebben gebruikspatronen afgeleid met behulp van tensorfactorisatie en hebben de volgende zes optimale gebruikspatronen gevonden: 1) sociale netwerkdiensten (SNS) overdag, 2) surfen op het web, 3) SNS 's nachts, 4) mobiel winkelen, 5) entertainment en 6) 's nachts gamen. De lidmaatschapsvectoren van de zes patronen behaalden aanzienlijk betere voorspellingsprestaties dan de onbewerkte gegevens. Voor alle patronen waren de gebruikstijden van de SUD veel langer dan die van de SUC. Uit onze bevindingen concludeerden we dat gebruikspatronen en lidmaatschapsvectoren effectieve hulpmiddelen zijn om de afhankelijkheid van smartphones te beoordelen en te voorspellen en een interventierichtlijn kunnen bieden om smartphone-afhankelijkheid te voorspellen en te behandelen op basis van gebruiksgegevens.
PMID: 28636614
PMCID: PMC5479529
DOI: 10.1371 / journal.pone.0177629
;
