FR3133462A1 - détermination automatique d’une mesure de l’hygiène de vie numérique par agrégation d’un ensemble de mesures hétérogènes provenant de sources hétérogènes - Google Patents
détermination automatique d’une mesure de l’hygiène de vie numérique par agrégation d’un ensemble de mesures hétérogènes provenant de sources hétérogènes Download PDFInfo
- Publication number
- FR3133462A1 FR3133462A1 FR2201977A FR2201977A FR3133462A1 FR 3133462 A1 FR3133462 A1 FR 3133462A1 FR 2201977 A FR2201977 A FR 2201977A FR 2201977 A FR2201977 A FR 2201977A FR 3133462 A1 FR3133462 A1 FR 3133462A1
- Authority
- FR
- France
- Prior art keywords
- measurements
- equipment
- behavior
- aggregation
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000002776 aggregation Effects 0.000 title claims abstract description 18
- 238000004220 aggregation Methods 0.000 title claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 79
- 230000010365 information processing Effects 0.000 claims abstract description 21
- 239000000523 sample Substances 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 description 37
- 206010012335 Dependence Diseases 0.000 description 22
- 238000012544 monitoring process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000010197 meta-analysis Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000002730 additional effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008133 cognitive development Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000010482 emotional regulation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000004617 sleep duration Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
Abstract
Système (1) pour la détermination d’un degré de dépendance aux écrans d’un utilisateur (2), comportant au moins un module logiciel (23, 24) embarqué sur un ensemble d’équipements de traitement de l’information (13, 14), adapté pour recueillir des premières mesures (42) sur le comportement des applications installés sur lesdits équipements de traitement de l’information et des deuxièmes mesures (43) sur le comportement desdits équipements de traitement de l’information ;une base de données (30) pour mémoriser lesdites mesures ;un serveur (50) pour périodiquement déterminer une agrégation desdites mesures et un degré de dépendance aux écrans en fonction de ladite agrégation. Figure pour l’abrégé : Fig. 1
Description
La présente invention est relative à la détermination d’un degré de dépendance aux écrans, représentatif de l’hygiène de vie numérique d’un utilisateur. Elle vise notamment à agréger pour ce faire des mesures objectives et holistiques.
CONTEXTE DE L’INVENTION
L’usage excessif des écrans est aujourd’hui reconnu comme un problème majeur dans notre société. En outre, la pandémie mondiale débutée en 2020 a conduit les individus à se confiner durant plusieurs mois et ont intensifié tant les comportements de dépendance envers les écrans que le nombre de réflexions scientifiques et politiques autour de cette problématique.
En France, la MILDECA (Mission Interministérielle de Lutte contre les Drogues et les Conduites Addictives) a rendu en 2021 un rapport faisant état que les jeunes français âgés de 15-24 ans sont 24% à déclarer regarder des vidéos plus de 4 heures par jour et 33% des jeunes jouent à des jeux en ligne le même nombre d’heures par jour.
Or, un usage excessif des écrans (e.g., smartphone, internet, jeux en ligne) entraine des conséquences multiples qui peuvent être dramatiques sur la santé et le développement cognitif des adolescents et des jeunes adultes. En effet, la difficulté à réguler l’usage des écrans peut conduire à de sérieux troubles pathologiques comme une addiction aux jeux vidéo.
Des résultats récents ont montré que l’exposition régulière à la télévision ou aux jeux vidéo est associée à moins d’attitudes positives envers l’école et à moins de performances scolaires. On peut notamment citer Adelantado-Renau et al., «Association Between Screen Media Use and Academic Performance Among Children and Adolescents: A Systematic Review and Meta-analysis» 2019, DOI: 10.1001/jamapediatrics.2019.3176.
Cela peut notamment s’expliquer par le fait qu’un usage excessif des écrans est aussi lié à de plus faibles compétences cognitives comme une faible perception à s’autoréguler, ainsi que par exemple exposé dans Gökçearslan et al., «Modelling smartphone addiction: The role of smartphone usage, selfregulation , general self- efficacy and cyberloafing in university students» in Computers in Human Behavior, 2016, DOI:10.1016/j.chb.2016.05.091, ou LaRose et al., «Unregulated Internet Usage: Addiction, Habit, or Deficient Self- Regulation ?» in Media Psychology, 5(3), 225-25, 2003.
Wartberg et al., «The relevance of emotion regulation, procrastination, and perceived stress for problematic social media use in a representative sample of children and adolescents» in Computers in Human Behavior, vol. 121, 2021, relie également cet usage excessif à davantage d’inattention.
En outre, un usage excessif des écrans est associé à une moins bonne qualité de sommeil, selon notamment Chen & Gau., «Sleep problems and internet addiction among children and adolescents: a longitudinal study», in Journal of Sleep Research, 2016, ou Ratan et al., « Smartphone Addiction and Associated Health Outcomes in Adult Populations: A Systematic Review », in International Journal of Environmental Research and Public Health, 2021, et également à une plus faible estime de soi, à une plus grande anxiété et à plus de dépression, comme exposé dans Prizant-Passal et al., «Social anxiety and internet use–A meta-analysis: What do we know? What are we missing ?», in Computers in Human Behaviors, vol. 62, 2016, ou dans l’article précité de Ratan et al.
Pour prévenir voire remédier à cette difficulté, l’un des enjeux est de repérer les individus susceptibles d’utiliser de manière excessive les écrans.
