从智能手机数据中了解社会背景：在不同国家和日常生活时刻中的泛化

视频

DOI

了解社交情境如何在人们的日常生活中展开对于设计能够支持用户个人目标、福祉和活动的移动系统是相关的。作为一种替代问卷的方法，一些研究使用被动收集的智能手机传感器数据来推断社交情境（即，是否独处）与机器学习模型。然而，现有的少数研究集中在特定的日常生活场合和一两个国家的有限地理群体上。这限制了我们对推断模型如何在日常生活场合和多个国家中进行泛化的理解。在本文中，我们使用了一个新颖的、大规模的、多模式的智能手机感应数据集，其中包含来自五个国家（蒙古、意大利、丹麦、英国、巴拉圭）的581名年轻人的超过216,000份自我报告，首先了解使用传感器数据推断社交情境是否可行，然后了解行为和国家层面的多样性如何影响推断。我们发现，多个传感器对社交情境是有信息量的，部分个性化的多国模型（用所有国家的数据训练和测试）和特定国家模型（在国家内部训练和测试）可以实现超过90% AUC的类似性能，并且模型无法很好地泛化到未见过的国家，无论地理邻近性如何。这些发现证实了移动数据多样性的的重要性，以更好地理解不同国家的社交情境推断模型。