デジタルメディアプラットフォームにおけるユーザー行動予測のための精神生態学的信号認識フレームワーク

科学分野:

• デジタル行動科学
• 計算心理学
• ヒューマンコンピュータインタラクション

背景:

• デジタルメディアは普及していますが、過度のまたは感情的に充電された使用、特に夜間は、行動および精神的健康上の懸念を引き起こします。
• 現在の予測モデルは、ユーザーの心理状態と環境的文脈との間の複雑な相互作用を見落としています。
• これらのダイナミクスを理解することは、効果的なデジタルウェルネス戦略を開発するために不可欠です。

研究 の 目的:

• デジタルメディアの使用のための心理的および生態学的要因を統合する新しい行動予測モデルを開発すること。
• 没入型使用、深夜活動、誤情報への感受性に関連するハイリスクパターンを特定すること。
• デジタルヘルスの早期介入戦略の基礎を築くこと。

主な方法:

• 信号識別、相互作用モデリング、および行動予測レイヤーを備えたデュアルチャネルクロスアテンションネットワーク（DCCAN）を提案しました。
• 心理的および生態学的データを融合するために、クロスモーダルアテンションメカニズムを採用しました。
• 9,782人のユーザーと51,264の行動シーケンスの大規模データセットでモデルをトレーニングおよび検証しました。

主要な成果:

• DCCANモデルは、没入型使用、深夜活動、誤情報への感受性の予測において、ベースラインモデル（LSTM、GRU、XGBoost）を大幅に上回りました。
• 没入型使用予測のためのF1スコア0.891およびAUC 0.913を含む高いパフォーマンスメトリクスを達成しました。
• アブレーション研究は、心理的/生態学的信号とクロスアテンションメカニズムの重要性を確認しました。

結論:

• アテンションベースの融合を介して心理的および生態学的データを統合することは、デジタルリスク行動の正確で解釈可能な予測を提供します。
• DCCANフレームワークは、リアルタイムの行動健康モニタリングと適応型コンテンツモデレーションのための有望なアプローチを提供します。
• この研究は、デジタルメディアが精神的幸福に与える影響と介入の可能性についての理解を深めます。