Resumen

YAMAMOTO, Tetsuya; YOSHIMOTO, Junichiro; MURILLO-RODRIGUEZ, Eric  y  MACHADO, Sergio. Predicción de la felicidad diaria mediante el aprendizaje supervisado de datos lifelog multimodales. Rev. Psicol. Saúde [online]. 2019, vol.11, n.2, pp. 145-152. ISSN 2177-093X.  http://dx.doi.org/10.20435/pssa.v11i2.823.

El desarrollar un enfoque para predecir la felicidad, basado en las condiciones y acciones individuales, nos permitiría seleccionar comportamientos habituales para mejorar el bienestar en la vida. Por lo tanto, proponemos un novedoso enfoque de aplicación del aprendizaje automático, una rama del campo de la Inteligencia Artificial, a una variedad de información de la vida de las personas (es decir, un lifelog). Se le pidió a un participante (un sujeto joven sano) que registrara 55 elementos de lifelog (por ejemplo, humor positivo, eventos negativos, tiempo de sueño etc.) en su vida diaria, durante aproximadamente ocho meses, usando aplicaciones de teléfonos inteligentes, y un reloj inteligente. Posteriormente, construimos un predictor para estimar el grado de felicidad, a partir de los datos lifelog multimodales, utilizando un equipo de vectores de soporte, que logró una precisión de predicción del 82.6%. Estos datos sugieren que nuestro enfoque, puede predecir los comportamientos que incrementan la felicidad de las personas en su vida diaria, contribuyendo así, a una mejora en su felicidad. Los futuros estudios que examinen la usabilidad, y la aplicabilidad clínica de este enfoque, se beneficiarían al analizar un tamaño de muestra más grande, y más diversa.

Palabras clave : aprendizaje automático; log de vida; inteligencia artificial; felicidad.

        · resumen en Inglés | Portugués     · texto en Inglés     · Inglés ( pdf )