💻 computer science

Quantifying the Persistence of Daily Routines

Door passieve sensordata van meer dan 1.000 deelnemers te analyseren, stelt deze studie vast dat het dagelijks leven is gestructureerd rond ongeveer acht stabiele, persoonsspecifieke routine-types die fungeren als unieke gedragsvingerafdrukken, die consistent blijven over tijd en demografische groepen heen terwijl ze bescheiden verbanden vertonen met persoonlijkheidstrekken.

Oorspronkelijke auteurs: Nguyen Luong, Talayeh Aledavood

Gepubliceerd 2026-04-28

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Nguyen Luong, Talayeh Aledavood

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je je leven voor als een bibliotheek van dagen. De meeste mensen denken dat elke dag uniek is, maar dit onderzoek suggereert dat onze bibliotheek voor elk van ons eigenlijk slechts een paar terugkerende 'verhalen' bevat die we blijven vertellen.

Hier is de eenvoudige uitleg van wat de onderzoekers ontdekten:

1. Het 'Menu' van het Dagelijkse Leven

De onderzoekers keken naar meer dan 150.000 dagen aan data van meer dan 1.000 mensen. Ze hielden drie hoofdzaken bij: hoe mensen sliepen, hoe ze bewogen en hoe ze hun telefoon gebruikten.

Ze ontdekten dat, hoewel het leven chaotisch aanvoelt, mensen eigenlijk door een klein, vast 'menu' van ongeveer acht verschillende dagtypes cyclen.

De Analogie: Denk hierbij aan de hoofdgerechten in een restaurant. Je kunt een 'Werkdagspecial', een 'Weekendontspanner', een 'Late Nacht Uitje' of een 'Vakantiedip' hebben.
De Bevinding: De computer hoefde niet te weten welke dag van de week het was om dit te achterhalen. Hij keek gewoon naar de patronen van slaap en beweging, en de 'Weekend'- en 'Werkdag'-patronen scheidden zich vanzelf.

2. Je Persoonlijke 'Routinestempel'

Hoewel iedereen toegang heeft tot hetzelfde menu van acht dagtypes, bestelt iedereen er anders uit.

De Analogie: Stel je twee mensen voor in dat restaurant. Persoon A bestelt 80% van de tijd de 'Werkdagspecial' en 20% van de tijd de 'Weekendontspanner'. Persoon B verdeelt zijn tijd gelijkmatig over vijf verschillende gerechten.
De Bevinding: De onderzoekers ontdekten dat voor elke individuele persoon slechts twee van deze dagtypes meer dan de helft van hun leven uitmaken. Deze specifieke mix van dagen is je 'Routinestempel'. Het is voor jou net zo uniek als je vingerafdruk.

3. Het 'Script' van Je Week

Het gaat niet alleen om welke dagen je hebt, maar ook om hoe je tussen hen overstapt.

De Analogie: Stel je een tv-programma voor. Je hebt misschien dezelfde personages (de routine-types), maar de volgorde waarin ze verschijnen creëert het plot. De ene persoon heeft een zeer voorspelbaar script: 'Werkdag, Werkdag, Werkdag, Weekend, Weekend'. Een andere persoon heeft een chaotisch script: 'Werkdag, Weekend, Werkdag, Werkdag, Weekend'.
De Bevinding: De manier waarop je van het ene dagtype naar het andere overstapt, is ook uniek voor jou. Zelfs als twee mensen dezelfde mix van dagen hebben, wisselen ze deze waarschijnlijk op verschillende manieren af.

4. Stabiliteit: Jij bent wie je bent

De onderzoekers controleerden of deze stempels in de loop van de tijd veranderen. Ze keken naar mensen over periodes variërend van een paar weken tot een heel jaar.

De Bevinding: Je stempel is opvallend stabiel. Als je naar je 'menu-bestelling' van januari kijkt, lijkt die er in juni zeer op. Het is veel waarschijnlijker dat je in de toekomst op jezelf lijkt dan op een vreemde.
De Uitzondering: Het enige dat enigszins veranderde hoe 'stabiel' iemands routine was, was hun persoonlijkheid. Mensen die van nature meer gewetensvol (georganiseerd en gedisciplineerd) zijn, hadden iets rigider, voorspelbaarder routines. Leeftijd en geslacht deden er niet echt toe.

5. Waarom Dit Belangrijk Is (Volgens het Artikel)

Het artikel suggereert dat, omdat deze patronen zo uniek en stabiel zijn, ze fungeren als een gedragsvingerafdruk.

De Analogie: Net zoals een beveiligingssysteem je kan identificeren aan je gezicht, zou een computer je potentieel kunnen identificeren door alleen te kijken naar je dagelijkse slaappatronen en telefoongebruik.
De Genoemde Toepassing: De auteurs merken op dat, omdat deze stempels zo persoonlijk zijn, ze kunnen worden gebruikt om op te merken wanneer iemands leven 'uit de pas loopt'. Als de gebruikelijke 'vingerafdruk' van een persoon plotseling verandert, kan dit wijzen op een gezondheidsprobleem of een verstoring, wat toezicht op maat mogelijk maakt op basis van jouw normaal, in plaats van een generiek groepsgemiddelde.