Toutefois, rendre compte des pratiques d’utilisation problématiques des écrans est généralement effectué à l’aide de mesures auto-rapportées par questionnaire. On peut par exemple citer l’échelle de dépendance aux smartphones («Smartphone Addiction Scale» en anglais) de Kwon et al., «The smartphone addiction scale : development and validation of a short version for adolescents», 2013, https://doi.org/10.1371/journal.pone.0083558, et l’échelle de dépendance aux jeux, décrite dans Lemmens et al, «Development and Validation of a Game Addiction Scale for Adolescents» in Media Psychology 12(1):77-95, 2009, DOI : DOI:10.1080/15213260802669458
Un objectif de la présente invention est de fournir une approche objective permettant de déterminer un degré de dépendance aux écrans d’un utilisateur. Ce degré permet d’évaluer l’hygiène de vie numérique.
L’hygiène de vie numérique comprend l’utilisation des équipements et notamment l’utilisation des équipements comportant des écrans. Une utilisation excessive de ces écrans constitue une mauvaise hygiène de vie numérique.
L’invention vise donc à déterminer une quantification, ou une mesure quantitative (et qualitative), de cette hygiène de vie numérique. En particulier, l’invention vise à déterminer un degré de dépendance aux écrans, et permet ainsi d’affecter l’utilisateur à une classe parmi, par exemple, un comportement normal, un comportement anormal mais pas problématique, et un comportement problématique qui peut relever de la dépendance, ou addiction.
En particulier, l’invention vise à permettre une évaluation de cette hygiène de vie numérique qui ne soit pas uniquement dépendante de la déclaration des utilisateurs des écrans qui peut être faussée et engendrer un mauvais diagnostic.
Elle vise également à éviter d’être trop intrusive mais au contraire le plus transparent possible afin de d’une part ne pas impacter la qualité de vie des utilisateurs en imposant des actions supplémentaires, et d’autre part éviter que ceux-ci modifient leurs comportements du fait de surveillance.
Elle vise également à permettre un suivi dans le temps de l’hygiène de vie numérique des utilisateurs et de leurs éventuelles addictions. En effet, les méthodes basées sur les questionnaires à remplir ne permettent que d’obtenir une « photographie » ponctuelle d’un état de l’utilisateur, et il serait nécessaire de multiplier ces remplissages pour pouvoir déceler les évolutions de l’addiction (ou plus généralement de l’hygiène de vie numérique), ce qui pourrait ne pas être acceptable pour les utilisateurs et/ou nuirait à la fourniture de réponses précises et correctes.
Enfin, l’invention vise à offrir une évaluation holistique, c’est-à-dire à couvrir l’utilisation des différents écrans et équipements dont dispose un même utilisateur.
À cette fin, selon un premier aspect, la présente invention peut être mise en œuvre par un système pour la détermination d’un degré de dépendance aux écrans d’un utilisateur, comportant
- au moins un module logiciel embarqué sur un ensemble d’équipements de traitement de l’information, adapté pour recueillir des premières mesures sur le comportement des applications installés sur lesdits équipements de traitement de l’information et des deuxièmes mesures sur le comportement desdits équipements de traitement de l’information ;
- une base de données pour mémoriser lesdites mesures ;
- un serveur pour périodiquement déterminer une agrégation desdites mesures et un degré de dépendance aux écrans en fonction de ladite agrégation.
Suivant des modes de réalisation préférés, l’invention comprend une ou plusieurs des caractéristiques suivantes qui peuvent être utilisées séparément ou en combinaison partielle entre elles ou en combinaison totale entre elles :
- le système comporte en outre au moins une sonde embarquée dans une prise électrique alimentant au moins un équipement parmi un téléviseur et une console de jeux vidéo, adaptée pour recueillir des troisièmes mesures sur le comportement électrique dudit au moins un équipement ; ledit serveur étant adapté pour déterminer ladite agrégation en fonction desdites troisièmes mesures ;
- ladite prise électrique est adaptée pour recueillir une mesure particulière en cas de déconnexion physique dudit au moins un équipement ;
- ladite prise électrique est agencée pour que lors de ladite déconnexion physique, ladite prise électrique n’est plus alimentée ;
- ledit serveur est adapté pour affecter une classe audit utilisateur en fonction dudit degré de dépendance aux écrans ;
- ledit serveur est adapté pour déterminer une agrégation de mesures de même nature provenant d’équipements distincts ;
Selon un second aspect, l’invention peut également être mise en œuvre par un procédé pour la détermination d’un degré de dépendance aux écrans d’un utilisateur, comportant
- le recueil de première mesures sur le comportement des applications installés sur un ensemble d’équipements de traitement de l’information, et de deuxièmes mesures sur le comportement desdits équipements de traitement de l’information, par au moins un module logiciel embarqué sur ledit ensemble d’équipements de traitement de l’information ;
- la mémorisation desdites mesures dans une base de données ;
- la détermination périodique d’une agrégation desdites mesures et d’un degré de dépendance aux écrans en fonction de ladite agrégation, par un serveur.
Suivant des modes de réalisation préférés, l’invention comprend une ou plusieurs des caractéristiques suivantes qui peuvent être utilisées séparément ou en combinaison partielle entre elles ou en combinaison totale entre elles :
- le procédé comporte en outre le recueil de troisièmes mesures sur le comportement électrique d’au moins un équipement, par une sonde embarquée dans une prise électrique alimentant ledit au moins un équipement parmi un téléviseur et une console de jeux vidéo, ladite agrégation prenant en compte lesdites troisième mesures.
- le procédé comporte l’affectation d’une classe audit utilisateur, en fonction dudit degré de dépendance aux écrans.
- Le procédé est mis en place pendant une durée prédéfinie
D'autres caractéristiques et avantages de l'invention apparaîtront à la lecture de la description qui suit d’un mode de réalisation préféré de l'invention, donnée à titre d'exemple et en référence aux dessins annexés
Les dessins annexés illustrent l’invention :
La représente schématiquement un exemple d’architecture selon un mode de réalisation de l’invention.
