Mantenha Sensores Sob Controle: Desvendando Problemas de Generalização a Nível de País em Modelos Baseados em Sensores Móveis com Pontuações de Diversidade

Modelos de aprendizado de máquina treinados com dados de sensores passivos de dispositivos móveis podem ser usados para realizar várias inferências relacionadas ao reconhecimento de atividades, consciência de contexto e saúde e bem-estar. Trabalhos anteriores melhoraram o desempenho da inferência por meio do uso de sensores multimodais (inerciais, GPS, proximidade, uso de aplicativos, etc.) ou aprimoraram o aprendizado de máquina. Nesse contexto, alguns estudos lançaram luz sobre questões críticas relacionadas à pobre generalização entre países dos modelos devido a mudanças de distribuição entre os países. No entanto, esses estudos se basearam amplamente no desempenho da inferência como meio de estudar questões de generalização, falhando em investigar se a causa raiz do problema está ligada a modalidades de sensores específicas (variáveis independentes) ou ao atributo-alvo (variável dependente). Neste artigo, estudamos essa questão na tarefa de inferência de atividades diárias complexas (ADL), envolvendo 12 classes, utilizando um conjunto de dados multimodal e multicountry coletado de 689 participantes em oito países. Mostramos primeiro que o 'país de origem' dos dados é capturado pelos sensores e pode ser inferido de cada modalidade separadamente, com uma precisão média de 65%. Em seguida, propomos duas pontuações de diversidade (DS) que medem como um país se diferencia dos outros em relação às modalidades de sensores ou atividades. Usando essas pontuações de diversidade, observamos que tanto as modalidades de sensores individuais quanto as atividades têm a capacidade de diferenciar países. No entanto, enquanto muitas atividades capturam diferenças entre países, apenas os sensores de 'Uso de aplicativos' e 'Localização' conseguem fazê-lo. Ao dissecar a diversidade a nível de país entre variáveis dependentes e independentes, fornecemos uma estrutura para entender melhor as questões de generalização de modelos entre países e a diversidade a nível de país das modalidades de sensoriamento.