Quantifying the Persistence of Daily Routines

"Quantifying the Persistence of Daily Routines" 논문에 대한 상세한 기술적 요약입니다.

1. 문제 제기

일상은 수면, 이동, 기기 사용과 같은 반복적인 행동 패턴에 의해 구조화되며, 이는 생물학적 리듬을 사회적 및 직업적 요구와 조율합니다. 이전 연구는 개별 행동이 특정 영역 (예: 의사소통의 "사회적 서명" 또는 이동 패턴) 내에서 지속적임을 입증했지만, 이러한 지속성이 동시에 여러 행동 영역에 걸친 전체적인 일상 루틴 (holistic daily routines) 으로 일반화되는지는 아직 알려지지 않았습니다.

핵심 연구 질문은 다음과 같습니다:

• 개인들은 일련의 반복되는 "루틴 유형"에 걸쳐 안정적인 개인별 일 분포를 보이는가?
• 이러한 루틴 유형 간의 시간적 전환 또한 개인별이며 시간에 따라 안정적인가?
• 이러한 "루틴 서명"은 다양한 인구 집단 (연령, 직업, 건강 상태) 과 관찰 기간 (주에서 월 단위) 에서 지속되는가?

2. 방법론

데이터 소스

본 연구는 1,086 명의 참가자와 153,000 명 - 일 이상의 데이터를 포함하는 세 가지 독립적인 종단 데이터를 활용했습니다:

1. Tesserae: 미국 내 592 명의 정보 근로자 (1 년 기간).
2. MoMo-Mood: 핀란드의 164 명 참가자 (우울증 발작 환자 133 명, 건강한 대조군 31 명) 를 1 년간 관찰.
3. GLOBEM: 미국의 497 명 대학생이 4 학기에 걸쳐 관찰됨 (매년 10 주간의 짧은 관찰 창).

특징 추출 및 전처리

수동 센싱 데이터는 세 가지 영역에 걸친 13 가지 특징을 포함하는 일별 벡터로 집계되었습니다:

• 수면: 취침 시간, 기상 시간, 수면 시간 (웨어러블 기기 또는 스마트폰 잠금/해제 상태로부터 도출).
• 이동: 보폭 수 또는 가속도계 크기 표준 편차로, 네 개의 6 시간 구간 (밤, 아침, 오후, 저녁) 으로 집계됨.
• 기기 사용: 화면 사용 시간, 네 개의 4 시간 구간으로 집계됨.
• 정규화: 특징은 개인 내 변이성에 초점을 맞추기 위해 각 참가자 내에서 z-정규화되었습니다. 결측 데이터가 있는 날은 제외되었습니다.

모델링 접근법

• 클러스터링 (GMM): 저자들은 잠재적 루틴 유형을 식별하기 위해 가우시안 혼합 모델 (GMM) 을 사용했습니다. K-Means 와 달리 GMM 은 소프트 클러스터링 (확률적 할당) 을 허용하며 공분산 행렬을 통해 특징 간 상관관계를 포착합니다.
• 모델 선택: 최적의 클러스터 수 ($K$) 는 베이지안 정보 기준 (BIC) 을 사용하여 결정되었습니다. 분석은 모든 연구에서 일상의 지배적 구조를 포착하기에 충분한 8 가지 루틴 유형을 일관되게 식별했습니다.
• 서명 정의:
  • 루틴 서명 ($\sigma$): 참가자가 $K$개의 루틴 유형 중 각각에 보낸 일의 비율을 나타내는 벡터로, 빈도가 높은 순서부터 낮은 순서로 정렬됩니다.
  • 전환 서명: 연속된 날 사이에서 한 루틴 유형에서 다른 유형으로 이동할 확률을 나타내는 전환 확률 행렬 ($P \in \mathbb{R}^{K \times K}$).

지속성 지표

안정성과 고유성을 정량화하기 위해 저자들은 각 참가자의 데이터를 두 개의 동일한 시간 창으로 나누고 다음을 계산했습니다:

• 자기 거리 ($d_{self}$): 참가자의 첫 번째 절반과 두 번째 절반 서명 간의 거리 (개인 내 안정성 측정).
• 참조 거리 ($d_{ref}$): 같은 시간 창 내의 다른 참가자들의 서명과 참가자의 서명 간의 거리 (개인 간 고유성 측정).
• 거리 지표: 분포 서명에 대해서는 주로 제센 - 샨논 발산 (JSD) 을 사용했으며, 견고성 검증을 위해 코사인 거리와 바타차리야 거리를 사용했습니다.

