Mobile user data mining to infer knowledge workers` differences in office environments for effective health intervention delivery

Abstract

Mobil teknolojilerin yaygın ve her yerde kullanımı sebebiyle, günümüzde kullanıcılar hakkında yer, erişim ve etkileşim davranışları gibi fazla sayıda veriye erişmek mümkündür. Bu veriler, mobil telefonlar aracılığıyla etkili sağlık müdahaleleri gönderiminde anlamlı olabilecek kişisel bilgileri ve kullanıcı karakteristiklerini ortaya çıkardığından son zamanlarda önemli duruma gelmiştir. Bu tez çalışması temel olarak mobil sensör verisi kullanarak ofis çalışanlarının uygun vakitlerini anlamak üzere kişisel farklılıklarını ve sosyal bağlamı araştırmayı hedeflemektedir. Bu amaçla, yeni bir yaklaşım olarak hibrit kişiselleştirilmiş bir model sunulmaktadır. Model sonuçlarına göre, uygun vakitlerin tahmininde zaman, mekan özellikleri, telefonun ses modu ve kullanıcı aktivitesi önemli bulunmuştur. Ayrıca ofis çalışanlarının iş meşguliyet ve zorluk seviyelerinin kişilik özellikleri, ofis ortamındaki sosyal normlar ve mobil uygulama kullanımı ile ilişkisi araştırılmıştır. Sonuç olarak, iş meşguliyet ve zorluk seviyesinin kişilik özellikleri ve mobil uygulama kullanımı ile önemli derecede ilgili olduğu; sosyal normlarla olan ilişkinin ise daha az önemli olduğu bulunmuştur. Çalışmanın sonuçları, ofis çalışanlarının çalışma ortamlarındaki farklılıklarını anlamayı amaçlayan ileriki çalışmalar ve mobil uygulama tasarımları için değerli çıkarımlar sunmaktadır.

Owing to the widespread and ubiquitous nature of mobile technologies, a large amount of data about users including location, access and interaction behavior is currently available. This data has recently become important as it has the potential to reveal personal information, social context and user characteristics, which can be significant for effective health interventions through mobile phones. Accordingly, this thesis mainly aims to explore the individual differences of knowledge workers and social context in order to infer their available moments using mobile sensor data. A hybrid personalized model is presented as a novel approach for this purpose. Based on the model results, it is found that time, location characteristics, ringer mode, and user activity are effective in predicting availability. In addition, it is investigated how knowledge workers' engagement/challenge levels during work hours are related to their personality traits, social norms in office environments, and mobile application usage. The results show that personality traits and mobile application usage during work hours are significantly related to the engagement and challenge levels, however, social norms have a marginal effect on them. The results of the study present valuable implications for further studies and mobile application designs, which aim to understand the individual differences of employees in office environments.