???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/5260
Tipo do documento: Tese
Título: Identificação de Padrões Multimodais de Comportamento Humano Utilizando Fenotipagem Digital
Título(s) alternativo(s): Identification of Multimodal Patterns of Human Behavior Using Digital Phenotyping
Autor: MOURA, Ivan Rodrigues de 
Primeiro orientador: SILVA, Francisco José da Silva e
Primeiro coorientador: COUTINHO, Luciano Reis
Primeiro membro da banca: SILVA, Francisco José da Silva e
Segundo membro da banca: COUTINHO, Luciano Reis
Terceiro membro da banca: KON, Fábio
Quarto membro da banca: ENDLER, Markus
Quinto membro da banca: RABÊLO, Ricardo de Andrade Lira
Resumo: A fenotipagem digital é uma área de pesquisa que propõe a coleta automática de dados de contexto por meio de sensores disponíveis em dispositivos pervasivos, permitindo que técnicas computacionais processem esses dados para detectar automaticamente comportamentos humanos (por exemplo, sociabilidade, atividade física). Essas informações podem subsidiar profissionais especializados no acompanhamento e tratamento da saúde dos indivíduos. Com base nesse cenário, este estudo propõe uma solução capaz de processar inferências comportamentais para reconhecer padrões comportamentais. Esses padrões são projetados com base em atributos de contexto para modelar o comportamento dos indivíduos em situações específicas, como f inais de semana e dias úteis. Além disso, a solução proposta reconhece mudanças comportamentais por meio da modelagem do conhecimento do especialista em saúde a partir de conceitos da lógica fuzzy. Os experimentos preliminares identificaram que a estabilidade rotineira dos indivíduos apresenta uma alta correlação positiva com a habilidade da solução em reconhecer padrões comportamentais multimodais capazes de modelar a rotina comportamental. Esta avaliação também reconhece que a solução tem sensibilidade para identificar mudanças comportamentais. Por f im, apresentamos uma análise da influência dos hiperparâmetros da solução na aprendizagem de padrões de comportamento humano enriquecidos com o contexto. A partir desta análise, projetamos diretrizes para auxiliar o processo de parametrização da solução proposta.
Abstract: Digital phenotyping is a research area that proposes the automatic collection of context data through sensors available in pervasive devices, allowing computational techniques to process this data to automatically detect human behaviors (e.g., sociability, physical activity). This information can support professionals specialized in monitoring and treating the health of individuals. Based on this scenario, this study proposes a solution capable of processing behavioral inference to recognize behavior patterns. These patterns are designed based on context attributes to model individuals’ behavior in specific situations, such as weekends and working days. Also, the proposed solution recognizes behavioral changes through knowledge modeling of the health specialist from fuzzy logic concepts. The preliminary experiments identified that the routine stability of individuals presents a high positive correlation with the solution’s ability to recognize multimodal behavioral patterns capable of modeling the behavioral routine. This evaluation also recognizes that the proposed solution is sensitive to identifying behavioral changes. Finally, we present an analysis of the influence of the solution’s hyperparameters on learning context-enriched human behavior patterns. Based on this analysis, we designed guidelines to support the parameterization process of the proposed solution.
Palavras-chave: Padrões comportamentais;
Fenotipagem digital;
Comportamento humano;
Dispositivos ubíquos
Behavioral patterns;
Digital phenotyping;
Human behavior;
Ubiquitous devices
Área(s) do CNPq: Banco de Dados
Idioma: por
País: Brasil
Instituição: Universidade Federal do Maranhão
Sigla da instituição: UFMA
Departamento: DEPARTAMENTO DE INFORMÁTICA/CCET
Programa: PROGRAMA DE PÓS-GRADUAÇÃO DOUTORADO EM CIÊNCIA DA COMPUTAÇÃO
Citação: MOURA, Ivan Rodrigues de. Identificação de Padrões Multimodais de Comportamento Humano Utilizando Fenotipagem Digital. 2023. 114 f. Tese( Programa de Pós-graduação Doutorado em Ciência da Computação) - Universidade Federal do Maranhão, São Luís, 2023.
Tipo de acesso: Acesso Aberto
URI: https://tedebc.ufma.br/jspui/handle/tede/tede/5260
Data de defesa: 8-Dec-2023
Appears in Collections:TESES DE DOUTORADO - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO (ASSOCIAÇÃO UFMA/UFPI)

Files in This Item:
File Description SizeFormat 
Manuscrito_da_Tese_de_Doutorado_Ivan_Final_assinado_assinado.pdfTese de Doutorado4,06 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.