AI detectează stresul zilnic prin analiza comportamentului pe smartphone-uri
Indiciile despre stresul zilnic pot fi ascunse în obiceiuri de zi cu zi, cum ar fi mesageria, căutările și efectuarea plăților pe smartphone.
O echipă de cercetare de la KAIST a dezvoltat o tehnologie care analizează comportamentele de rutină repetate în cadrul aplicațiilor pentru a identifica starea de stres zilnică a unei persoane.
KAIST a anunțat pe 15 octombrie că echipa de cercetare condusă de profesorul Uichin Lee din cadrul Departamentului de Calcul AI a realizat „SHIRBT-MMF”, o tehnologie care identifică automat comportamentele repetate ale utilizatorilor de smartphone și folosește factori precum durata și frecvența fiecărui comportament, precum și tiparele de introducere a textului pentru a determina starea de stres zilnică.
Cercetările anterioare privind stresul pe baza smartphone-urilor au analizat în principal factori precum timpul petrecut pe ecran, numărul de lansări de aplicații, timpul și frecvența de utilizare pe categorii de aplicații și comportamentul de tastare. Totuși, atunci când aplicațiile utilizate sau interfețele acestora se schimbă, datele analizate se modifică, ceea ce poate reduce stabilitatea modelelor concepute pentru a urmări stresul pe termen lung.
De aceea, echipa de cercetare s-a concentrat pe „ce face o persoană” în loc de „ce aplicație folosește”. Chiar dacă un utilizator trece de la KakaoTalk la LINE sau WhatsApp, activitatea rămâne „discuții pe mesager”. Cu alte cuvinte, analiza se bazează pe scopul comportamentului și nu pe numele aplicației.
Echipa a definit aceste comportamente repetate ca „Tâskuri de Interacțiune Umană cu Smartphone-ul” (SHIRBTs). Folosind tehnica proprie „Mineritul de Pattern-uri Secvențiale la Mai Multe Niveluri” (ML-SPM), echipa a identificat pattern-uri recurente de tranziție a ecranului pe parcursul mai multor zile, utilizând apoi un model de limbaj mare (LLM) pentru a atribui etichete de comportament ușor de înțeles, cum ar fi „discuții pe mesager”, „navigare web”, „plăți financiare” și „citire/scriere email-uri”. În evaluările privind clasificarea consistentă a aceluiași comportament în diferite aplicații de email, browsere web și mesager, sistemul a atins o acuratețe de peste 95%.
Pentru a proteja confidențialitatea, sistemul nu a stocat efectiv textul sau conținutul mesajelor introduse de utilizatori, înregistrând doar informații despre comportament, cum ar fi dacă a fost introdus text, cât de frecvent a fost introdus și tranzițiile de ecran. Informațiile despre destinatarii mesajelor sau partenerii de apel au fost, de asemenea, procesate prin hashing, care convertește informațiile originale în valori care nu le dezvăluie direct.
Echipa de cercetare a analizat datele din viața reală ale 26 de studenți universitari și angajați cu vârste între 20 și 30 de ani. Dintre participanții pentru care au fost disponibile atât evaluările de stres auto-raportate, cât și înregistrările de smartphone, 16 participanți pe termen scurt au furnizat o medie de 30,5 zile de date, în timp ce 10 participanți pe termen lung au oferit o medie de 105,1 zile. Pe baza auto-evaluărilor zilnice ale participanților, cercetătorii au construit modele personalizate care distingeau între zilele cu și fără stres.
În total, au fost identificate 29 de tipuri de comportamente repetate în utilizarea smartphone-ului de către participanți, fiecare persoană repetând în medie aproximativ șapte comportamente. Echipa de cercetare a utilizat modele de inteligență artificială personalizate antrenate pe aceste tipare comportamentale pentru a determina dacă o persoană experimenta stres într-o anumită zi. Cel mai performant model a atins o acuratețe medie de 75,9% pentru participanții pe termen scurt și 73,8% pentru participanții pe termen lung, ceea ce înseamnă că a fost corect în aproximativ trei din patru cazuri. Aceste rezultate au fost cu 5,5 puncte procentuale și, respectiv, 3,5 puncte procentuale mai mari decât abordarea convențională de analizare a utilizării aplicațiilor folosind aceeași tehnică AI.
Performanța a putut fi menținută chiar și atunci când numărul comportamentelor utilizate în analiză a fost redus. Cu același model personalizat, utilizarea a doar două comportamente, „discuții pe mesager” și „plată financiară”, sau chiar analiza doar a „discuțiilor pe mesager”, a produs o acuratețe medie de clasificare mai mare decât metoda convențională. În datele pe termen lung, indicatorii analitici pe baza comportamentelor repetate s-au schimbat, de asemenea, mai puțin în timp și au menținut o structură mai stabilă decât cei folosiți în abordarea convențională.
În acest experiment, cercetătorii au colectat o gamă largă de înregistrări de utilizare a smartphone-ului pentru a compara metoda lor cu abordările convenționale. În viitor, echipa se așteaptă ca, odată ce comportamentele repetate ale unui individ au fost identificate, concentrarea colectării și analizei datelor pe acele comportamente relevante ar putea reduce povara colectării de date. Studiul sugerează potențialul de a dezvolta tehnologie de monitorizare digitală a sănătății mintale care să faciliteze înțelegerea comportamentelor utilizate în clasificare și să rămână relativ stabilă chiar și atunci când mediul aplicației se schimbă.
„Am privit smartphone-ul nu doar ca un dispozitiv pentru măsurarea timpului de utilizare, ci ca un spațiu din viața de zi cu zi în care comunicarea, căutarea de informații și activitățile financiare ale unui individ sunt realizate în mod repetat”, a adăugat el, „Acest studiu oferă o bază pentru convertirea înregistrărilor complexe ale smartphone-ului în unități de comportament ușor de înțeles pentru oameni și oferă o urmărire mai fiabilă a sănătății mintale pe termen lung.”
Cu toate acestea, acest studiu a folosit asociații între comportament și stres și nu a demonstrat o relație cauzală care să arate că un comportament anume cauzează sau reduce stresul. Pe baza constatărilor obținute de la utilizatorii de smartphone-uri Android cu vârste cuprinse între 20 și 30 de ani, echipa de cercetare își propune să extindă studiul la o gamă mai largă de grupuri de vârstă, ocupații și medii de smartphone și să verifice stabilitatea sa pe termen lung.
Studiul a fost publicat în decembrie 2025 în revista internațională Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies. Studiul este programat să fie prezentat la ACM UbiComp/ISWC 2026, care va avea loc la Shanghai, China, între 13 și 15 octombrie 2026.
