一个心理生态信号识别框架用于数字媒体平台上的用户行为预测
Lei Xiong1, Ke Li2, Wendy Siuyi Wong3
1School of Media and Communication, Wuhan Textile University, Wuhan, China.
这项研究引入了一种新的模型,通过考虑心理和环境因素来预测风险的数字媒体使用. 双通道交叉注意网络 (DCCAN) 改善了对有问题的在线行为的早期检测.
科学领域:
- 数字行为科学 数字行为科学
- 计算心理学的计算心理学.
- 人与计算机的互动.
背景情况:
- 数字媒体无处不在,但过度或充满情绪的使用,特别是在晚上,会引发行为和心理健康问题.
- 当前的预测模型忽视了用户心理状态和环境环境之间的复杂相互作用.
- 了解这些动态对于开发有效的数字健康策略至关重要.
研究的目的:
- 开发一种新的行为预测模型,整合数字媒体使用的心理和生态因素.
- 识别与沉浸式使用,深夜活动和易受错误信息影响相关的高风险模式.
- 为数字健康的早期干预策略奠定基础.
主要方法:
- 提出了一个双通道交叉注意网络 (DCCAN),具有信号识别,交互建模和行为预测层.
- 采用跨模式的注意力机制来融合心理和生态数据.
- 在9,782名用户和51,264个行为序列的大数据集上训练并验证了该模型.
主要成果:
- 在预测沉浸式使用,深夜活动和错误信息易感性方面,DCCAN模型显著优于基线模型 (LSTM,GRU,XGBoost).
- 实现了高性能指标,包括0.891的F1得分和0.913的AUC,用于沉浸式使用预测.
- 废除研究证实了心理/生态信号和交叉注意力机制的重要性.
结论:
- 通过基于注意力的融合整合心理和生态数据,提供了对数字风险行为的准确和可解释的预测.
- DCCAN框架为实时行为健康监测和自适应内容调节提供了一个有希望的方法.
- 这项研究促进了对数字媒体对心理健康和干预可能性的影响的理解.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
06:39Electroencephalographic, Heart Rate, and Galvanic Skin Response Assessment for an Advertising Perception Study: Application to Antismoking Public Service Announcements
Published on: August 28, 2017
相关概念视频
Social Foundations of Self IV: Self in Digital Communication
Causes of Social Behavior III: Biological and Environmental Influences
Automatic Processing and Automatic Social Behavior
Social Scripts
