İyilik hali değerlendirmesi için makine öğrenimi: Dijital biyobelirteçlerin keşfi

Bu tez, dijital biyobelirteçleri kullanarak insan refahının farklı faktörlerini keşfet-mek için giyilebilir sensörlerin ve kişisel anketlerin potansiyelini araştırmaktadır. Temel amaç, bu biyobelirteçleri tanımlamak ve doğrulamak, bunları geleneksel psikolojik çalışmalarla karşılaştırmaktır. Makine öğrenimi modelleri; uyku, zihinsel sağlık (stres, kaygı, depresyon, olumlu ve olumsuz duygulanım ve akademik başarı dahil) farklı sağlık faktörlerini analiz etmek için eğitilmiş ve doğrulanmıştır. Bu araştırmalarda iki kapsamlı veri kümesi kullanılmıştır: NetHealth; 4 yıl boyunca 700'den fazla üniversite öğrencisinden ve Tesserae bir yıl boyunca 757 ofis çalışanından toplanmıştır. Çoklu görev öğrenmeyi içeren daha ileri makine öğrenmesi yöntemleri ile, sağlıklı yaşam parametreleri arasındaki karmaşık ilişkileri çözmeye katkı sağlar. Araştırma, sistemli bir şekilde ilerleyerek, başlangıçta tek bir faktörün keşfinden zaman temelli ve çoklu görev yöntemlerine doğru evrilmektedir. Tez kapsamında, çoklu modal kişisel veri analizi için gelişmiş yöntemler ile sağlıklı yaşamın anlaşılmasına katkıda bulunmaktadır. Dijital biyobelirteçlerin çeşitli veri kümelerinden çıkarılması ve doğrulanmasında, zaman temelli ve çoklu modal yön-temleri tezin temelini oluşturmaktadır. Bu çalışma, tek bir faktör keşfinin ötesine geçerek sağlıklı yaşam çalışmalarının kapsamlılığını ve uygulanabilirliğini artırmayı hedefleyen yeni bir bakış açısı sunmaktadır.