科研之友
微信
新浪微博
Facebook
分享链接
摘要
移动体验抽样方法(mobile Experience Sampling Method, mESM)已被广泛用于即时临场的移动健康数据收集，从而克服了临床评估的回忆偏倚问题。尽管使用mESM在许多研究中具有很多优势，但是使用mESM获得高质量数据仍然是一个挑战。通过智能手机传感器数据提取出情境特征，探讨广泛情境因素对参与者响应率的影响，实现和评估两阶段机器学习模型，根据情境特征预测mESM触发时的参与者的响应率和响应延迟。通过实例研究，研究结果突出了一些对参与者的响应率相关的情境因素。旨在设计一个智能mESM系统，以提升参与者的参与度并提高数据收集的质量。
- 单位