Kortom: We hebben allemaal een kleine set 'standaarddagen' die we herhalen. De specifieke mix van die dagen en de volgorde waarin we er tussen overstappen, creëren een unieke, stabiele stempel die definieert wie we zijn, dag na dag.

1. Probleemstelling

Het dagelijks leven wordt gestructureerd door terugkerende gedragspatronen (slaap, beweging, apparaatgebruik) die biologische ritmen afstemmen op sociale en beroepsmatige eisen. Hoewel eerdere onderzoek heeft aangetoond dat individueel gedrag persistent is binnen specifieke domeinen (bijvoorbeeld communicatie-"sociale handtekeningen" of mobiliteitspatronen), is het nog onbekend of deze persistentie zich uitstrekt tot holistische dagelijkse routines die gelijktijdig meerdere gedragsdomeinen omvatten.

De kernonderzoeksvragen zijn:

Vertonen individuen een stabiele, persoonsspecifieke verdeling van dagen over een reeks terugkerende "routine-types"?
Is de temporele overgang tussen deze routine-types ook persoonsspecifiek en stabiel in de tijd?
Persisteert deze "routine-handtekening" over verschillende populaties (leeftijd, beroep, gezondheidsstatus) en observatiewinstduren (weken tot maanden)?

2. Methodologie

Data Bronnen

De studie gebruikte drie onafhankelijke longitudinale datasets bestaande uit 1.086 deelnemers en meer dan 153.000 persoon-dagen:

Tesserae: 592 informatiewerkers in de VS (duur: 1 jaar).
MoMo-Mood: 164 deelnemers in Finland (133 patiënten met depressieve episodes, 31 gezonde controles) over 1 jaar.
GLOBEM: 497 universitaire studenten in de VS over 4 academische jaren (kortere observatiewinstduren van 10 weken per jaar).

Feature Extractie & Preprocessing

Passieve sensordata werd geaggregeerd tot dagelijkse vectoren met 13 kenmerken over drie domeinen:

Slaap: Bedtijd, opstaatijd en duur (afgeleid van wearables of de status vergrendelen/ontgrendelen van de telefoon).
Mobiliteit: Stappenaantallen of standaardafwijking van de versnellingssensor, geaggregeerd in vier 6-uursbakken (Nacht, Ochtend, Middag, Avond).
Apparaatgebruik: Schijntijd, geaggregeerd in vier 4-uursbakken.
Normalisatie: Kenmerken werden binnen elke deelnemer z-genormaliseerd om te focussen op intra-individuele variabiliteit. Dagen met ontbrekende data werden uitgesloten.

Modellering Aanpak

Clustering (GMM): De auteurs gebruikten Gaussian Mixture Models (GMM) om latente routine-types te identificeren. In tegenstelling tot K-Means, staat GMM zachte clustering toe (probabilistische toewijzing) en vangt het kenmerkc correlaties op via covariantiematrices.
Model Selectie: Het optimale aantal clusters ( $K$ ) werd bepaald met behulp van het Bayesian Information Criterion (BIC). De analyse identificeerde consistent 8 routine-types als voldoende om de dominante structuur van het dagelijks leven in alle studies vast te leggen.
Definitie Handtekening:
- Routine Handtekening ( $\sigma$ ): Een vector die de verdeling van dagen weergeeft die een deelnemer doorbrengt in elk van de $K$ routine-types, gesorteerd van meest naar minst frequent.
- Transitie Handtekening: Een overgangswaarschijnlijkheidsmatrix ( $P \in \mathbb{R}^{K \times K}$ ) die de waarschijnlijkheid weergeeft om van het ene routine-type naar het andere te gaan tussen opeenvolgende dagen.

Persistentie Metrics

Om stabiliteit en onderscheidend vermogen te kwantificeren, splitsten de auteurs de data van elke deelnemer in twee gelijke tijdswinden en berekenden ze:

Zelf-Distance ( $d_{self}$ ): De afstand tussen de handtekening van een deelnemer in de eerste helft versus de tweede helft (meting van intra-individuele stabiliteit).
Referentie Distance ( $d_{ref}$ ): De afstand tussen de handtekening van een deelnemer en de handtekeningen van andere deelnemers in dezelfde tijdswind (meting van inter-individueel onderscheidend vermogen).
Afstandsmetrics: Voornamelijk Jensen-Shannon Divergentie (JSD) voor distributiehandtekeningen, met Cosine Distance en Bhattacharyya-afstand gebruikt voor robuustheidscontroles.

