Aprendiendo sobre el contexto social a partir de datos de smartphones: generalización a través de países y momentos de la vida diaria

Comprender cómo se desarrollan las situaciones sociales en la vida diaria de las personas es relevante para diseñar sistemas móviles que puedan apoyar a los usuarios en sus objetivos personales, bienestar y actividades. Como alternativa a los cuestionarios, algunos estudios han utilizado datos de sensores de smartphones recolectados de forma pasiva para inferir el contexto social (es decir, estar solo o no) con modelos de aprendizaje automático. Sin embargo, los pocos estudios existentes se han centrado en ocasiones específicas de la vida diaria y cohortes geográficas limitadas en uno o dos países. Esto limita la comprensión de cómo funcionan los modelos de inferencia en términos de generalización a las ocasiones de la vida cotidiana y múltiples países. En este artículo, utilizamos un conjunto de datos de sensores de smartphones novel, a gran escala y multimodal con más de 216K auto-informes recogidos de 581 jóvenes en cinco países (Mongolia, Italia, Dinamarca, Reino Unido, Paraguay), primero para entender si la inferencia de contexto social es factible con datos de sensores y luego, para saber cómo la diversidad conductual y a nivel país afecta las inferencias. Encontramos que varios sensores son informativos del contexto social, que modelos multicountry parcialmente personalizados (entrenados y probados con datos de todos los países) y modelos específicos de cada país (entrenados y probados dentro de los países) pueden lograr un rendimiento similar por encima del 90% AUC, y que los modelos no generalizan bien a países no vistos independientemente de la proximidad geográfica. Estos hallazgos confirman la importancia de la diversidad de datos móviles, para entender mejor los modelos de inferencia de contexto social en diferentes países.