Human-centered machine learning for mobile sensing data

Abstract

The present thesis delves into the convergence of mobile and wearable technologies, machine learning algorithms, and human-centered concerns within the Ubiquitous Computing domain. Ubiquitous devices have found numerous applications in recent years, including healthcare monitoring, workplace safety, quality control, remote assistance or training, and fatigue monitoring. Yet, the enthusiastic adoption of machine learning in such technologies may inadvertently perpetuate biases and ethical dilemmas. Through original research spanning user interaction, data collection, and algorithmic equity, this thesis proposes solutions to mitigate such “alignment” challenges. Among others, it introduces a framework for designing and evaluating technologies for behavior change interventions on diverse populations, open datasets and benchmarks for facilitating future interdisciplinary research, and methodologies for fairness-aware computing. By emphasizing the integration of technical advancements with human-centered values, this work advocates for a holistic approach to mobile and wearable computing, highlighting the importance of aligning machine learning systems with societal needs and expectations.

Η παρούσα διατριβή εξετάζει τη σύγκλιση των κινητών και φορετών τεχνολογιών, των αλγορίθμων μηχανικής μάθησης και των ανθρωποκεντρικών προβληματισμών στον τομέα της πανταχού παρούσας υπολογιστικής. Οι πανταχού παρούσες συσκευές έχουν βρει πολυάριθμες εφαρμογές τα τελευταία χρόνια, συμπεριλαμβανομένης της παρακολούθησης της υγείας και ευεξίας, της ασφάλειας στο χώρο εργασίας, του ποιοτικού ελέγχου, της απομακρυσμένης βοήθειας ή εκπαίδευσης και της παρακολούθησης της κόπωσης. Ωστόσο, η ενθουσιώδης υιοθέτηση της μηχανικής μάθησης σε τέτοιες τεχνολογίες μπορεί ακούσια να διαιωνίσει προκαταλήψεις και ηθικά διλήμματα. Μέσω πρωτότυπης έρευνας που καλύπτει την αλληλεπίδραση με τον χρήστη, τη συλλογή δεδομένων και την αλγοριθμική ισότητα, η παρούσα διατριβή προτείνει λύσεις για τον μετριασμό τέτοιων προκλήσεων "ευθυγράμμισης" της τεχνολογίας και των ανθρωπίνων αξιών. Μεταξύ άλλων, εισάγει ένα πλαίσιο για το σχεδιασμό και την αξιολόγηση τεχνολογιών για παρεμβάσεις αλλαγής συμπεριφοράς σε διαφορετικούς πληθυσμούς, ανοικτά σύνολα δεδομένων και πρότυπα αναφοράς για τη διευκόλυνση της μελλοντικής διεπιστημονικής έρευνας, καθώς και μεθοδολογίες για ανάπτυξη τεχνολογιών με γνώμονα τη δικαιοσύνη. Δίνοντας έμφαση στην ενσωμάτωση των τεχνικών εξελίξεων με αξίες που έχουν ως επίκεντρο τον άνθρωπο, η εργασία αυτή υποστηρίζει μια ολιστική προσέγγιση της κινητής και φορετής υπολογιστικής, υπογραμμίζοντας τη σημασία της ευθυγράμμισης των συστημάτων μηχανικής μάθησης με τις κοινωνικές ανάγκες και προσδοκίες.