論文の概要: Online Mobile App Usage as an Indicator of Sleep Behavior and Job Performance

• arxiv url: http://arxiv.org/abs/2102.12523v1
• Date: Wed, 24 Feb 2021 19:30:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-10 00:46:48.065130
• Title: Online Mobile App Usage as an Indicator of Sleep Behavior and Job Performance
• Title（参考訳）: 睡眠行動と仕事パフォーマンスの指標としてのオンラインモバイルアプリの利用
• Authors: Chunjong Park, Morelle Arian, Xin Liu, Leon Sasson, Jeffrey Kahn, Shwetak Patel, Alex Mariakakis, Tim Althoff
• Abstract要約: 睡眠は人間の機能にとって重要であり、記憶、気分、エネルギー、警戒などの要因を媒介する。 オンラインモバイルアプリとの日々のインタラクションは、実世界の状況において、仕事のパフォーマンスに関する洞察を明らかにすることができる。
• 参考スコア（独自算出の注目度）: 10.123694696550965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sleep is critical to human function, mediating factors like memory, mood, energy, and alertness; therefore, it is commonly conjectured that a good night's sleep is important for job performance. However, both real-world sleep behavior and job performance are hard to measure at scale. In this work, we show that people's everyday interactions with online mobile apps can reveal insights into their job performance in real-world contexts. We present an observational study in which we objectively tracked the sleep behavior and job performance of salespeople (N = 15) and athletes (N = 19) for 18 months, using a mattress sensor and online mobile app. We first demonstrate that cumulative sleep measures are correlated with job performance metrics, showing that an hour of daily sleep loss for a week was associated with a 9.0% and 9.5% reduction in performance of salespeople and athletes, respectively. We then examine the utility of online app interaction time as a passively collectible and scalable performance indicator. We show that app interaction time is correlated with the performance of the athletes, but not the salespeople. To support that our app-based performance indicator captures meaningful variation in psychomotor function and is robust against potential confounds, we conducted a second study to evaluate the relationship between sleep behavior and app interaction time in a cohort of 274 participants. Using a generalized additive model to control for per-participant random effects, we demonstrate that participants who lost one hour of daily sleep for a week exhibited 5.0% slower app interaction times. We also find that app interaction time exhibits meaningful chronobiologically consistent correlations with sleep history, time awake, and circadian rhythms. Our findings reveal an opportunity for online app developers to generate new insights regarding cognition and productivity.
• Abstract（参考訳）: 睡眠は人間の機能にとって重要であり、記憶、気分、エネルギー、注意力などの要因を仲介する。 しかし、現実の睡眠行動と仕事のパフォーマンスの両方を大規模に測定することは困難である。 本研究では,オンラインモバイルアプリとの日常的なインタラクションが,実世界の状況において,仕事のパフォーマンスに関する洞察を明らかにできることを実証する。 本研究では,マットレスセンサとオンラインモバイルアプリを用いて,営業員 (n = 15) と運動選手 (n = 19) の18ヶ月間の睡眠行動と就業実績を客観的に追跡した。 まず,1週間の1日1時間の睡眠損失が,営業員とアスリートの成績の9.0%と9.5%の低下と関連していることを示した。 次に,オンラインアプリのインタラクション時間の有用性を,受動的に収集可能でスケーラブルなパフォーマンス指標として検討する。 アプリインタラクション時間は,スポーツ選手のパフォーマンスと相関するが,営業担当者には相関しないことを示す。 アプリに基づくパフォーマンス指標が精神運動機能に有意な変動を捉え,潜在的な障害に対して堅牢であることを示すため,274人のコホートで睡眠行動とアプリインタラクション時間との関係について検討した。 参加者ごとのランダム効果を制御するために一般化した添加剤モデルを用いて、1週間1時間の睡眠を失った被験者は5.0%遅いアプリインタラクション時間を示した。 また,アプリ間相互作用時間は睡眠履歴,覚醒時間,概日リズムと有意な時間的整合性を示す。 今回の調査結果は、オンラインアプリ開発者が認知と生産性に関する新たな洞察を生み出す機会を明らかにするものだ。