3. 주요 결과

루틴 유형의 발견

• 일상은 약 8 개의 해석 가능한 루틴 유형으로 구성된 컴팩트한 집합으로 해소됩니다.
• 이러한 유형은 캘린더 데이터 없이 비지도적으로 등장했지만, 표준 근무일, 수면이 길고 화면 사용이 많은 주말/공휴일, 야간 이동 패턴 등 실제 세계 구조를 명확히 반영했습니다.
• 우세성: 모든 연구에서 가장 빈번한 두 가지 루틴 유형이 참가자 일들의 평균 57.63% 를 차지하여, 개인들이 대부분의 시간을 단 두 가지 반복 패턴에서 보낸다는 것을 나타냈습니다.

루틴 서명의 안정성

• 개인 내 안정성: 참가자의 루틴 서명은 다른 어떤 개인보다 자신의 과거 자아와 훨씬 더 유사했습니다 ($d_{self} < d_{ref}$).
  • Tesserae: $d_{self} = 0.135$ 대 $d_{ref} = 0.164$ ($p < 10^{-3}$).
  • 이 안정성은 짧은 (30 일) 과 긴 (135 일) 관찰 창 모두에서 유지되었습니다.
• 전환 역학: 개인들이 루틴 유형 간에 전환하는 방식 (전환 행렬) 또한 개인별이며 안정적이었습니다.
  • Tesserae: $d_{self} = 0.481$ 대 $d_{ref} = 0.537$ ($p < 10^{-3}$).
  • 이는 개인들이 단순히 하나의 루틴에 머무는 것이 아니라, 특징적이고 무작위적이지 않은 순서로 여러 유형을 순환한다는 것을 나타냅니다.

지속성의 예측 요인

• 인구통계학적 요인: 연령과 성별은 루틴 서명의 안정성과 유의미한 연관성을 보이지 않았습니다.
• 성격 특성:
  • 성실성: 장기 창 분석에서 서명 거리와 양의 상관관계를 보였습니다 (즉, 낮은 안정성, $p=0.001$).
  • 신경증: 장기 창 모델에서 루틴 - 서명 거리와 양의 상관관계를 보였습니다 ($p=0.039$).
  • 참고: 거리와의 양의 상관관계는 이러한 특성의 점수가 높을수록 이 특정 맥락에서 덜 경직되고 덜 지속적인 루틴과 관련됨을 의미하지만, 효과 크기는 작았습니다.

4. 주요 기여

1. 전체적 프레임워크: 단일 영역 행동 분석 (예: 수면 또는 이동만) 을 넘어 다중 모달 일상 루틴을 동시에 모델링합니다.
2. 루틴 서명 개념: (1) 시간 할당 분포와 (2) 일일 전환 역학을 포함하는 이중 구성 요소 지표로서 "루틴 서명"을 공식화합니다.
3. 지속성 검증: 이러한 서명이 다양한 인구 집단 (임상, 학생, 전문가) 과 시간 규모에 걸쳐 지속되는 견고한 "행동 지문"임을 입증합니다.
4. 비지도적 발견: 사전 라벨링 없이 약 8 개의 잠재적 루틴 유형 집합이 일상의 지배적 구조를 설명할 수 있음을 증명합니다.

5. 중요성과 함의

• 개인화된 건강 모니터링: 루틴 서명은 개인별 기준선으로 작용할 수 있습니다. 인구 규범이 아닌 개인의 서명에서 벗어난 편차는 건강 문제, 정신 건강 재발, 또는 생활 방식 교란의 초기 징후를 탐지할 수 있습니다.
• 재식별 위험: 이러한 서명의 높은 고유성과 시간적 안정성은 프라이버시 위험을 초래합니다. 익명화된 데이터셋에서도 여러 행동 모달리티를 결합하면 시간과 데이터셋을 가로질러 개인을 재식별할 수 있습니다.
• 행동 과학: 단일 행동에서 관찰된 "지속성"이 인간 조직의 일반적 원리임을 확립하여, 인간이 인지적 부하와 환경적 요구를 관리하기 위해 자연스럽게 제한된 수의 복잡한 다중 행동 패턴에 정착함을 시사합니다.

한계점

• 데이터 희소성: 높은 결측률로 인해 위치 데이터 (GPS) 가 제외되었으며, 의사소통 특징은 제한적 (통화/SMS 만 포함) 이어서 사회적 상호작용의 뉘앙스를 놓칠 수 있었습니다.
• 비지도적 성격: 견고하지만 클러스터링은 비지도적이므로, 클러스터 의미는 인구 집단 간에 약간 다를 수 있으며 "일들의 주머니 (bag-of-days)" 접근법은 시간적 순차적 의존성을 무시합니다 (그러나 요일/주말 분할과 같은 주기성은 자연스럽게 등장했습니다). 향후 연구는 시간적 순서를 더 잘 포착하기 위해 마르코프 모델을 통합할 수 있습니다.