英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料
TYDR - 跟踪你的日常例程
跟踪智能手机传感器和使用数据的Android应用程序
摘要
我们提供跟踪智能手机传感器和使用数据的Android应用程序 TYDR（跟踪您的日常例程），并使用标准化的心理测量人格问卷。 有了这款应用程序，我们的目标是收集数据以研究智能手机数据 与用户个性之间的相关性，以便从智能手机数据中预测个性。 在本文中，我们重点介绍了解决开发此类应用程序时遇到的挑战 的方法。 我们通过评估数据大小和电池消耗的大小以及存储信 息的粒度来优化传感器数据的跟踪。 我们的用户界面旨在激励 用户安装应用程序并填写问卷。 TYDR处理和可视化跟踪的传感 器和使用数据以及个性问卷的结果。 在开发将用于心理学研究 的应用时，必须满足伦理委员会/机构审查委员会和数据保护官 员提出的要求。 我们详细介绍了有关匿名存储用户数据，通知 用户有关数据收集以及启用退出选项的要求的方法。 我们介绍 了我们的匿名数据存储过程，同时还能够识别成功通过应用完成 心理学研究的个人用户。
CCS概念 bull; 以人为本的计算→无处不在和移动计算 bull; 应用计算→心理学;
关键词：
情境感知计算; 心理测量; 传感器数据; Android
ACM参考格式：
Felix Beierle，Vinh Thuy Tran，Mathias Allemand，Patrick Neff， Winfried Schlee ， Thomas Probst ，Ruuml;digerPryss 和 Johannes Zimmermann。 TYDR - 跟踪你的日常例程。 跟踪智能手机传感器和 使用数据的Android应用程序。 MOBILESoft #39;18：第5届IEEE / ACM 国际移动软件工程和系统会议，2018年5月27 - 28日，瑞典哥德堡。 ACM ， 纽约 ， 纽约 ， 美 国，4页面。https://doi.org/10. 1145/3197231.3197235
1 介绍
上下文感知应用程序考虑用户当前所处的上下文。这通常 包括位置，天气或时间等因素。 正如以前的研究表明，像用户的个性这样的更高层次的信息可能有助于提高移动应 用中的上下文感知。这已经在移动健康领域显示出来或移动社交网络。评估用户的个性是一项冗长的工作，通常通过填写问卷来完成。作为计算机科学和心理学的研 究人员，我们的目标是通过智能手机的使用行为和传感器 数据来预测用户的个性。 为了收集训练预测模型的数据， 我们开发了应用程序TYDR（跟踪您的日常例程）。它跟踪 智能手机传感器和使用数据，并通过标准化的心理测量问 卷向用户查询，从而产生个性特征的测量结果。开发这样的应用程序时需要考虑几件事情。我们吸引的用户越多，我们的结果就越可靠。 该应用程序应该有一个吸引 人的界面，并应为用户提供一些功能。正如我们正在为移动设备开发的那样，我们必须考虑这些设备带来的限制，如电 池和空间限制。 我们计划的具体研究包括每天必须填写的问 卷。为此寻找用户可能必须从外部获得激励。进行心理学研究时，用户通常会得到报酬或获得大学学分补偿。对于这种补偿，重要的是知道哪些用户成功完成了这项研究。然而，同时，由于隐私问题，将TYDR跟踪的敏感数据链接到识别用户的信息是非常 不合需要的。 总之，应用程序开展我们的研究的要求是：（1） 吸引用户，（2）考虑移动设备开发带来的限制，（3）隐私，特别是收集匿名数据能够分辨哪些用户成功完成了研究。
在本文中，我们介绍TYDR并强调为定义的用例开发Android 应用程序所面临的挑战。在下面，我们介绍我们的设计和优 化跟踪传感器数据（部分2). 在Section中3, 我们详细介绍了 TYDR如何通过为用户处理和可视化数据来跟踪数据的核心功 能。 在Section中4, 我们描述了我们为隐私保护和数据匿名实施的措施。
2 传感器数据跟踪
