Behaviorální analýza dat

Abstract

Hlavním cílem této práce je evaluace a analýza digitální fenotypizace, jakožto nového fenoménu, který by mohl být vhodný pro zdravotní péči budoucnosti. První část této bakalářské práce popisuje sběr dat z mobilních zařízení a zároveň představuje odvětví informatiky, které se zabývá nemocemi duševního zdraví. Zároveň jsou zde popsány a vysvětleny základní koncepty a pojmy v rámci současného pokroku založené na vědeckých článcích a studiu odborné literatury. Dále jsou v této bakalářské práci popsány platformy, které jsou určené ke sběru dat z mobilních zařízení. Tyto platformy byly vyzkoušeny v rámci pilotní studie a poté také srovnány odpovídajícím způsobem. Na základě výsledků této studie byla spuštěna další pilotní studie, ve které se sbírala aktivní a pasivní data a dále také aktigrafická data z chytrého náramku. Tato práce se ale zejména zaměřuje na data z GPS sensoru, četnost používání mobilu a data z chytrého náramku. Na základě těchto datových typů je spočítána řada příznaků. Druhá část této bakalářské práce se zaměřuje na explorační analýzu dat sesbíraných v již zmíněné pilotní studii. Tato data jsou vizualizována a analyzována ze dvou úhlů pohledu. Prvním je pohled, ve kterém se data berou jakožto celek, přičemž druhý zkoumá data jednotlivců. Dále je zde představeno pojmenování lidských emocí na základě kružnicového modelu afektu. Tyto lidské emoce jsou pak klasifikovány náhodným lesem na základě již spočítaných příznaků. Konečný cíl klasifikátoru je rozeznat emoce lidí v rámci jednotlivých dní.

The main goal of this bachelor thesis is to examine digital phenotyping and provide an analysis of this phenomenon to evaluate the importance of digital phenotyping for future medical use. The first part of this thesis describes the theoretical part focusing on people's data collected from smart devices, mainly from smartphones, and simultaneously related computer science focusing on mental health using these data is introduced. Consequently, thorough concepts and terms used in this area are explained, and state of the art is described. Further, data collection platforms for smartphones are described and detailly compared by running a small pilot study. Then another pilot study is deployed to collect passive and active data from smartphones and actigraphy data from the wristband. These data entries are evaluated, visualised and assessed. Moreover, the GPS sensor, power state and actigraphy data are preprocessed, and meaningful features are calculated using these data types. The second part focuses on the exploratory analysis of the data set gathered in the pilot study. The data are assessed as a whole unit and simultaneously individually by a person. Moreover, the classification of people's emotional states developed from the circumplex model of affect is introduced. This classification is done using a random forest algorithm based on the calculated features, and its ultimate goal is to distinguish between a person's emotional state.