La
DESCRIPTION DETAILLEE DE MODES DE REALISATION DE L’INVENTION
L’invention vise à capturer le comportement de l’utilisateur au travers de l’ensemble de ces équipements numériques, afin d’avoir une vue holistique de son utilisation des équipements dotés d’écrans et de son éventuelle addiction aux écrans et de pouvoir la quantifier.
En particulier, l’invention comprend le recueil de mesures du comportement des applications logicielles utilisées, des équipements de type ordinateur, smartphone, tablette numérique, casques de réalité virtuelle, montres connectées..., mais également des équipements de type télévision, console de jeux vidéo, etc.
Une des difficultés est de prendre en compte des équipements de natures hétérogènes, chacun nécessitant une mise en place spécifique de moyens techniques de recueil de mesures. Une autre difficulté est de prendre en compte des typologies hétérogènes de mesures, et de les agréger, ou combiner, de sorte à déterminer un degré de dépendance (ou degré d’hygiène de vie numérique).
Selon les inventeurs, cette caractéristique consistant à prendre en compte l’ensemble des équipements (quel que soit leur nature technique) et l’ensemble des types de mesure permet de surveiller au mieux les comportements d’utilisation des différents écrans dont un individu dispose, et, de ce fait de mieux comprendre les utilisations problématiques et les situations de dépendance. Cette approche permet donc de déterminer l’utilisation problématique des écrans à partir de plusieurs indicateurs objectifs et automatiquement rapportés
La illustre une architecture selon un mode de réalisation de l’invention.
Un utilisateur 2 dispose d’un parc 10 d’équipements disposant d’écran et pouvant, donc, à ce titre, contribuer à la potentielle dépendance, ou addiction, de l’utilisateur 2.
D’une façon générale, ces équipements peuvent se subdiviser en deux catégories :
- les équipements de traitement de l’information, 13, 14 qui permettent d’embarquer un module logiciel, respectivement 23, 24, pour recueillir des informations, ou mesures, sur leur comportement et le comportement des applications logicielles installées ;
- les autres équipements (non représentés) qui ne permettent pas d’embarquer de tels modules logiciels.
Parmi le premier type d’équipements, on peut notamment citer les terminaux mobiles de télécommunication (de type « smartphone »), ou autres terminaux dotés d’un écran disposant d’une interface permettant la mise en place d’un module logiciel ad-hoc comme par exemple les tablettes numériques, les ordinateurs, les montres connectées, les casques de réalité virtuelle, etc.
Parmi le second type d’équipement, on peut notamment citer les téléviseurs, les consoles de jeux, etc. Ces équipements ne disposent en général pas d’interfaces permettant la mise en place d’un module logiciel ad-hoc.
Pour ce second type d’équipement, un mode de réalisation de l’invention prévoit d’embarquer une sonde, 21, 22 au sein des prises électriques 11, 12, alimentant ces équipements. Ces sondes sont adaptées pour recueillir des mesures sur le comportement électrique des équipements qu’elles alimentent.
Une telle prise peut disposer d’une infrastructure logicielle et d’interfaces permettant d’installer des modules logiciels, mettant en œuvre les fonctions de ces sondes 21, 22. Également, certaines prises peuvent disposer nativement de tels modules logiciels.
En effet, le développement des objets connectés, permettant de supporter l’Internet des objets (ou « IoT » pour «Internet of Things» en anglais), a permis la mise à disposition de nombreuses solutions de prises permettant des fonctionnalités avancées et/ou offrant des moyens d’embarquer des fonctionnalités supplémentaires via des modules logiciels supplémentaires.
Un exemple de telles prises est par exemple celles développées par la société SHELLY. Les « Shelly Plug » offrent nativement des fonctionnalités de mesure de puissance consommée et des interfaces, ou API(« Application Programming Interface» en anglais) permettant d’accéder aux mesures effectuées et de les exporter vers des dispositifs extérieurs à la prise.
L’interface des prises de la société Shelly est décrite par exemple sur le lien :
https://shelly-api-docs.shelly.cloud/gen1/
Ces prises permettent d’interroger des moyens de mesure de l’énergie électrique via le protocole MQTT («Message Queuing Telemetry Transport» en anglais) :
TOPIC MQTT shellies/<model>-<deviceid>/relay/0/power
Selon un mode de réalisation, une prise, un ensemble de prises, une multiprise, ou PDU (« Power Distribution Unit »), peut être utilisé. Dans un tel mode de réalisation, la sonde 21, 22 permet de recueillir des mesures individualisées pour chacune des prises de la multiprise. De la sorte, le comportement électrique de chaque équipement alimenté peut être recueilli.
Selon un mode de réalisation de l’invention, la prise électrique est adaptée pour recueillir une mesure particulière en cas de déconnexion physique d’un équipement alimenté.
En particulier, la prise électrique 11, 12, peut être adaptée pour ne pas permettre la déconnexion d’un équipement sans que cela puisse être détecté par la sonde 21, 22 respective. Selon des modes de réalisation, la sonde peut détecter l’état de déconnexion par différents types de capteurs, comme par exemple : capteur de courant électrique, capteur de température, capteur accélérométrique et spatial, capteur de distance, microrupteur, capteur de pression, capteur de proximité, capteur de tension, capteur infrarouge, capteur de choc ou capteur de mouvement, etc.
