Understanding human behavior from personal mobile and online data: personal data disclosure, mobility in public-health, recommendations of social links

Abstract

Personal data, generated and continuously collected by modern devices and online services, open new perspectives in human behavior understanding. They can characterize human behavior at a very fine and precise resolution, covering a huge variety of daily life, from communication and individual mobility to complex social phenomena and economic behaviors. While from the research point of view the collection of behavioral data has never been so cost-effective and unobtrusive, at the same time, from the applicative point of view, numerous applications supporting users’ needs have leveraged on the massive availability of personal data and the insights produced by human behavior comprehension. Nevertheless, this scenario also raises unprecedented risks affecting users’ privacy. The high relevance and effectiveness of digital footprints in capturing and describing human behaviors establishes the basis of this work. In this thesis, we use behavioral personal data, collected online or from mobile phones, to understand human behavior with the aim to support users in their everyday lives, investigating aspects that can be turned into personal or societal value in real application scenarios. In our work, we approached our research problems in a comprehensive way by leveraging on real personal data continuously observed in daily-life. In particular, in this dissertation we investigate three main problems. Firstly, we under- stand the attitudes of individuals towards personal mobile data disclosure by using both individual characteristics and dynamic behaviors related to communication and mobility, captured from mobile phones. Secondly, we predict the future health status of individuals, in terms of flu- like and cold symptoms, on the basis of a systematic characterization of their mobility behaviors derived from their mobile phones. Finally, we infer the formation of future links in individuals’ social circle on the basis of multiple information sources related to explicit and implicit relationships that users form. The main insights resulting from our investigation can support a set of use cases, targeting individual and collective applications. Our findings, in terms of behaviors affecting the personal propensity towards data disclosure, can support a new generation of privacy-tools providing personalized feedback to users when tuning their sharing settings. The insights from our following study can provide individuals with personalized feedback about their health status and support decision-makers towards the adoption of preventive measures for public-health. Finally, our findings in terms of new social link predictions can provide users with more accurate recommendations in social networking applications.

Τα προσωπικά δεδομένα, που παράγονται και συλλέγονται συνεχώς από τις σύγχρονες συσκευές και τις διαδικτυακές υπηρεσίες, ανοίγουν νέες προοπτικές στην κατανόηση της ανθρώπινης συμπεριφοράς. Μπορούν να χαρακτηρίσουν την ανθρώπινη συμπεριφορά σε πολύ λεπτή και ακριβή ανάλυση, καλύπτοντας μια τεράστια ποικιλία της καθημερινής ζωής, από την επικοινωνία και την ατομική κινητικότητα έως τα σύνθετα κοινωνικά φαινόμενα και τις οικονομικές συμπεριφορές. Ενώ από ερευνητική άποψη η συλλογή δεδομένων συμπεριφοράς δεν ήταν ποτέ τόσο αποδοτική και διακριτική, ταυτόχρονα, από άποψη εφαρμογών, πολυάριθμες εφαρμογές που υποστηρίζουν τις ανάγκες των χρηστών έχουν αξιοποιήσει τη μαζική διαθεσιμότητα προσωπικών δεδομένων και τις γνώσεις που προκύπτουν από την κατανόηση της ανθρώπινης συμπεριφοράς. Ωστόσο, αυτό το σενάριο εγείρει επίσης πρωτοφανείς κινδύνους που επηρεάζουν την ιδιωτικότητα των χρηστών. H μεγάλη σημασία και αποτελεσματικότητα των ψηφιακών αποτυπωμάτων στην καταγραφή και περιγραφή της ανθρώπινης συμπεριφοράς αποτελεί τη βάση αυτής της εργασίας. Στην παρούσα διατριβή, χρησιμοποιούμε προσωπικά δεδομένα συμπεριφοράς, τα οποία συλλέγονται στο διαδίκτυο ή από κινητά τηλέφωνα, για την κατανόηση της ανθρώπινης συμπεριφοράς με στόχο την υποστήριξη των χρηστών στην καθημερινή τους ζωή, διερευνώντας πτυχές που μπορούν να μετατραπούν σε προσωπική ή κοινωνική αξία σε πραγματικά σενάρια εφαρμογών. Στην εργασία μας, προσεγγίσαμε τα ερευνητικά μας προβλήματα με έναν ολοκληρωμένο τρόπο, αξιοποιώντας πραγματικά προσωπικά δεδομένα που παρατηρούνται συνεχώς στην καθημερινή ζωή. Eιδικότερα, στην παρούσα διατριβή διερευνούμε τρία βασικά προβλήματα. Πρώτον, κατανοούμε τη στάση των ατόμων απέναντι στην αποκάλυψη προσωπικών δεδομένων κινητής τηλεφωνίας, χρησιμοποιώντας τόσο τα ατομικά χαρακτηριστικά όσο και τις δυναμικές συμπεριφορές που σχετίζονται με την επικοινωνία και την κινητικότητα, οι οποίες καταγράφονται από τα κινητά τηλέφωνα. Δεύτερον, προβλέπουμε τη μελλοντική κατάσταση της υγείας των ατόμων, όσον αφορά συμπτώματα γρίπης και κρυολογήματος, βάσει ενός συστηματικού χαρακτηρισμού των συμπεριφορών κινητικότητας που προέρχονται από τα κινητά τους τηλέφωνα. Τέλος, συμπεραίνουμε το σχηματισμό μελλοντικών δεσμών στον κοινωνικό κύκλο των ατόμων με βάση πολλαπλές πηγές πληροφοριών που σχετίζονται με τις ρητές και άρρητες σχέσεις που δημιουργούν οι χρήστες. Οι κύριες γνώσεις που προκύπτουν από τη διερεύνησή μας μπορούν να υποστηρίξουν ένα σύνολο περιπτώσεων χρήσης, με στόχο ατομικές και συλλογικές εφαρμογές. Τα ευρήματά μας, όσον αφορά τις συμπεριφορές που επηρεάζουν την προσωπική τάση για αποκάλυψη δεδομένων, μπορούν να υποστηρίξουν μια νέα γενιά εργαλείων προστασίας της ιδιωτικής ζωής που παρέχουν εξατομικευμένη ανατροφοδότηση στους χρήστες κατά την επιλογή των ρυθμίσεων κοινής χρήσης. Οι γνώσεις από την ακόλουθη μελέτη μας μπορούν να παρέχουν στα άτομα εξατομικευμένη πληροφόρηση σχετικά με την κατάσταση της υγείας τους και να υποστηρίξουν τους υπεύθυνους λήψης αποφάσεων προς την κατεύθυνση της υιοθέτησης προληπτικών μέτρων για τη δημόσια υγεία. Τέλος, τα ευρήματά μας όσον αφορά στις προβλέψεις κοινωνικών συνδέσμων μπορούν να παρέχουν στους χρήστες πιο ακριβείς συστάσεις σε εφαρμογές κοινωνικής δικτύωσης.