StressMon：利用工作routine和群体互动变化的被动传感大规模检测感知压力与抑郁

压力和抑郁是各行各业常见的困扰。当管理不当时，压力会抑制生产力或导致抑郁。抑郁可以独立于压力发生。移动健康监测压力和抑郁的倡议急剧增加。然而，这些倡议通常需要用户安装专用应用或多个传感器，使得这类解决方案难以规模化。此外，它们强调感知个人因素而忽视社交互动，而社交互动在影响压力和抑郁方面发挥着重要作用，同时是社交系统的一部分。我们提出StressMon，一个利用从WiFi基础设施被动感知单一属性位置数据的压力和抑郁检测系统。使用位置数据，它提取了详细的移动和物理群体互动模式特征，无需用户执行明确操作或在客户端设备上安装软件。这些特征用于两个不同的机器学习模型来检测压力和抑郁。为了验证StressMon，我们在一所大学对不同的学生群体进行了三项不同的纵向研究，总共108名参与者。我们的评估表明，StressMon使用六天预测窗口检测严重压力学生的真阳性率为96.01%，真阴性率为80.76%，ROC曲线下面积为0.88（得分1表示完美的二分类器）。此外，StressMon能够使用15天窗口以91.21%的真阳性率、66.71%的真阴性率和0.88的AUC检测抑郁。我们最后讨论了StressMon如何扩展CSCW研究，特别是在涉及心理健康管理的协作实践领域。