関連論文リスト

• SleepNet: Attention-Enhanced Robust Sleep Prediction using Dynamic Social Networks [1.622340939868235]
  本研究では,グラフネットワークによる睡眠行動の社会的伝染を利用するシステムであるSleepNetを提案する。 我々のアーキテクチャは、注意機構を考案することによって、睡眠行動に関係のない接続を含む大規模グラフの限界を克服する。
  論文  参考訳（メタデータ） (2024-01-20T04:38:34Z)
• Sleep Activity Recognition and Characterization from Multi-Source Passively Sensed Data [67.60224656603823]
  睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。 本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。 これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
  論文  参考訳（メタデータ） (2023-01-17T15:18:45Z)
• ProductGraphSleepNet: Sleep Staging using Product Spatio-Temporal Graph Learning with Attentive Temporal Aggregation [4.014524824655106]
  本研究では,協調時間グラフ学習のための適応型製品グラフ学習型グラフ畳み込みネットワークProductGraphSleepNetを提案する。 提案したネットワークにより、臨床医は学習した睡眠段階の接続グラフを理解し、解釈することができる。
  論文  参考訳（メタデータ） (2022-12-09T14:34:58Z)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• SleepMore: Sleep Prediction at Scale via Multi-Device WiFi Sensing [0.0]
  本研究では,ユーザのWiFiネットワーク上での機械学習に基づく,正確な睡眠追跡手法であるSleepMoreを提案する。 46人の大学生を対象とした1ヶ月にわたるユーザー調査データを用いて、SleepMoreを検証し、Oura Ringウェアラブルと比較した。 以上の結果から,SleepMoreは,5%の不確かさ率以内の予測のために,Ouraリングベースラインから統計的に識別不能な睡眠統計を発生させることが示された。
  論文  参考訳（メタデータ） (2022-10-24T16:42:56Z)
• Personalised recommendations of sleep behaviour with neural networks using sleep diaries captured in Sleepio [11.243440695021567]
  Big Healthと共同で、私たちは401,174回の睡眠日記のランダムなサンプルからデータを分析しました。 個人の睡眠行動と睡眠の質をパーソナライズされた方法でモデル化するニューラルネットワークを構築した。 ニューラルネットワークは、ユーザーがどの睡眠習慣に従うべきかをパーソナライズしたレコメンデーションを生成し、睡眠の質を最大化する。
  論文  参考訳（メタデータ） (2022-07-29T18:29:05Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• HAR-GCNN: Deep Graph CNNs for Human Activity Recognition From Highly Unlabeled Mobile Sensor Data [61.79595926825511]
  正確な活動ラベルを含むバランスのとれたデータセットを取得するには、人間が正しく注釈を付け、リアルタイムで被験者の通常の活動に干渉する必要がある。 本研究では,HAR-GCCNモデルを提案する。HAR-GCCNは,時系列に隣接したセンサ測定の相関を利用して,不特定活動の正確なラベルを予測する。 Har-GCCNは、これまで使用されていたベースライン手法と比較して優れたパフォーマンスを示し、分類精度を25%改善し、異なるデータセットで最大68%向上した。
  論文  参考訳（メタデータ） (2022-03-07T01:23:46Z)
• WiSleep: Scalable Sleep Monitoring and Analytics Using Passive WiFi Sensing [0.0]
  WiSleepは、WiFiインフラから受動的に感知されるスマートフォンネットワーク接続を使用した睡眠監視および分析プラットフォームである。 本研究では,睡眠時間と覚醒時間を予測するため,ベイズ変化点検出の教師なしアンサンブルモデルを提案する。 WiSleepは、単一のコモディティサーバ上で2万人のユーザからのデータを処理することができ、サーバ要求の少ない大規模なキャンパスにスケールできることを示す。
  論文  参考訳（メタデータ） (2021-02-07T00:05:14Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。