Pour ce faire, un mode de réalisation consiste à agencer la prise électrique pour que lors de la déconnexion physique de la prise (mâle) de l’équipement de la prise (femelle), celle-ci n’est plus alimentée. Par exemple, le boitier prise 11, 12 est encapsulé dans un sur-boîtier qui emprise la prise (mâle) connectée par cordon à l’équipement alimenté, de sorte que celle-ci ne peut pas être déconnectée sans au moins partiellement retirer ce sur-boîtier. Ce dernier peut être agencé pour que son retrait, même partiel, nécessite de débrancher également l’alimentation du boitier prise 11, 12. Dès lors, l’absence, même momentané d’alimentation peut être détecté simplement en interrogeant les sondes 21, 22.
L’enjeu est que la mesure du comportement de la prise 11, 12 corresponde effectivement au comportement électrique de l’équipement alimenté. Il faut pour cela garantir un lien univoque entre une prise donnée et un équipement associé, et donc éviter qu’un utilisateur puisse connecter un équipement particulier à une autre prise (éventuellement non surveillée) ou bien connecter un autre équipement à la prise surveillée donnée.
Par exemple, ce mode de réalisation permet d’éviter qu’un utilisateur déconnecte sa console de la prise 11, 12 surveillée pour la connecter sur une autre prise de son domicile. Il en résulterait évidemment que les mesures recueillies seraient faussées et perdraient en pertinence.
D’une façon générale, les mesures recueillies par les sondes 21, 22 visent donc à être représentatives du comportement électrique d’un équipement surveillé qui est susceptible d’être impliqué dans une dépendance aux écrans de l’utilisateur.
Ce comportement électrique peut se baser sur la caractéristique « allumé » ou « éteint » de l’équipement. De la surveillance de cette caractéristique, les sondes 21, 22 peuvent déterminer des mesures 41 relatives au comportement électrique de l’équipement en termes de :
- durée d’utilisation de l’équipement alimenté,
- horaires d’utilisation de l’équipement alimenté (heures d’allumage et d’extinction),
- température interne de la prise,
- consommation électrique de l’équipement alimenté.
Ces mesures 41 permettent d’obtenir une vue sur l’utilisation de ces équipements de type télévision, console de jeux vidéo, non seulement concernant la durée totale d’utilisation, mais aussi concernant les horaires d’utilisation. En effet, dans le cadre de l’évaluation d’une potentielle addiction, utiliser une console de jeux, par exemple, le matin ou en soirée n’est pas indifférent, le premier cas étant a priori davantage révélateur d’une dépendance.
Les mesures 41 ainsi recueillies peuvent être transmises vers une base de données 30 distante pour y être mémorisées.
Par ailleurs, les équipements 13, 14 sont des équipements de traitement de l’information. Ils permettent donc une mise en place plus aisée de modules logiciels 23, 24 et offrent des interfaces plus riches pour permettre la surveillance du comportement à la fois des applications installées et exécutées sur ces équipements ainsi que sur les équipements eux-mêmes.
Comme évoqué précédemment, ces équipements peuvent être des ordinateurs (de type « ordinateur de bureau » ou «desktop» en anglais, ou portable, ou «laptop» en anglais), des terminaux de communication (ou téléphones mobiles) intelligents (ou «smartphone»), des tablettes numériques, ou tout autre équipement existant ou à venir, disposant d’un système d’exploitation permettant la mise en place de modules logiciels et offrant des interfaces permettant d’obtenir des mesures sur les applications et l’équipement.
Selon l’invention, les modules logiciels 23, 24 sont adaptés pour recueillir deux types de mesures (au moins) :
- des mesures 42 sur le comportement des applications installés sur les équipements de traitement de l’information et
- des mesures 43 sur le comportement des équipements de traitement de l’information eux-mêmes.
D’une façon générale, les modules logiciels sont installés afin d’être lancé lors de l’ouverture d’une session de l’utilisateur sur ledit équipement et pour fonctionner continuellement en tâche de fond, afin de recueillir des mesures en temps réel sur les activités de l’utilisateur. Lorsque l’équipement ne permet pas de gérer plusieurs sessions, l’ouverture d’une session pour l’utilisateur équivaut à l’allumage de l’équipement.
Par exemple, sur un ordinateur fonctionnant sur le système d’exploitation Windows®, le module logiciel est placé dans le répertoire :
Users/<nom_d’utilisateur>/AppData/Roaming/Microsoft/Windows/StartMenu/Programs/Startup
dans lequel <nom_d’utilisateur> est le nom de l’utilisateur tel qu’enregistré dans le système d’exploitation Windows® (correspondant donc à sa session).
Ainsi à chaque ouverture de sa session sous Windows®, le module logiciel sera automatiquement exécuté.
En outre, le module logiciel peut être un programme en langage Python®, et stocké dans l’équipement sous la forme d’un fichier « .pyw ». Cela permet que le module logiciel soit considéré comme un service afin de ne pas être détecté comme un logiciel et rendre plus difficiles sa détection et sa fermeture par l’utilisateur.
De la même façon, sur un équipement fonctionnant avec un système d’exploitation « Mac OS® » de la société Apple®, le module logiciel peut être mémorisé dans le répertoire :
~/Library/LaunchDaemons/
De la sorte, le module logiciel est automatiquement exécuté lors du démarrage de l’équipement.
De la même façon également, le module logiciel peut être un programme en langage Python®, et stocké dans l’équipement sous la forme d’un fichier « .pyw ». Cela permet que le module logiciel soit considéré comme un service afin de ne pas être détecté comme un logiciel et rendre plus difficiles sa détection et sa fermeture par l’utilisateur.
