論文の概要: FLOW: A Feedback-Driven Synthetic Longitudinal Dataset of Work and Wellbeing
- arxiv url: http://arxiv.org/abs/2512.22956v1
- Date: Sun, 28 Dec 2025 14:54:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-30 22:37:30.298532
- Title: FLOW: A Feedback-Driven Synthetic Longitudinal Dataset of Work and Wellbeing
- Title（参考訳）: FLOW: 仕事と幸福のフィードバック駆動型時系列データセット
- Authors: Wafaa El Husseini,
- Abstract要約: FLOWは、ワークロードとライフスタイル、幸福感の間の日々のインタラクションをモデル化するために設計された、合成長手データセットである。
FLOWは、毎日の解像度で2年間に1000人の個人をシミュレートし、公開されているリソースとしてリリースされている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Access to longitudinal, individual-level data on work-life balance and wellbeing is limited by privacy, ethical, and logistical constraints. This poses challenges for reproducible research, methodological benchmarking, and education in domains such as stress modeling, behavioral analysis, and machine learning. We introduce FLOW, a synthetic longitudinal dataset designed to model daily interactions between workload, lifestyle behaviors, and wellbeing. FLOW is generated using a rule-based, feedback-driven simulation that produces coherent temporal dynamics across variables such as stress, sleep, mood, physical activity, and body weight. The dataset simulates 1{,}000 individuals over a two-year period with daily resolution and is released as a publicly available resource. In addition to the static dataset, we describe a configurable data generation tool that enables reproducible experimentation under adjustable behavioral and contextual assumptions. FLOW is intended as a controlled experimental environment rather than a proxy for observed human populations, supporting exploratory analysis, methodological development, and benchmarking where real-world data are inaccessible.
- Abstract（参考訳）: ワークライフバランスと幸福に関する個人レベルの縦データへのアクセスは、プライバシー、倫理的、論理的制約によって制限される。
このことは、再現可能な研究、方法論的なベンチマーク、ストレスモデリング、行動分析、機械学習といった分野における教育の課題を提起する。
FLOWは、作業負荷、ライフスタイル、幸福感の日々の相互作用をモデル化するための合成長手データセットである。
FLOWは、ストレス、睡眠、気分、身体活動、体重などの変数のコヒーレントな時間的ダイナミクスを生成するルールベースのフィードバック駆動シミュレーションを用いて生成される。
このデータセットは、毎日の解像度で2年間に1{,}000人の個人をシミュレートし、公開されているリソースとして解放される。
静的データセットに加えて、調整可能な振る舞いと文脈の仮定の下で再現可能な実験を可能にする構成可能なデータ生成ツールについて述べる。
FLOWは、観察された人間の集団のプロキシではなく、制御された実験環境として意図されており、現実世界のデータにアクセスできない探索分析、方法論開発、ベンチマークをサポートする。
関連論文リスト
- Data-driven Exploration of Mobility Interaction Patterns [1.052782170493037]
データマイニングの観点からデータから直接始めるアプローチを提案する。
本手法は,個人間の相互相互作用の証拠となる可能性のあるデータ中の移動事象を探索し,その上に複雑で永続的なパターンとイベントの構成の時間的変化を求める。
これらのパターンの研究は、個人間のモビリティ相互作用の力学に関する新たな洞察を与え、既存のシミュレーションモデルを改善するのに役立つ可能性がある。
論文 参考訳（メタデータ） (2025-12-08T10:50:24Z) - From Physics to Machine Learning and Back: Part II - Learning and Observational Bias in PHM [52.64097278841485]
物理インフォームドモデリングとデータストラテジーによる学習と観察バイアスの導入は、モデルを物理的に一貫した信頼性のある予測へと導くことができるかを検討する。
メタラーニングや少数ショットラーニングなどの高速適応手法をドメイン一般化手法とともに検討する。
論文 参考訳（メタデータ） (2025-09-25T14:15:43Z) - Personalized Counterfactual Framework: Generating Potential Outcomes from Wearable Data [1.7396556690675233]
本稿では,ウェアラブルデータからパーソナライズされた対物モデルを学ぶためのフレームワークを提案する。
我々はまず,マルチモーダル類似性分析を用いて,類似患者のデータを用いて個々のデータセットを拡大する。
次に、時間的PC(Peter-Clark)アルゴリズムを用いて予測関係を探索する。
グラディエントブースティングマシンは、個々の特殊効果を定量化するためにこれらの関係に基づいて訓練されている。
論文 参考訳（メタデータ） (2025-08-20T05:04:17Z) - Valid Inference with Imperfect Synthetic Data [39.10587411316875]
モーメントの一般化法に基づく新しい推定器を提案する。
合成データのモーメント残差と実データのモーメント間の相互作用は、対象パラメータの推定を大幅に改善できることがわかった。
論文 参考訳（メタデータ） (2025-08-08T18:32:52Z) - A Survey on Diffusion Models for Time Series and Spatio-Temporal Data [92.1255811066468]
時系列およびS時間データにおける拡散モデルの使用について概観し、それらをモデル、タスクタイプ、データモダリティ、実用的なアプリケーションドメインで分類する。
我々は拡散モデルを無条件型と条件付き型に分類し、時系列とS時間データを別々に議論する。
本調査は,医療,レコメンデーション,気候,エネルギー,オーディオ,交通など,さまざまな分野の応用を幅広くカバーしている。
論文 参考訳（メタデータ） (2024-04-29T17:19:40Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳（メタデータ） (2024-02-19T15:57:39Z) - A Framework for Realistic Simulation of Daily Human Activity [1.8877825068318652]
本稿では,家庭環境における日々の行動パターンを大規模にシミュレーションするための枠組みを提案する。
本稿では,スケジュールの日々の変動を特定する手法を提案し,テンプレートからスケジュールを生成するための双方向制約伝搬アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-26T19:50:23Z) - Learning to Simulate Daily Activities via Modeling Dynamic Human Needs [24.792813473159505]
生成的逆転模倣学習に基づく知識駆動型シミュレーションフレームワークを提案する。
我々の中核となる考え方は、シミュレーションモデルにおける活動生成を駆動する基盤となるメカニズムとして、人間の要求の進化をモデル化することである。
我々のフレームワークは、データの忠実さと実用性の観点から、最先端のベースラインよりも優れています。
論文 参考訳（メタデータ） (2023-02-09T12:30:55Z) - Continuous-Time Modeling of Counterfactual Outcomes Using Neural
Controlled Differential Equations [84.42837346400151]
反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。
既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。
そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
論文 参考訳（メタデータ） (2022-06-16T17:15:15Z) - Jointly Predicting Job Performance, Personality, Cognitive Ability,
Affect, and Well-Being [42.67003631848889]
本研究では,身体的および生理的行動,心理的状態と特徴,職能を統合した個人予測分析のためのベンチマークを作成する。
我々は、データマイニング技術をベンチマークとして設計し、ウェアラブルセンサから得られた真のノイズと不完全なデータを用いて、12の標準化された精確なテストに基づいて19の構造を予測する。
論文 参考訳（メタデータ） (2020-06-10T14:30:29Z)
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。