普渡大學的研究人員使用AI來預測學生的位置

位置簽到揭示了很多關于一個人,特別是大學生,事實證明。普渡大學的研究人員發表了一篇文章(“探索學生的簽到行為提高了興趣點預測”)在預印本服務器Arxiv.org上月初描述無線訪問日志可以用來識別用戶之間的相關性,在學術設置位置和活動。

預測位置和友誼與人工智能位置數據聽起來有點毛骨悚然,真的。但從好的方面說,它不像人工智能反烏托邦,可以從眼球運動預測人格特質。

“興趣點(POI)任務,目標是利用用戶行為數據模型用戶的活動在不同的地點和時間,然后進行預測(或建議相關場所根據其當前上下文,”研究人員寫道。“在這項工作中,我們首先分析時空教育“簽到”數據集,目的是使用POI個性化學生建議,理解行為的預測模式,增加學生保留和滿意度。結果還提供了一個更好的主意如何利用校園設施和學生的相互聯系。”

研究小組指出,在大多數先前的POI研究,數據集包括主要自愿從社交網絡應用程序像Foursquare和Yelp簽到。因此,他們“豐富”的信息,說,餐館和娛樂熱點,但沒有在描述“平淡”活動,比如到達辦公室,離開家,或者運行一個差事。另外,因為用戶貢獻了他們常去場所只有一次,他們可能會有偏見的結論,很難確定一致的模式。

研究人員選擇解決問題與wi - fi -普渡大學的wi - fi。優勢,他們認為,是一個“更好的時間分辨率”,因為每個用戶的wi - fi接入大量的歷史數據。(學生參與研究“檢入”每當他們的無線設備發送或接收一個包,導致一個日志文件,最終達到376 gb大小的)。配對后的數據與場地位置信息,文章的作者能夠分析所有新生普渡大學學生的運動在整個學年2016 - 2017。

中的每個條目數據集包含四個項目:用戶的興趣點,點感興趣的功能(例如,住宅或娛樂),和時間跨度的時間(在一個給定的位置)。處理后,涉及刪除用戶不到100簽到和其他步驟,處理過的樣品有5.4億日志。

它揭示了一些有趣的趨勢。例如,在工作日,學生們參觀了食堂大約12點和6點。晚上8點左右,去健身房。可以預見的是,大一學生探索校園很快(前2 - 3周內),然后堅持一個固定的,熟悉的建筑在剩下的學期。主要和偏好不同。計算機科學學生和藥店學生用餐同時,但后者上課經常在上午11點到12點之間。CS學生用功學習從早上到下午,花更多的時間在學術的建筑,而藥店學生體重要逃到房間之后。

額外的處理和索引之后,研究者們訓練有素的機器學習模型在80年第一個數組按時間順序登記記錄,保留剩余的20%%進行測試。他們提出的人工智能系統,嵌入密集異構圖形、或EDHG——設法準確地預測排名前三的位置一個學生參觀了85 - 31%%的準確率,分別與十大90%%和71%%的準確率。

接下來,論文的作者把它寬松的“covisitation事件”,當兩個學生在同一時間在同一個地方。他們認為它可以顯示——即友誼——人與人之間的關系。

EDHG在這方面做得很好,這表明一個10為每個用戶潛在的朋友列表,在基線中表現最先進的方法。然而,研究人員指出,建議——即不活躍用戶。用更少的簽到,用戶往往不準確。

他們留給未來的工作將covisitation數據到人工智能模型,他們希望證明社會互動會影響學生登記的行為。

“這些初步結果顯示使用學生的承諾軌跡信息個性化推薦在教育應用,”他們寫道,“以及預測模型的學生保留和滿意。”