常规计算：面向人类中心目标的日常生活维度感知系统综述

文献标题

Routine Computing: A Systematic Review of Sensing Daily Life Dimensions Towards Human-Centered Goals

出版信息

• 主题领域: 日常生活中人类行为模式的计算建模与感知。
• 关键词: 常规计算、人类活动识别、情境感知系统、时间粒度、行为建模、认知因素、自适应系统、隐私、健康监测、群体层面洞察。

背景与问题

• 问题 / 挑战: 现有的计算系统在建模和解释人类日常行为的复杂性方面存在困难，尤其是在低层次活动识别与高层次意图之间的桥接、个性化与通用化的平衡、隐私问题的解决以及数据限制的克服方面。
• 重要性: 理解人类日常行为对健康监测、老龄化护理、习惯养成以及群体层面洞察具有实际意义，这对于推动以人为中心的技术发展至关重要。
• 动机与相关工作: 以往在人类活动识别（HAR）和情境感知计算领域的研究主要集中于孤立的活动或单一类别的行为，忽视了构成日常行为的时间、情境和心理维度。本文通过引入并系统性地回顾新兴的常规计算领域来填补这些空白。

解决方案

• 提出的方法: 对常规计算进行系统性综述与分类，综合分析203篇研究以识别该领域的关键维度、目标、挑战和未来方向。
• 创新点:
  1. 首次对常规计算进行系统性综述，整合了感知、建模和应用领域的203篇研究。
  2. 将常规计算概念化为不同于活动识别和情境感知计算的独立领域。
  3. 从时间、行为、认知和自适应维度开发分类体系。
  4. 识别关键挑战和机遇，包括可解释性、个性化、伦理设计和数据丰富化。
• 过程与关键技术:
  1. 使用ACM DL和IEEE Xplore进行文献检索，初筛2,631篇记录，最终筛选出203篇研究。
  2. 分析感知策略、建模活动、认知因素和适应机制。
  3. 按时间粒度、行为情境、认知维度和可变性检测对研究进行分类。
  4. 识别常规计算的应用目标和挑战。

结果

• 具体发现:
  • 时间粒度: 研究范围涵盖秒到分钟（54篇）、天到周（69篇）以及月到年（80篇）。
  • 行为情境: 常规行为涉及独立行动（66篇）、移动性（71篇）和社交互动（33篇）。
  • 认知因素: 关键维度包括前瞻记忆（4篇）、动机（9篇）和自我反思（40篇）。
  • 可变性与适应性: 系统能够应对常规偏差、提供干预并随时间调整模型（83篇）。
• 相较基线的优势: 常规计算超越了活动识别，通过整合时间、情境和认知维度，提供了更丰富、更有意义的人类行为洞察。
• 实验 / 评估: 研究根据感知方式、数据粒度、用户研究特征和应用目标进行评估，应用领域包括健康监测、习惯养成、自适应辅助和群体层面洞察。
• 局限性与未来工作:
  • 从低层次活动中解释高层次意图的能力有限。
  • 在长期建模中平衡个性化与通用化的挑战。
  • 持续监测带来的隐私问题。
  • 数据稀缺以及缺乏多样化的大规模数据集。
  • 未来工作包括整合更丰富的情境线索、增强隐私保护机制以及开发可持续的数据采集实践。

总结

本文首次对常规计算进行了系统性综述，综合分析了203篇研究以定义该领域的概念维度、应用目标和挑战。文章提出了一种涵盖时间粒度、行为情境、认知因素和适应机制的分类体系，强调了常规计算在支持健康、老龄化护理、习惯养成和群体层面洞察方面的潜力。持续的挑战包括可解释性、个性化、隐私和数据限制，提出的解决方案集中于更丰富的情境整合、伦理设计和可持续的数据实践。此项工作确立了常规计算作为推动日常生活中以人为中心技术发展的关键领域。