Sur un équipement de type tablette ou terminal de télécommunication, le module logiciel peut être un lanceur (ou «launcher» en anglais) afin d’être automatiquement exécuté lors du démarrage de l’équipement
Ce module logiciel (ou application) peut se déclarer via le mécanisme d’intentions (ou «intent» en anglais) d’Android® pour répondre aux actions « home » et « default » :
<category android :name = ‘’android.intent.category.DEFAULT’’/>
<category android :name = ‘‘android.intent.category.HOME’’ />
Le mécanisme de services en arrière-plan («background services») permet d’analyser l’équipement en continu
Le mécanisme de service en avant-plan («foreground service» en anglais) permet de maintenir le service en arrière-plan indéfiniment.
Le service système « Usage_stat_service » permet d’analyser les applications ouvertes et de remettre le module logiciel au premier plan au besoin.
Sur un équipement fonctionnant avec un système d’exploitation iOS de la société Apple® ou bien un système d’exploitation Android®, l’outil MDM («Mobile Device Management») peut être utilisé afin de rentrer l’équipement dans un mode supervisé et permettre l’analyse du téléphone en continu.
Selon des modes de réalisation de l’invention, les mesures 42 sur le comportement des applications installées sur les équipements de traitement de l’information comprennent tout ou partie des mesures suivantes :
- nom de l’application,
- durée d’utilisation de chaque application (heure de début, heure de fin),
- heures d’utilisation de chaque application,
- fréquence d’ouverture de chaque application.
Selon des modes de réalisation de l’invention, les mesures 43 sur le comportement des équipements de traitement de l’information comprennent tout ou partie des mesures suivantes :
- Heures de connexion et déconnexion d’une session ;
- Heures d’allumage et d’extinction de l’équipement ;
- Déplacement de l’équipement (nombre de pas…) ;
- Orientation de l’équipement ;
- Luminosité de l’équipement ;
- Fréquence d’interactions avec l’équipement (nombre de « clics » ou autres interactions).
Ces mesures peuvent prendre bien évidemment plusieurs formes. Par exemple, un module logiciel peut transmettre des événements indiquant les heures de lancement et de fermeture d’une application. Il est alors aisé de déterminer automatiquement la durée d’utilisation, soit par la base de données 30 (ou plus précisément l’application de gestion de cette base de données), ou bien par le serveur 50. Le module logiciel peut également lui-même effectuer ce calcul et le transmettre à la base de données pour mémorisation.
D’une façon générale, l’homme du métier comprendra que ces mesures peuvent être déclinées en variantes équivalentes, c’est-à-dire à partir desquelles la même information sémantique peut être automatiquement et directement déduite. En particulier, ces variantes équivalentes doivent permettre la détermination par le serveur des mesures agrégées mentionnées ci-dessus.
Selon un mode de réalisation, ces mesures peuvent être complétées par des données déclaratives auto-rapportées par l’utilisateur (par exemple ; agenda du sommeil, journal de bord des émotions…).
Selon un mode de réalisation, l’ensemble de ces mesures est effectué par les modules de logiciels et transmis à la base de données 30 pour mémorisation.
Cet ensemble de mesures 41, 42, 43 (ou de variantes équivalentes) hétérogènes permet d’obtenir une vision complète et holistique qui permet de déterminer un état de l’utilisateur par rapport à une éventuelle dépendance aux écrans. Selon ce mode de réalisation, cet ensemble offre une photographie qui optimise la détermination d’un état pertinent de l’utilisateur.
Les mesures 41, 42, 43 recueillies par les modules logiciels peuvent être mémorisées en temps réel ou quasi-temps réel dans la base de données 30.
Les mesures mémorisées peuvent être ensuite consommées périodiquement par un serveur 50 de façon asynchrone, afin de déterminer des mesures agrégées. Ces mesures agrégées prennent en compte l’ensemble des mesures 41, 42, 43 concernant un utilisateur et, donc, l’ensemble des écrans que celui-ci peut être amené à utiliser au cours du temps.
Selon un mode de réalisation, le serveur 50 interroge la base de données 50 une fois par jour afin de déterminer des mesures agrégées. Les mesures agrégées sont alors représentatives d’un comportement quotidien de l’utilisateur vis-à-vis des écrans dont il dispose.
Les mesures agrégées sont basées sur des mesures hétérogènes provenant de sources différentes et variées. Par exemple, on peut agréger les temps d’utilisation de tous les équipements afin d’obtenir un temps total passé par une personne devant un écran. De même, on peut agréger les temps d’utilisation d’une même application (par exemple un réseau social comme Facebook®) sur l’ensemble des équipements.
Selon un mode de réalisation, il est prévu de déterminer des mesures agrégées basées sur des mesures de même type provenant d’équipements différents.
Ces mesures agrégées peuvent consister aux calculs suivants (ou des équivalents) :
- temps passé devant chaque application : somme des durées d’utilisation de chaque application pendant la période considérée ;
- temps global passé devant chaque écran d’ordinateur : somme des durées d’utilisation d’un équipement (ces durées étant les différences entre les heures de déconnexion et de connexion à un équipement) ;
- temps global passé devant chaque écran de terminal de télécommunication (« smartphone » ou tablette numérique…) : somme des durées d’utilisation d’un équipement (ces durées étant les sommes des durées d’utilisation d’un équipement (ces durées étant les sommes des durées d’utilisation des applications apparues en premier plan) ;
- coucher numérique : heure maximale (c’est-à-dire la plus tardive) de déconnexion sur l’ensemble des équipements 11, 12, 13, 14 ;
- lever numérique : heure minimale de connexion sur l’ensemble des équipements 11, 12, 13, 14 ;
- calcul du temps d’éveil passé en dehors des écrans : différence entre la somme des temps globaux passés devant chaque écran et la durée d’une journée éveillée (calculée par la différence entre 24 heures et la durée moyenne de sommeil de l’utilisateur) ;
- délai d’ouverture de chaque application : différence entre l’heure de lancement de l’application et l’heure de connexion sur l’équipement correspondant ;
- régularité dans les heures de sommeil numérique : différence entre les heures de coucher numérique sur deux jours consécutifs ;
- différence entre le coucher numérique et l’heure de coucher moyenne auto-rapportée dans l’agenda du sommeil ;
- Enfin, chaque application est associée à une catégorie d’usage parmi, par exemple, « social », « jeux », vidéo », « travail » et « autres ».
