Disputation inom datateknik, MSc Nguyen Luong

Avhandlingens titel: Behavioral Sensing for Routine Characterization and Mental Health

Doktorand: Nguyen Luong 
Opponent: Professor Albert Ali Salah, Utrecht University, Nederländerna
Kustos: Professor Petri Vuorimaa, Aalto-universitetets högskola för teknikvetenskaper  

Smarttelefoner och bärbara enheter producerar kontinuerligt information om hur människor rör sig, sover, kommunicerar och använder digitala tjänster. Digital beteendemätning, eller behavioral sensing, innebär att sådana digitala spår samlas in och tolkas passivt för att förstå mönster i människors vardagsbeteende. Denna doktorsavhandling undersöker hur behavioral sensing kan användas för att studera dagliga rutiner och deras samband med psykisk hälsa och välbefinnande i vardagen. 

Studien undersökte två centrala egenskaper hos dagliga rutiner: stabilitet och anpassning. Resultaten visar att människor har individuellt karakteristiska ”rutinsignaturer” som är relativt stabila över tid och inom flera delar av vardagsbeteendet. Dessa signaturer speglar återkommande kombinationer av beteenden, såsom fysisk aktivitet, sömn, kommunikation och användning av digitala enheter. Samtidigt är rutiner inte oföränderliga. Studier i samband med covid-19-pandemin visade att rörelse- och sömnmönster förändrades när restriktioner och vardagsförhållanden förändrades, och att förändringarna varierade systematiskt mellan olika demografiska grupper. 

Avhandlingen undersökte också om behavioral sensing kan komplettera traditionella frågeformulär inom forskning om psykisk hälsa. Studier med personer med depression och friska deltagare visade skillnader i rörelse- och kommunikationsmönster mellan grupperna. Förändringar i bland annat tid som tillbringades hemma, telefonanvändning och kommunikation hade också samband med förändringar i depressiva symtom. En separat longitudinell studie visade att olika mönster i internetanvändning hade samband med upplevd stress. 

Utöver dessa empiriska resultat bidrar avhandlingen med praktiska verktyg för forskning inom behavioral sensing. Den presenterar ett öppet programvarupaket för bearbetning och analys av multimodala beteendedata och utvärderar hur olika tekniker, bland annat bärbara och kontaktfria enheter, mäter sömn. Dessa bidrag syftar till att göra digitala beteendestudier mer transparenta, jämförbara och tillförlitliga. 

Sammantaget visar resultaten att behavioral sensing kan ge en kontinuerlig bild av vardagsbeteende som är svår att fånga med enbart sporadiska frågeformulär. Forskningen ger ny kunskap om både stabiliteten och anpassningsförmågan hos dagliga rutiner och visar hur dessa mönster kan kopplas till psykiskt välbefinnande i verkliga miljöer. 

Behavioral sensing kan i framtiden stödja forskning om psykisk hälsa, individanpassad hälsouppföljning och identifiering av betydelsefulla förändringar i vardagsbeteende. De observerade sambanden visar dock inte i sig orsak och verkan. Behavioral sensing bör därför ses som ett komplement till frågeformulär och kliniska bedömningar, inte som en ersättning för dem.

Avhandlingen är offentligt tillgänglig i elektronisk form 7 dagar före disputationen: Aalto University's public display page.

Kontakt information: 
Email: nguyen.luong@aalto.fi 
Linkedin: www.linkedin.com/in/khoinguyenluongnguyen 

Zoom snabbguide (in English)