論文の概要: Surf or sleep? Understanding the influence of bedtime patterns on campus
- arxiv url: http://arxiv.org/abs/2202.09283v1
- Date: Fri, 18 Feb 2022 16:05:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-21 14:36:32.597221
- Title: Surf or sleep? Understanding the influence of bedtime patterns on campus
- Title（参考訳）: サーフィンか睡眠か?
就寝時間パターンがキャンパスに及ぼす影響の理解
- Authors: Teng Guo, Linhong Li, Dongyu Zhang, Feng Xia
- Abstract要約: 睡眠不足は心身の深刻な問題を引き起こすことがある。
現在の研究のほとんどは、小さなサンプルサイズと社会的望ましくないバイアスに悩まされている自己申告とアンケートに基づいている。
本稿では,学習管理システムに格納されているインターネットアクセスパターンに基づいて,学生の睡眠パターンを識別する汎用データ駆動手法を開発した。
- 参考スコア（独自算出の注目度）: 12.804331479852909
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Poor sleep habits may cause serious problems of mind and body, and it is a
commonly observed issue for college students due to study workload as well as
peer and social influence. Understanding its impact and identifying students
with poor sleep habits matters a lot in educational management. Most of the
current research is either based on self-reports and questionnaires, suffering
from a small sample size and social desirability bias, or the methods used are
not suitable for the education system. In this paper, we develop a general
data-driven method for identifying students' sleep patterns according to their
Internet access pattern stored in the education management system and explore
its influence from various aspects. First, we design a Possion-based
probabilistic mixture model to cluster students according to the distribution
of bedtime and identify students who are used to staying up late. Second, we
profile students from five aspects (including eight dimensions) based on
campus-behavior data and build Bayesian networks to explore the relationship
between behavioral characteristics and sleeping habits. Finally, we test the
predictability of sleeping habits. This paper not only contributes to the
understanding of student sleep from a cognitive and behavioral perspective but
also presents a new approach that provides an effective framework for various
educational institutions to detect the sleeping patterns of students.
- Abstract（参考訳）: 睡眠不足は、心身の深刻な問題を引き起こす可能性があり、大学生にとって、労働負荷や対人的、社会的影響によってよく見られる問題である。
その影響を理解し、睡眠不足の学生を特定することは教育管理において非常に重要である。
現在行われている研究のほとんどは、小さなサンプルサイズと社会的望ましくないバイアスに悩まされている自己申告とアンケートに基づくものであるか、あるいは教育システムに適さない方法である。
本稿では,教育管理システムに格納されているインターネットアクセスパターンに基づいて,学生の睡眠パターンを識別する汎用的なデータ駆動手法を開発し,その影響について検討する。
まず、就寝時間分布に応じて生徒をクラスタリングするためのPossionベースの確率混合モデルを設計し、就寝に慣れている学生を同定する。
第2に,キャンパス行動データに基づく5つの側面(8次元を含む)の学生をプロファイリングし,ベイズネットワークを構築し,行動特性と睡眠習慣の関係について検討した。
最後に,睡眠習慣の予測可能性をテストする。
本稿では,認知的・行動的観点からの学生睡眠の理解に寄与するだけでなく,学生の睡眠パターンを検出するための各種教育機関の効果的な枠組みを提供する新しいアプローチを提案する。
関連論文リスト
- Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳（メタデータ） (2024-05-15T20:41:46Z) - Domain Invariant Representation Learning and Sleep Dynamics Modeling for
Automatic Sleep Staging [6.86283473936335]
ニューラルネットワークに基づく睡眠ステージングモデルDREAMを提案し,生理的信号とモデル睡眠ダイナミクスから領域一般化表現を学習する。
DREAMは、様々な被験者の睡眠信号から睡眠関連および被写体不変表現を学習し、シーケンシャル信号セグメントと睡眠ステージ間の相互作用を捉えて睡眠ダイナミクスをモデル化する。
睡眠ステージ予測実験,ケーススタディ,ラベルなしデータの使用,不確実性など,DREAMの優位性を示すための総合的な実証的研究を行った。
論文 参考訳（メタデータ） (2023-12-06T00:28:08Z) - Editing Personality for Large Language Models [73.59001811199823]
本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。
このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
論文 参考訳（メタデータ） (2023-10-03T16:02:36Z) - Deep learning reveals the common spectrum underlying multiple brain
disorders in youth and elders from brain functional networks [53.257804915263165]
ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。
病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。
多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
論文 参考訳（メタデータ） (2023-02-23T09:22:05Z) - 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) - 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) - Identity and Posture Recognition in Smart Beds with Deep Multitask
Learning [8.422257363944295]
被験者とその睡眠姿勢を正確に検出できる堅牢な深層学習モデルを提案する。
喪失機能の組み合わせは、被験者と睡眠姿勢を同時に区別するために使用される。
提案するアルゴリズムは、最終的に臨床およびスマートホーム環境で使用できる。
論文 参考訳（メタデータ） (2021-04-05T21:21:54Z) - Understanding health and behavioral trends of successful students
through machine learning models [11.615686353864374]
本研究は、学期を通じて異なる期間の大学生の身体、精神、ライフスタイル、性格要因のパターンを分析した。
分析データはスマートフォンとFitbitで収集された。
論文 参考訳（メタデータ） (2021-01-23T17:18:17Z) - Revealing the Hidden Patterns: A Comparative Study on Profiling
Subpopulations of MOOC Students [61.58283466715385]
MOOC(Massive Open Online Courses)は、学生の異質性を示す。
MOOCプラットフォームからの複雑な“ビッグデータ”の出現は、学生がMOOCにどのように従事しているかを深く理解する上で、難しいが報われる機会である。
本報告では,MOOCにおける学生活動のクラスタリング分析と,学生集団間の行動パターンと人口動態の比較分析について述べる。
論文 参考訳（メタデータ） (2020-08-12T10:38:50Z) - N=1 Modelling of Lifestyle Impact on SleepPerformance [2.9073923339818006]
睡眠は健康な生活に欠かせない。
最近の研究にもかかわらず、実際の環境でパーソナライズされた睡眠モデルを作成することは困難だった。
本研究では,日常活動と睡眠品質の因果関係を同定する睡眠モデルを提案する。
論文 参考訳（メタデータ） (2020-06-18T22:43:35Z)
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。