Google发布了Google Awareness API1，该API可让开发人员通 过一个API（时间，地点，地点，信标，耳机，活动，天气） 检索不同的上下文数据。 有两种检索数据的方式：Fence API 和Snapshot API。 快照从七个来源生成当前数据。 通过 Fence API，开发人员可以注册监听器并在满足所需条件时收 到回调。 这两种方法对于开发情境感知型应用程序非常有用，它们立即需要用户的当前上下文，或者希望在用户处于特定上下文时收到通知。 为了追踪用户的上下文，我们必须超越 Google Awareness API提供的内容。 在TYDR中，我们跟踪： 位置，天气，环境光线传感器，加速度计，活动，步骤，电 话解锁/锁定，耳机解锁/插头，电池和充电，Wifi，蓝牙， 通话元数据，音乐元数据，照片元数据，通知元数据，应用 使用情况和应用流量。 对于我们想要跟踪的一些列出的数据源，可能会采用被 动的，基于听众的方式：播放的音乐由大多数音乐播放器 应用播放。 只要用户正在收听，我们就可以注册一个听众并跟踪播放的音乐。 可以使用相同的方法来跟踪手机 的使用情况：注册监听器以锁定和解锁事件使我们能够跟 踪用户何时（很有可能）与手机进行交互。 除了这种基于听众的方法之外，在某些情况下，我们必 须进行定期跟踪。 鉴于相关权限，Android系统提供有关 哪些应用程序用于多少秒的信息。 Android还提供有关每 个应用造成的流量的信息。 这种关于用户的数据在细粒度 级别上具有特别意义。 例如：每周有一个数据点指示用户 使用特定应用多长时间可能会产生比知道每个小时的应用 使用持续时间更少的有趣见解。 由于没有听众可用于查询 此类应用统计信息，因此有必要安排定期查询。 为了定期跟踪上下文数据，需要在两者之间进行权衡
(1) 我们必须存储的数据量
(2) 电池消耗和
(3) 信息的详细程度。
在最极端的情况下，我们查询上下文数据的频率非常高，以便提高快速更改数据的详细程度。然后我们和用户必须接受 更高的电池消耗。这种快速变化的数据就是光传感器或加速 度计的一个例子。我们做了一些进一步的优化，例如，当我们检测到我们跟踪的步数指示的运动时，只跟踪加速度计数 据。 虽然光传感器仅在手机解锁时才产生数据，但其产生数 据的频率仍然很高，以至于会占用太多空间。 此外，这种详细的光传感器数据对我们的研究目的不会有用。 有趣的是检查用户是否处于黑暗中或光线充足的地方。为了减少我们从光线传感器存储的数据量，我们将光线传感器值的可能范围 分为几个部分，并且只存储部分之间的变化。为了抵消限定段之间的快速变化的影响，我们实施了滞后。引入的不准确 性对于我们的研究目的是微不足道的。
3 用户界面
在本节中，我们描述TYDR的用户界面。 在Section中3.1, 我 们显示用户可以看到跟踪他们的数据的主屏幕。 部分3.2 是关于永久通知以及如何配置。 部分3.3 介绍将用于心理 学研究的移动问卷界面。
3.1 主屏幕
数字1 显示主屏幕。基于图块的设计为用户提供了当天数据的即时概览。可以触摸每个瓷砖，以每周查看数据的方式打开更大的瓷砖。在该图中，用户查看他的电话使用时间的每周数据。带有“授予权限”按钮的红色瓦片显示用户所在位置的数量。由于未授予位置权限，因此该图块无法显示数 据，而是显示按钮。由于空间限制，屏幕截图中未显示两个 与每个应用通知数量和拍摄照片数量相关的附加图块。
3.2 可定制的永久通知
为了提高TYDR不被任务清理器应用拦截的可能性，我们实 施了永久通知。它在前台运行那些以高频率跟踪数据的服务。为了使其吸引人，我们采用了与主屏幕相同的方法： 根据处理的跟踪数据向用户显示有意义的信息图。永久通知将显示在通知栏和锁定屏幕中。该通知旨在通过提供配置显示信息的可能性来适应用户的兴趣，参见图2. 图中的预览部分显示了通知的外观。
3.3 移动问卷
TYDR利用问卷调查人口统计数据，这些数据不可能自动追踪。 此外，我们使用标准化的心理测量问卷来评估用户的个性。我们标记收集的智能手机数据。为了能够独立更新整个应 用程序来更新问卷，最新的调查问卷版本是从后端获取的。 据我们所知，目前还没有官方的或 在Android平台上广泛采用移动问卷库。 遵循一般移动调 查设计指南2，我们开发了问卷UI。一次只显示一个问题， 避免滚动。用户可以在应用程序之间切换或关闭屏幕，并在恢复TYDR时继续停止。进度条表示当前调查问卷已填写多少。用户填写个性调查问卷的动机是在相关图块中查看他们的结果。
图1：TYDR的主屏幕，用于可视化收集数据的每日和每周摘要。
图2：用户可以配置通知。 预览部分显示通知的外观
4 隐私保护