Les mesures agrégées, et donc le degré de dépendance aux écrans, peuvent prendre en compte d’autres données également, y compris des données non issues de mesures objectives effectuées par des modules logiciels.
Par exemple, selon un mode de réalisation de l’invention, des données telles que des réponses à des questionnaires ou d’autres informations subjectives fournies par l’utilisateur peuvent être utilisés pour compléter les mesures objectives et être agrégés à celles-ci en vue du calcul du degré D. Ces informations peuvent par exemple correspondre à des questionnaires hebdomadaires d'humeur ou d'activité physique
Ainsi, toutes sortes de données peuvent être utilisées. Une des idées principales de l’invention réside justement dans l’agrégation de données hétérogènes provenant de sources différentes et variées afin de construire une vue holistique du comportement de l’utilisateur face à ses différents écrans.
À partir de ces mesures agrégées (et donc, indirectement, à partir des mesures 41, 42, 43 recueillies par les modules logiciels), le serveur peut déterminer un degré de dépendance aux écrans. Cette détermination peut être périodique, notamment selon la même période que l’interrogation de la base de données 30.
Selon un mode de réalisation, ce degré de dépendance aux écrans peut être vu comme une quantification de l’utilisation des écrans par l’utilisateur.
Selon un mode de réalisation, ce degré de dépendance D peut être une combinaison linéaire des mesures agrégées miprécédemment déterminées. On peut écrire l’équation donnant D comme suit :
dans laquelle aiest un poids associée à l’influence de la mesure agrégée midans la détermination du degré D, et n est le nombre de mesures agrégées
Selon un mode de réalisation, on peut écrire l’équation comme suit :
La valeur du degré D est ainsi comprise entre 0 (aucune dépendance) et 1 (dépendance forte).
Les paramètres aipeuvent être déterminés de différentes façons.
Par exemple, ils peuvent être obtenus par régression linéaire, par des réseaux bayésiens, par un algorithme des k-plus proches voisins, par des arbres de décision, par des réseaux de neurones artificiels, par une régression logistique, etc.
A titre d’exemple, le degré D peut par exemple se calculer par :
D = 1 /[1 + exp (- (-7.757
+ 0.433 * durée jeux vidéo
+ 0.146 * durée réseaux sociaux
+ 0.045 * durée streaming (visualisation de flux vidéo)
+ 0.156 * coucher numérique
- 0.186 * lever numérique
- 0.005 * fréquence jeux vidéo
+ 0.457 * fréquence réseaux sociaux
- 0.058 * fréquence streaming
+ 0.203 * temps ordinateur
+ 0.139 * temps smartphone
+ 0.051 * temps tablette
+ 0.229 * temps console ) ) ]
Ce degré D d’hygiène de vie numérique peut ensuite être utilisé de différentes façons :
- il peut être transmis à un équipement de l’utilisateur, pour lui permettre de l’afficher et ainsi indiquer un suivi, période après période,
- il peut être transmis à un tiers (par exemple un médecin addictologue, ou psychologue) qui peut ainsi suivre l’évolution de l’état de l’utilisateur ;
- il peut permettre de contrôler les accès de l’utilisateur à ses équipements.
En particulier, dans ce dernier cas, en fonction du degré de dépendance aux écrans, certaines applications peuvent être bloquées, par exemple au-delà à d’un certain temps passé sur une période, ou bien sur certaines plages horaires.
Par exemple, des applications de type « jeux » ou « vidéo » peuvent être bloqués pendant les horaires de travail, ou au-delà de 2 heures par jour, par exemple, si le degré de dépendance aux écrans dépasse un seuil prédéterminé.
Ainsi des règles peuvent être établies qui dépendent non seulement d’éléments de durées, de temps, mais aussi du degré de dépendance aux écrans D.
Selon un mode de réalisation, le serveur est adapté pour déterminer si un utilisateur souffre d’une dépendance, ou addiction, aux écrans en fonction du degré de dépendance aux écrans. En particulier, il peut être adapté pour affecter une classe à l’utilisateur en fonction dudit degré de dépendance aux écrans. Cette classe peut être par exemple choisie parmi un comportement normal, un comportement anormal mais non problématique, et un comportement problématique qui peut relever de la dépendance, ou addiction.
En particulier, le système peut être prévu pour le contrôle de l’utilisation des écrans par un utilisateur. Selon un mode de réalisation,
- les équipements sont initialement bridés, au début d’une première période temporelle, à un premier ensemble de fonctionnalités, au moyen des modules logiciels et comportent des moyens pour déterminer des informations comportementales de l’utilisateur et pour transmettre ces informations comportementales vers le serveur ;
- ce serveur est adapté pour accorder une fonctionnalité supplémentaire parmi un second ensemble de fonctionnalités des équipements en fonction de ces informations comportementales, et pour transmettre au module logiciel d’un équipement choisi de l’ensemble d’équipements, un message pour permettre à l’utilisateur d’accéder à cette fonctionnalité supplémentaire.
Cette fonctionnalité supplémentaire peut être déterminée en fonction du degré de dépendance aux écrans de l’utilisateur.
Le degré de dépendance aux écrans D, ainsi que les mesures agrégées miet les différentes règles permettant d’agir sur les équipements 11, 12, 13, 14 en fonction de ce degré D peuvent être accessibles à un équipement extérieur 60. Cet équipement extérieur peut appartenir à un tiers, tels un psychologue, un médecin addictologue, etc.
