In-the-Wild実験におけるiOS用モバイルセンシングフレームワークの性能評価

西山勇毅; 佐々木航; 栄元優作; 本木悠介; 大越匡; 中澤仁; 瀬崎薫

文献

J-GLOBAL ID：202002289532083492 整理番号：20A1161977

In-the-Wild実験におけるiOS用モバイルセンシングフレームワークの性能評価

Measuring a Performance of Mobile Sensing Framework for iOS in an In-the-Wild Study

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A1161977&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1161977&from=J-GLOBAL&jstjournalNo=S0532B") }}

著者 (7件)： , , , , , ,
資料名：
巻： 119 号： 477(LOIS2019 56-84)(Web) ページ： 127-132 (WEB ONLY) 発行年： 2020年03月04日
JST資料番号： S0532B ISSN： 0913-5685 資料種別：会議録 (C)
記事区分：原著論文発行国：日本 (JPN) 言語：日本語 (JA)

ユーザの携帯端末より収集したセンサデータを用いて,人や集団・空間の状態を理解するモバイルセンシングは,情報科学だけでなく社会科学や公衆衛生など様々な分野で利用されている.モバイルセンシングを容易に実現するツールは多数提案されており,それらは研究室内実験など「コントロール環境」での性能評価は行われている.しかし,実際の被験者にシステムを配布し実験を行う「In-the-Wild環境」における性能評価は行われていない.特にAndroidに比べiOSは制約が多く,制約を無視した設定はデータ収集率の低下を招くため,適切な設定を明らかにする必要がある.そこで本研究では,iOS用モバイルセンシングフレームワーク(AWARE-iOS)を用いて,1週間のIn-the-Wild環境実験を10人の被験者を対象に行い,その際のAWARE-iOSのデータ収集性能及びバッテリ消費を評価した.その結果,最も収集率が高い可能性のある設定(ESM+SPN)では,ユーザがAWARE-iOSを強制終了しない限り95%以上のデータを収集可能であり,平均11.39時間の起動が可能であることが明らかになった.(著者抄録)

, , , , , ,
, , , ,

その他の情報処理 , 電話・データ通信・交換一般

引用文献 (22件)：

P.R. Center, “Smartphone ownership is growing rapidly around the world, but not always equally,” feb 2019. https://www.pewresearch.org/global/2019/02/05/smartphone-ownership-is-growing-rapidly-around-the-world-but-not-alwaysequally/
N. Lane, et al., “A survey of mobile phone sensing,” IEEE Communications Magazine, vol.48, no.9, pp.140-150, sep 2010.
R. Wang, et al., “StudentLife: assessing mental health, academic performance and behavioral trends of college students using smartphones,” Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing, pp.3-14, 2014.
K.K. Rachuri, et al., “EmotionSense: A Mobile Phones based Adaptive Platform for Experimental Social Psychology Research,” Proceedings of the 12th ACM international conference on Ubiquitous computing - Ubicomp ’10, p.281, 2010.
S. Bae, et al., “Mobile phone sensors and supervised machine learning to identify alcohol use events in young adults: Implications for just-in-time adaptive interventions,” Addictive Behaviors, vol.83, pp.42-47, aug 2018.

, ,

前のページに戻る