Mar, 2021

CS1 学生昼夜节律的考察

PDF
TL;DR本文研究了编程课程中的生物钟和个人活动时间规律（chronotypes），通过收集学生的按键数据，并运用无监督学习方法发现了与文献报告一致的 chronotypes。同时，作者还发现了某些 chronotypes 与学术成就的相关性。
circadian rhythmschronotypecomputer programmingkeystroke dataacademic achievement
发现论文，激发创造
  • 冲浪还是睡觉？理解就寝模式对校园影响

    本文为了解决目前关于学生睡眠问题的问题，提出了一种基于数据驱动的方法，通过分析学生在教育管理系统中的网络访问模式来识别学生的睡眠模式并通过学生行为数据建立贝叶斯网络探索行为特征和睡眠习惯的关系以及测试睡眠行为的可预测性。

    Feb, 2022

  • 利用网络进行人口规模的生理感应：睡眠和表现案例研究

    本研究通过对 3 百万晚上的睡眠和 7,500 万互动任务的分析， 提出了有关真实世界中客观测量的睡眠对认知表现的影响的最大研究，并证明了真实世界中的表演受循环节律，钟型（早晨 / 晚上偏好）和前一次睡眠持续时间和时序的影响。我们开发了一个统计模型，证明了睡眠和表现方面的大量工作的效果，展示了缺乏睡眠对真实世界表现的影响，并表明连续两个晚上睡眠不到六个小时会导致表现下降，持续六天。

    Jan, 2017

  • 移动电话通讯的昼夜节律和突发性

    对移动电话通讯事件的时间序列进行系统去季节法以去除昼夜和周活动模式的影响，发现间隔事件时间分布中的 heavy tails 仍保持稳健，这明确表明人类任务执行是时间移动电话通信模式中余下 burstiness 的一个可能原因。

    Jan, 2011

  • 日内活动更好地预测慢性病情况

    本研究通过对移动健康可穿戴设备和应用的 7,261 名用户的一天内活动模式进行研究，发现使用穿戴式追踪器记录的步数和睡眠数据明显提高了与精神健康和神经系统紊乱相关的自我报告的慢性病症状的分类效果。通过联合预测所有疾病类型，利用多任务学习可以提取横跨数据集的特征，并实现最高的分类性能。该研究证实了使用卷积神经网络对多变量时间序列进行直接训练，可以实现领先于基线模型的分类性能。

    Dec, 2016

  • 人类通信活动中的普适性

    通过对 16 位作家、表演者、政治家和科学家的信函模式进行研究，展示出像电子邮件一样，信函通信模式同样可以用昼夜周期、任务重复和沟通需求变化的方式来描述，证实了这些机制的普适性。

    Sep, 2009

  • PRIME: 揭示多个脑区基因组范围内的非定时基因表达中的昼夜节律振荡模式及其与早发性阿尔茨海默病的关联

    使用新的全面方法 PRIME，探索了 AD 患者脑部基因表达的全天节律模式，发现在 19 个不同的人类脑区域中，15 个对照组间出现了明显的同步振动模式，而这些振动模式在 AD 患者中要么消失，要么降低。

    Aug, 2022

  • 评估睡眠阶段分类：年龄和早晚睡眠如何影响分类绩效

    使用小波进行特征提取，随机森林进行分类的自动睡眠阶段分类方法，评估了受试者年龄和睡眠时间对分类器性能的影响。研究发现，这些变量确实对自动模型的性能产生影响，改善了一些睡眠阶段的分类，但恶化了其他阶段的分类。

    Oct, 2023

  • PARIS: 个性化活动推荐以改善睡眠质量

    使用机器学习技术，利用活动监测和健康追踪设备收集的数据，通过行为模式和活动推荐来提高人们的睡眠质量。

    Oct, 2021

  • 学生在线课程互动的序数行为分类

    11 年来，关于学生在校园和 MOOC 式在线课程中的互动模式的研究已广泛进行。然而，在比较校园和 MOOC 式在线格式下完成的相同课程的学生习惯方面，文献中仍存在差距。本研究将调查在 Georgia Tech CS1301 edx 课程中参与校园和面向任何人的 MOOC 式课程的学生的基于浏览器的使用模式，以确定两个群体之间存在的任何模式。

    Apr, 2024

  • 关于人工智能在睡眠阶段分类和睡眠障碍检测中的系统回顾和荟萃分析

    通过对最近的文献进行综合性、系统性的回顾和荟萃分析，本研究旨在分析使用人工智能进行的睡眠研究中不同方法和其结果，包括睡眠阶段分类和睡眠障碍检测。

    May, 2024