3. Belangrijkste Resultaten

Ontdekking van Routine Types

Het dagelijks leven lost op in een compacte set van ~8 interpreteerbare routine-types.
Deze types ontstonden ongecontroleerd zonder kalenderdata, maar weerspiegelden duidelijk real-world structuren (bijvoorbeeld standaard werkdagen, weekenden/vakanties met langere slaap/hogere schermgebruik, en nachtelijke mobiliteitspatronen).
Dominantie: In alle studies maakten de twee meest frequente routine-types gemiddeld 57,63% van de dagen van een deelnemer uit, wat aangeeft dat individuen het grootste deel van hun tijd doorbrengen in slechts twee terugkerende patronen.

Stabiliteit van Routine Handtekeningen

Intra-individuele Stabiliteit: De routine-handtekening van een deelnemer was significant meer vergelijkbaar met hun eigen eerdere zelf dan met die van een ander individu ( $d_{self} < d_{ref}$ $d_{se l f} < d_{r e f}$ ).
- Tesserae: $d_{self} = 0,135$ versus $d_{ref} = 0,164$ ( $p < 10^{-3}$ ).
- Deze stabiliteit gold voor zowel korte (30 dagen) als lange (135 dagen) observatiewinstduren.
Transitie Dynamiek: De manier waarop individuen overgaan tussen routine-types (de transitie-matrix) was ook persoonsspecifiek en stabiel.
- Tesserae: $d_{self} = 0,481$ versus $d_{ref} = 0,537$ ( $p < 10^{-3}$ ).
- Dit geeft aan dat individuen niet alleen vasthouden aan één routine, maar in een karakteristieke, niet-willekeurige volgorde door meerdere types cycleren.

Predictors van Persistentie

Demografie: Leeftijd en geslacht toonden geen significante associatie met de stabiliteit van routine-handtekeningen.
Persoonlijkheidstrekken:
- Zaakzorg (Conscientiousness): Positief geassocieerd met hogere handtekening-afstanden (wat minder stabiliteit aangeeft) in analyses met lange vensters ( $p=0,001$ ).
- Neuroticisme: Positief geassocieerd met routine-handtekening-afstand in modellen met lange vensters ( $p=0,039$ ).
- Opmerking: De positieve correlatie met afstand impliceert dat hogere scores op deze trekken in deze specifieke context correleren met minder rigide/persistente routines, hoewel de effectgroottes bescheiden waren.

4. Belangrijkste Bijdragen

Holistisch Kader: Gaat verder dan gedragsanalyse in één domein (bijvoorbeeld alleen slaap of alleen mobiliteit) om multi-modale dagelijkse routines gelijktijdig te modelleren.
Concept Routine Handtekening: Formaliseert de "routine-handtekening" als een tweeledige metric: (1) tijdsallocatieverdeling en (2) dag-tot-dag transitiedynamiek.
Validatie van Persistentie: Toont aan dat deze handtekeningen robuuste "gedragsvingerafdrukken" zijn die persisteren over diverse populaties (klinisch, studenten, professioneel) en tijdschalen.
Ongecontroleerde Ontdekking: Bewijst dat een kleine set latente routine-types (ongeveer 8) de dominante structuur van het dagelijks leven kan verklaren zonder voorafgaande labeling.

5. Betekenis en Implicaties

Gepersonaliseerde Gezondheidsmonitoring: Routine-handtekeningen kunnen dienen als individueel-specifieke baselines. Afwijkingen van de eigen handtekening van een persoon (in plaats van populatienormen) kunnen vroege tekenen van gezondheidsproblemen, terugvallen in mentale gezondheid of verstoringen in de levensstijl detecteren.
Risico op Heridentificatie: Het hoge onderscheidend vermogen en de temporele stabiliteit van deze handtekeningen vormen een privacyrisico. Zelfs in geanonimiseerde datasets kan het combineren van meerdere gedragsmodaliteiten leiden tot de heridentificatie van individuen over tijd en datasets heen.
Gedragswetenschap: Vestigt dat de "persistentie" die wordt waargenomen in enkelvoudig gedrag een algemeen principe is van menselijke organisatie, wat suggereert dat mensen van nature neigen naar een beperkte set complexe, multi-gedragspatronen om cognitieve belasting en omgevingsvereisten te beheren.

Beperkingen

Data Sparsiteit: Locatiegegevens (GPS) werden uitgesloten vanwege een hoog percentage ontbrekende waarden, en communicatiekenmerken waren schaars (beperkt tot oproepen/SMS), wat mogelijk nuances in sociale interactie mist.
Ongecontroleerde Aard: Hoewel robuust, is de clustering ongecontroleerd; de betekenis van clusters kan licht variëren tussen populaties, en de "bag-of-days"-benadering negeert sequentiële temporele afhankelijkheden (hoewel periodiciteit zoals werkdag/weekend-splitsen van nature naar voren kwam). Toekomstig werk kan Markov-modellen incorporeren om temporele sequenties beter vast te leggen.