L’équipement extérieur 60 peut communiquer avec le serveur 50 de différentes façons classiques. Par exemple, le serveur 50 peut disposer d’un serveur web permettant d’exporter ses données via une interface web et via le protocole http.
Selon un mode de réalisation, le serveur 50 peut être mis en œuvre par un ensemble de circuits colocalisés dans un serveur centralisé ou répartis au sein d’un serveur ou parmi un ensemble de serveurs. Cet ensemble de serveurs peut comprendre des arrangements de type « fermes de serveurs » ou d’informatique en nuage («cloud computing»).
L’utilisateur peut ainsi être surveillé à distance par un tiers, via la transmission du degré de dépendance recalculé par périodes (par exemple quotidiennement) depuis le serveur 50 vers l’équipement extérieur 60.
Selon un mode de réalisation, un période de surveillance sur quelques semaines (par exemple 3 semaines) peut être mise en place afin d’obtenir une vue pertinente sur l’évolution de la dépendance de l’utilisateur.
Bien entendu, la présente invention n'est pas limitée aux exemples et au mode de réalisation décrits et représentés, mais est défini par les revendications. Elle est notamment susceptible de nombreuses variantes accessibles à l'homme de l'art.
Claims (10)
- Système (1) pour la détermination d’un degré de dépendance aux écrans d’un utilisateur (2), comportant
- au moins un module logiciel (23, 24) embarqué sur un ensemble d’équipements de traitement de l’information (13, 14), adapté pour recueillir des premières mesures (42) sur le comportement des applications installés sur lesdits équipements de traitement de l’information et des deuxièmes mesures (43) sur le comportement desdits équipements de traitement de l’information ;
- une base de données (30) pour mémoriser lesdites mesures ;
- un serveur (50) pour périodiquement déterminer une agrégation desdites mesures et un degré de dépendance aux écrans en fonction de ladite agrégation.
- Système selon la revendication précédente, comportant en outre au moins une sonde (21, 22) embarquée dans une prise électrique (11, 12) alimentant au moins un équipement parmi un téléviseur et une console de jeux vidéo, adaptée pour recueillir des troisièmes mesures (41) sur le comportement électrique dudit au moins un équipement ; ledit serveur étant adapté pour déterminer ladite agrégation en fonction desdites troisièmes mesures.
- Système selon la revendication précédente, dans lequel ladite prise électrique est adaptée pour recueillir une mesure particulière en cas de déconnexion physique dudit au moins un équipement.
- Système selon la revendication précédente, dans lequel ladite prise électrique est agencée pour que lors de ladite déconnexion physique, ladite prise électrique n’est plus alimentée.
- Système selon l’une des revendications précédentes, dans lequel ledit serveur est adapté pour affecter une classe audit utilisateur en fonction dudit degré de dépendance aux écrans.
- Système selon l’une des revendications précédentes, dans lequel ledit serveur est adapté pour déterminer une agrégation de mesures de même nature provenant d’équipements distincts.
- Procédé pour la détermination d’un degré de dépendance aux écrans d’un utilisateur (2), comportant
- le recueil de première mesures (42) sur le comportement des applications installés sur un ensemble d’équipements de traitement de l’information, et de deuxièmes mesures (43) sur le comportement desdits équipements de traitement de l’information, par au moins un module logiciel (23, 24) embarqué sur ledit ensemble d’équipements de traitement de l’information (13, 14) ;
- la mémorisation desdites mesures dans une base de données (30);
- la détermination périodique d’une agrégation desdites mesures et d’un degré de dépendance aux écrans en fonction de ladite agrégation, par un serveur (50).
- Procédé selon la revendication précédente, comportant en outre le recueil de troisièmes mesures (41) sur le comportement électrique d’au moins un équipement, par une sonde (21, 22) embarquée dans une prise électrique (11, 12) alimentant ledit au moins un équipement parmi un téléviseur et une console de jeux vidéo, ladite agrégation prenant en compte lesdites troisième mesures.
- Procédé selon l’une des revendications 7 à 8, comportant l’affectation d’une classe audit utilisateur, en fonction dudit degré de dépendance aux écrans.
