Pattern di clic del mouse (o keybord) e previsione dell'attività dell'utente del computer

Basato esclusivamente sul modello temporale dei clic del mouse (un elenco di tempi di clic ), è possibile prevedere l'attività dell'utente del computer? $[t_1,t_2,t_3,\ldots]$

Ad esempio: lavorare vs trascorrere del tempo su Facebook, guardare foto o giocare a un gioco per computer.

Se sono previsioni più precise (ad esempio, giocare a StarCraft vs Counter Strike vs SimCity), allora sono anche interessato.

Mentre (discutibilmente) si può sentire se qualcuno sta giocando (a causa di clic rapidi e affrettati) o guardando foto (clic equamente distanziati), sono interessato se ci sono altri risultati oggettivi (pubblicazioni, ricerche sui blog, ecc.) Su tale argomento .

MODIFICARE:

Sono ugualmente interessato ai clic della tastiera (senza distinguere quale tasto viene premuto) o all'approccio combinato (mouse + tastiera).

time-series signal-processing pattern-recognition

— Piotr Migdal
fonte

E se suoni con la tastiera? : D

— nico,

@nico In realtà, lo schema dei clic della tastiera (senza distinguere quale tasto viene premuto) è altrettanto interessante.

— Piotr Migdal,

Grande domanda che vorrei avere il tempo di indagare su me stesso. Sono fiducioso che sia trattabile. Hai qualche dato?

Il tuo segnale è una serie temporale binaria multidimensionale ( D per pulsanti); ogni bit indica se il pulsante è premuto o meno. È inoltre possibile incorporare la posizione del cursore nel vettore di feature come traiettoria 2D. Presumibilmente, hai i dati di allenamento per ogni attività. Quindi questo significa che hai un problema di classificazione. $n$ $n$

È possibile ridurre la dimensionalità approssimando e codificando in modo efficiente la traiettoria (riferimenti su richiesta) e prendendo la prima differenza della frequenza dei clic del mouse (ovvero, se la frequenza dei clic non cambia, memorizzare zero). Stimerei anche la distribuzione del tempo di inter-arrivo dei clic per vedere se puoi classificarlo da esso.

Per un salto in avanti nella letteratura, vedi Riconoscimento delle attività usando movimenti occhio-sguardo e interazioni tradizionali . Dovresti trovare più contatti nelle comunità "elaborazione onnipresente / pervasiva" e "interazione uomo-computer".

Per ottenere i dati suggerisco di generarli da soli utilizzando un keylogger . Suggerisco di chiedere aiuto su un forum relativo alla sicurezza del computer o alla pirateria informatica. La maggior parte registra la tastiera ma potrebbe esserci qualcosa anche per il mouse. In caso contrario, potresti scrivere il tuo software .

— Emre
fonte

Buoni suggerimenti, ma questo non è un commento più appropriato piuttosto che una risposta poiché non risponde alla domanda dei PO a meno che non pensi che il link che hai fornito sia una risposta parziale?

— Michael R. Chernick,

La risposta non è il collegamento; sono i paragrafi che lo precedono: ho spiegato come affrontare il problema e ho suggerito il vettore di funzionalità. Se non fornisce una buona separazione, possiamo discutere i punti più fini dell'algoritmo di classificazione.

— Emre,

Immagino sia una risposta parziale. La presunzione è che maggiore è la frequenza di clic del mouse maggiore è l'attività. ma cosa definisce l'attività? Le cose paasive come la lettura possono essere considerate attività e lo scorrimento è un'attività. Nessuno dei due comporta clic del mouse. La vera domanda è una volta che abbiamo una chiara definizione di ciò che costituisce attività, abbiamo bisogno di un modo indipendente per misurarla e quindi vedere se è correlata alla frequenza di clic del mouse. Probabilmente lo fa perché dormire davanti al computer o fissarlo dà periodi di inattività e nessun clic del mouse.

— Michael R. Chernick,

D'altra parte, la digitazione veloce è una forma pesante di attività, ma non implica affatto il clic mise.

— Michael R. Chernick,

@Emre Grazie per i suggerimenti, esp. l'articolo. Tuttavia, mi interessa se funziona davvero (credo - sì). Non ho una data, quindi anche i collegamenti a tali sarebbero desiderabili.

— Piotr Migdal,