在TYDR中，我们处理高度敏感的数据。 在本节中，我们详 细介绍了我们采取了哪些措施来确保用户的隐私。在 Section中4.1, 我们描述了我们在设计阶段做出的决定。在 Section中4.2, 我们描述了我们如何设计和实现一种识别单 个用户而不链接到其数据的方式。 使用这种方法，我们能 够联系成功完成研究的研究参与者，而不必知道哪些智能 手机数据点与他们有关。
4.1 隐私设计
第一件重要的事情是，该应用程序不需要任何登录。这样，用户不必记住任何登录数据。另外，用户的数据只能匿名存 储。然而，为了达到我们的研究目标找到之间的相关性用户的个性和收集的智能手机数据，我们需要确定哪个数据 点属于哪个用户。为此，我们使用了Google Play服务提供 的ID，这在研究期间不太可能发生变化。我们以散列形式使用标识符，以便进一步禁止任何潜在的链接到其他数据库。
此外，只要有可能，我们仅存储传感器或使用数据的元数据，例如关于通知，照片，音乐或通话。只要我们能够追踪可以让用户个人身份识别的数据，我们就会存储该数据点的散列形式，例如蓝牙设备ID或Wifi SSID。使用相同的 salt和散列函数，我们仍然可以在不知道ID本身的情况下重 新识别相同的ID。在写入本地SQLite数据库之前以及在上传 到我们的服务器之前，已经在电话上执行散列。 我们的一所大学的数据保护官员提出了三项主要要求：
(1) 非常清楚地向用户呈现正在收集哪些数据。
(2) 在应用程序的这些进程启动之前通知用户有关数 据，其收集和上传。
(3) 通知用户他们如何停止数据收集和传输。
第一个要求是通过我们的隐私政策来实现的，我们列出了我们收集的所有数据，并解释了它的存储方式以及传输到服务 器的内容。 第二项要求由Google Play商店完成，对于每个 应用程序，都可以链接到该应用程序 。应用程序或开发人员的网站以及隐私政策。由于大多数用户可能不会在Google Play商店网站上向下滚动以点击并阅读隐 私政策，因此我们在应用程序中额外实施了强制用户对我们 政策的确认。在应用程序完全启动并开始收集数据之前，用户会看到一个条款和隐私政策屏幕。 只有在明确确认后，数 据才会被收集和传输。第三个要求是通知用户，卸载应用程序将停止任何数据收集和传输。 此外，我们为用户提供通过 应用程序中的反馈表单与我们联系的选项，以请求删除他们 的数据。
4.2 识别单个用户而不链接到他们收集的 数据
在心理学研究中，用户获得大学课程学分补偿，获得报酬 参加或在学习完成后有机会在抽奖中赢取金钱/优惠券是很 常见的。 此外，心理学期刊 - 以及一些计算机科学会议 - 通常需要从伦理委员会/机构审查委员会提交使用研究数据 的论文时的审批代码。 数据隐私是道德委员会批准的重要 因素，特别是当用户数据与TYDR收集的数据一样敏感时。 为了识别收集到的数据可能会有多敏感，例如，考虑在组 合数据时，我们可以看到用户使用了他/她使用的应用程序 多长时间在哪个位置以及该位置具有多少亮度。 为了减轻 用户潜在的隐私问题并获得必要的道德委员会批准，我们 制定了一个流程，允许我们同时
(1) 检查用户是否成功参与了一项研究。
(2) 联系研究参与者而不知道哪些智能手机数据属于他们。
这样，我们可以直接抽奖并联系抽奖活动的获奖者，而不必 在收集的数据和有意义的用户标识符（即电子邮件地址）之 间建立链接。 如果适用，额外生成的参与代码还可用于申请 大学学分。 我们设计这个系统有三个步骤：
用户注册。 为了参加研究，除了只需安装应用程序，用户必须注册一个电子邮件地址，所以我们可以联系获奖者的抽奖活动。输入电子邮件地址可 能会取消数据匿名处理。我们将有关研究参与者的数据存 储在后端的单独表格中，该表格未链接到包含智能手机数 据的表格。
检查学习参与成功。 计划的研究包括参与者填写每日心理问卷的承诺。没有定期填写的用户不应有资格获得补偿。由于我们在可识别的研究参与者与他们的智能手机数据之间没有关联，因此我们无法检查在后端 填写每日问卷的速度。但是，我们可以在应用中检查此费率 并向后台报告是否达到所需的百分比。
生成参与
全文共7048字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[13648]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
