Key points are not available for this paper at this time.
يمكن تحسين إدارة الضغط اليومي بشكل كبير من خلال تقديم تدخلات عند الحاجة تعتمد على المستشعرات (JITIs) على الأجهزة المحمولة. يعتمد نجاح مثل هذه التدخلات بشكل حاسم على القدرة على تحليل سلسلة البيانات الزمنية الضوضائية للمستشعرات لإيجاد اللحظات الأكثر ملاءمة. في هذه الورقة، نقترح طريقة لاستخراج أنماط السلاسل الزمنية لاكتشاف حلقات إجهاد مهمة في سلسلة زمنية من بيانات الإجهاد غير المستمرة والمتغيرة بسرعة. نطبق نموذجنا على 4 أسابيع من البيانات الفسيولوجية، ونظام تحديد المواقع (GPS)، وبيانات النشاط التي تم جمعها من 38 مستخدمًا في بيئتهم الطبيعية لاكتشاف أنماط الإجهاد في الحياة الواقعية. نجد أن مدة حلقة الإجهاد السابقة تتنبأ بمدة حلقة الإجهاد التالية وأن مستويات الإجهاد في الصباح والمساء أقل من مستوياتها خلال اليوم. ثم نقوم بتحليل العلاقة بين الإجهاد والاضطراب المصنف موضوعيًا في البيئة المحيطة ونطور نموذجًا للتنبؤ بحلقات الإجهاد.
Building similarity graph...
Analyzing shared references across papers
Loading...
Hillol Sarker
Panacea Biotec (India)
Matthew Tyburski
National Institute on Drug Abuse
Md. Mahbubur Rahman
University of Asia Pacific
University of Michigan
Johns Hopkins University
National Institute on Aging
Building similarity graph...
Analyzing shared references across papers
Loading...
درس سركر وآخرون (الخميس) هذا السؤال.
synapsesocial.com/papers/6a079ad6047d6f4f368b3743 — DOI: https://doi.org/10.1145/2858036.2858218