孤独感的行为指标：从智能手机传感数据预测大学学生的孤独感得分
人机交互
2025-12-02 v1
摘要
孤独感是大学学生中严重的心理健康问题，但传统的监测方法主要依赖回顾性自报告，往往缺乏实时的行为背景。本研究探索了使用被动智能手机传感数据来预测孤独感水平，以解决现有方法在捕捉孤独感动态本质方面的局限性。我们分别将智能手机传感数据与机器学习和大语言模型相集成，以开发通用模型和个人化模型。我们的随机森林通用模型在中期考试和学期末分别实现了平均绝对误差为 3.29 和 3.98（满分 32）的UCLA孤独感量表（短形式），确定智能手机屏幕使用和位置移动为关键预测因子。利用大语言模型的零样本方法相较于零样本推理将预测误差降低最高可达 42%。个人化模型的结果突显了屏幕使用、应用使用、电池和位置转换作为显著的行为指标。这些发现表明，智能手机传感数据在数字心理健康领域具有用于可扩展且可解释的孤独感检测的潜力。
引用
@article{arxiv.2512.00326,
title = {Behavioral Indicators of Loneliness: Predicting University Students' Loneliness Scores from Smartphone Sensing Data},
author = {Qianjie Wu and Tianyi Zhang and Hong Jia and Simon D'Alfonso},
journal= {arXiv preprint arXiv:2512.00326},
year = {2025}
}