De Belofte van Mobile Sensing voor het Voorspellen van Momentane Emoties

Het begrijpen van de complexe dynamiek van emoties in het dagelijks leven is cruciaal, zowel vanuit wetenschappelijk als klinisch perspectief. Toch is het verkrijgen van een goed beeld van deze emotiedynamiek een uitdaging vanwege de contextuele en persoonsafhankelijke aard ervan, en omdat het een aanzienlijke belasting vormt voor de participanten. Mobile sensing, waarbij gedrags- en contextinformatie van smartphones wordt geanalyseerd die automatisch wordt verzameld door smartphones, biedt enorm potentieel voor het teweegbrengen van een revolutie in emotieonderzoek door continue en objectieve data te leveren zonder de participanten te belasten. Het is echter nog onduidelijk in hoeverre dit soort gegevens in staat zijn om momentane emotiedynamiek nauwkeurig vast te leggen. Om deze vraag te beantwoorden, onderzoeken we het potentieel van mobile sensing voor het monitoren van momentane emoties en gerelateerde concepten in het dagelijks leven aan de hand van vier hoofdstukken in dit proefschrift, waarbij we de voordelen, uitdagingen en beperkingen ervan in kaart brengen.

Om een eerste overzicht van het veld te krijgen, geeft Hoofdstuk 1 een verhalend overzicht van bestaande studies die mobile sensing gebruiken om emoties te monitoren. Het benadrukt de unieke mogelijkheden die mobile sensing biedt en bespreekt de belofte van het volgen van momentane en dagelijkse gemiddeldes van emoties. Het gebrek aan een gestandaardiseerde literatuurcorpus en de noodzaak om verschillende obstakels te overwinnen geven echter aan dat het volledige potentieel van mobile sensing voor het meten van emoties in het dagelijks leven nog moet worden gerealiseerd.

Als volgende stap wordt in Hoofdstuk 2 onderzocht hoe mobile sensing gebruikt kan worden om subjectieve slaapkwaliteit en de daarmee samenhangende dagelijkse stemming en depressie te voorspellen aan de hand van data die verzameld is met een voorlopige versie van een mobile sensing applicatie. Met behulp van een multiverse-analyse worden verschillende sensoren, voorspellende kenmerken, pre-processing opties en statistische voorspellingsmodellen onderzocht. Hoewel de resultaten variëren afhankelijk van de keuzes die in de analyse worden gemaakt, behalen enkele modellen een redelijk voorspellende kwaliteit voor subjectieve slaapkwaliteit. 

Hoofdstuk 3 presenteert de ontwikkeling en evaluatie van m-Path Sense, een nieuw platform dat ESM combineert met mobile sensing mogelijkheden op de achtergrond. Een pilotstudie met 104 participanten toont de betrouwbaarheid van gegevensverzameling via de app aan. Uitdagingen met betrekking tot gaten in de data veroorzaakt door beperkingen van de app op de achtergrond worden besproken. Ondanks deze uitdagingen is de fusie van ESM en mobile sensing veelbelovend voor digitale fenotypering.

In Hoofdstuk 4 onderzoeken we tot slot de robuustheid van mobile sensing bij het volgen van momentane emoties in het dagelijks leven. Door middel van een multiverse-analyse worden lineaire en niet-lineaire modellen gebruikt om verschillende emotietoestanden te voorspellen. De resultaten laten zien dat een tijdsmodel, dat vrij beschikbare basisinformatie bevat, beter presteert dan complexe modellen gebaseerd op ingewikkelde sensordata. Het hoofdstuk benadrukt het belang van voorzichtig optimisme bij het gebruik van mobile sensing voor emotiedetectie en het zorgvuldig afwegen van keuzes die gemaakt worden tijdens de pre-processing en analyse van data.