Стресс может проявляться в повседневных привычках: переписке, поиске информации и оплате покупок через смартфон. Команда Корейского института передовых технологий (KAIST) под руководством профессора Уичина Ли разработала технологию SHIRBT-MMF, которая автоматически находит повторяющиеся действия в приложениях и по ним оценивает ежедневное состояние стресса.

Прежние работы опирались на время у экрана, число запусков приложений или особенности набора текста. Но при смене приложений и их интерфейсов такие данные меняются, и модели становятся менее устойчивыми. Новая система смотрит не на название программы, а на цель действия: переход с одного мессенджера на другой остаётся "перепиской".

Повторяющиеся задачи авторы назвали SHIRBT - рутинные поведенческие задачи взаимодействия со смартфоном. Чтобы их выделить, команда применила собственный метод многоуровневого поиска последовательных шаблонов (ML-SPM). Он находит повторяющиеся переходы между экранами за несколько дней, а большая языковая модель (LLM - искусственный интеллект, обученный на текстах) присваивает им понятные метки: "переписка", "просмотр веб-страниц", "финансовый платёж", "работа с почтой".

При проверке, одинаково ли классифицируется одно и то же действие в разных почтовых, браузерных и мессенджер-приложениях, система показала точность выше 95%.

Для защиты приватности разработчики не сохраняли сам текст сообщений. Фиксировались только факт ввода, его частота и переходы между экранами. Данные о получателях и собеседниках обрабатывались хешированием - преобразованием, которое не позволяет напрямую восстановить исходную информацию.

В исследовании участвовали 26 студентов и офисных сотрудников. У тех, для кого были доступны и самооценка стресса, и записи смартфона, 16 человек предоставили в среднем 30.5 дня данных, а 10 - в среднем 105.1 дня. На основе ежедневных самоотчётов построили персонализированные модели, различающие дни со стрессом и без него.

Всего выявили 29 типов повторяющихся действий, причём каждый человек регулярно выполнял в среднем около семи из них. Лучшая модель достигала средней точности 75.9% для краткосрочной группы и 73.8% для долгосрочной - примерно три верных ответа из четырёх. Это на 5.5 и 3.5 процентного пункта выше традиционного подхода, анализирующего использование приложений тем же методом ИИ. Процентный пункт - единица разницы между двумя процентными показателями.

Точность сохранялась и при сокращении числа действий. Если оставить только "переписку" и "финансовый платёж" или даже анализировать одну "переписку", модель всё равно классифицировала лучше стандартного метода. На долгосрочных данных показатели на основе повторяющихся действий меньше менялись со временем и оставались стабильнее.

Авторы подчёркивают: работа выявила статистическую связь между поведением и стрессом, но не доказала причинно-следственную зависимость. Данные получены на пользователях Android, поэтому учёные планируют расширить исследование на другие возрастные и профессиональные группы и проверить устойчивость метода в разных смартфонных средах. По словам профессора Ли, смартфон - это не просто устройство для подсчёта времени, а пространство повседневной жизни, где повторяются общение, поиск информации и финансовые операции.

Источник: Tech Xplore