- Procédé selon la revendication précédente, mis en place pendant une durée prédéfinie.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2201977A FR3133462A1 (fr) | 2022-03-08 | 2022-03-08 | détermination automatique d’une mesure de l’hygiène de vie numérique par agrégation d’un ensemble de mesures hétérogènes provenant de sources hétérogènes |
| PCT/IB2023/052140 WO2023170574A1 (fr) | 2022-03-08 | 2023-03-07 | Détermination automatique d'une mesure de l'hygiène de vie numérique par agrégation d'un ensemble de mesures hétérogènes provenant de sources hétérogènes |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2201977A FR3133462A1 (fr) | 2022-03-08 | 2022-03-08 | détermination automatique d’une mesure de l’hygiène de vie numérique par agrégation d’un ensemble de mesures hétérogènes provenant de sources hétérogènes |
| FR2201977 | 2022-03-08 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR3133462A1 true FR3133462A1 (fr) | 2023-09-15 |
Family
ID=82100180
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2201977A Pending FR3133462A1 (fr) | 2022-03-08 | 2022-03-08 | détermination automatique d’une mesure de l’hygiène de vie numérique par agrégation d’un ensemble de mesures hétérogènes provenant de sources hétérogènes |
Country Status (2)
| Country | Link |
|---|---|
| FR (1) | FR3133462A1 (fr) |
| WO (1) | WO2023170574A1 (fr) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100076274A1 (en) * | 2008-09-23 | 2010-03-25 | Joan Severson | Human-Digital Media Interaction Tracking |
-
2022
- 2022-03-08 FR FR2201977A patent/FR3133462A1/fr active Pending
-
2023
- 2023-03-07 WO PCT/IB2023/052140 patent/WO2023170574A1/fr unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100076274A1 (en) * | 2008-09-23 | 2010-03-25 | Joan Severson | Human-Digital Media Interaction Tracking |
Non-Patent Citations (10)
| Title |
|---|
| ADELANTADO-RENAU ET AL., ASSOCIATION BETWEEN SCREEN MEDIA USE AND ACADEMIC PERFORMANCE AMONG CHILDREN AND ADOLESCENTS: A SYSTEMATIC REVIEW AND META-ANALYSIS, 2019 |
| CHENGAU: "Sleep problems and internet addiction among children and adolescents: a longitudinal study", JOURNAL OF SLEEP RESEARCH, 2016 |
| GEYER KRISTOFFER ET AL: "Open-source smartphone app and tools for measuring, quantifying, and visualizing technology use", BEHAVIOR RESEARCH METHODS, SPRINGER US, NEW YORK, vol. 54, no. 1, 3 June 2021 (2021-06-03), pages 1 - 12, XP037699004, DOI: 10.3758/S13428-021-01585-7 * |
| GOKÇEARSLAN ET AL.: "Modelling smartphone addiction: The role of smartphone usage, selfregulation, général self-efficacy and cyberloafing in university students", COMPUTERS IN HUMAN BEHAVIOR, 2016 |
| KWON ET AL., THE SMARTPHONE ADDICTION SCALE: DEVELOPMENT AND VALIDATION OF A SHORT VERSION FOR ADOLESCENTS, 2013, Retrieved from the Internet <URL:https://doi.org/10.1371/journal.pone.0083558> |
| LAROSE ET AL.: "Unregulated Internet Usage: Addiction, Habit, or Deficient Self-Regulation?", MEDIA PSYCHOLOGY, vol. 5, no. 3, 2003, pages 225 - 25 |
| LEMMENS ET AL.: "Development and Validation of a Game Addiction Scale for Adolescents", MEDIA PSYCHOLOGY, vol. 12, no. 1, 2009, pages 77 - 95 |
| PRIZANT-PASSAL ET AL.: "Social anxiety and internet use-A meta-analysis: What do we know? What are we missing?", COMPUTERS IN HUMAN BEHAVIORS, vol. 62, 2016 |
| RATAN ET AL.: "Smartphone Addiction and Associated Health Outcomes in Adult Populations: A Systematic Review", INTERNATIONAL JOURNAL OF ENVIRONMENTAL RESEARCH AND PUBLIC HEALTH, 2021 |
| WARTBERG: "The relevance of émotion regulation, procrastination, and perceived stress for problematic social media use in a représentative sample of children and adolescents", COMPUTERS IN HUMAN BEHAVIOR, vol. 121, 2021 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023170574A1 (fr) | 2023-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Melcher et al. | Digital phenotyping for mental health of college students: a clinical review | |
| Falaki et al. | Diversity in smartphone usage | |
| Möller et al. | Investigating self-reporting behavior in long-term studies | |
| US20160035052A1 (en) | Systems and methods for reducing energy usage | |
| EP1995931A2 (fr) | Système et procédé de mise a jour d'un etat de presence d'un utilisateur sur un terminal par agregation d'informations multi-sources | |
| WO2015185703A1 (fr) | Procédé et dispositif de détection au sein d'un dispositif d'assistance respiratoire de l'aggravation de l'état cardio-respiratoire d'un patient | |
| WO2023170574A1 (fr) | Détermination automatique d'une mesure de l'hygiène de vie numérique par agrégation d'un ensemble de mesures hétérogènes provenant de sources hétérogènes | |
| EP3506566B1 (fr) | Procédé et dispositif pour la surveillance à distance d'objets connectés multiples | |
| WO2021116633A1 (fr) | Plateforme de gestions de micro services concernant la gestion d'une batterie | |
| Velicer | Applying idiographic research methods: Two examples | |
| Al Hossain et al. | A wearable sensor based elderly home care system in a smart environment | |
| WO2023170575A1 (fr) | Contrôle d'accès à un ensemble d'équipements dotés d'écran | |
| Buonocore et al. | Wireless sensor-dependent ecological momentary assessment for pediatric asthma mHealth applications | |
| Nishiyama et al. | Using iOS for inconspicuous data collection: a real-world assessment | |
| NG et al. | Managing sensor systems for early detection of mild cognitive impairment in community elderly: Lessons learned and future work | |
| EP1489573A1 (fr) | Système et procédé d'auto-apprentissage pour le règlage de l'état de fonctionnement d'une installation. | |
| US20230178246A1 (en) | Systems and methods for detecting eating patterns of a pet | |
| WO2012076795A1 (fr) | Procede de collecte et de traitement d'informations representatives de conditions de fonctionnement d'un equipement | |
| FR3085525A1 (fr) | Surveillance des personnes avec prise en compte des visites | |
| EP3026647B1 (fr) | Procédé de qualification d'alerte parmi des alertes issues d'un système de supervision d'activité | |
| EP3846503A1 (fr) | Procédé et système d'émission prédictive et automatique d'un signal domotique | |
| WO2020115377A1 (fr) | Procédé d'évaluation de l'activité corporelle d'un utilisateur | |
| Ye et al. | Real-time behavioural analysis using Google Glass | |
| FR3085524A1 (fr) | Procede d'apprentissage du mode de vie d'une personne et detection d'anomalies | |
| EP2981919A1 (fr) | Procédé de dépistage et de suivi a distance de pathologies chroniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20230915 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |