Abstract

This thesis explores different ways of leveraging mobile sensing to understand how end users use and interact with their smart technologies, namely smartphones and smartwatches. These topics are extensively explored in other parallel research; however, numerous gaps still exist within the literature. The use of mobile sensing to collect quantified ground-truth information of device use in-the-wild is critical to collect unbiased experiences and usage traces.

This thesis covers three main themes: (a) the way our affect influences our smartphone use, and how our smartphone usage can also be analysed from our usage habits; (b) revealing quantified exploration of smartwatch usage traits, and how these relate to smartphone use, and (c) novel ways to mitigate interruptions during smartphone or smartwatch use. The thesis begins by explaining the related work and the overall theme of mobile sensing and how device usage influences attention; it then proceeds to elaborate on the contribution of each included article to the overall scope of the thesis. The thesis then concludes with a summary of how the presented articles tie together in a broader scope.

Considering the vast amount of research in this field by this thesis’ author as well as other researchers, this type of work can potentially improve the use of novel wearable technologies in the future. By the end of the thesis, the reader should have a broad understanding of what mobile sensing is, and how it can be applied to comprehensively uncover technology use as well as leveraging mobile sensing to enhance the use of technology.

Tiivistelmä

Tässä väitöskirjassa tarkastellaan erilaisia tapoja hyödyntää mobiilikäytön tunnistamista ymmärtääkseen, miten loppukäyttäjät käyttävät ja ovat vuorovaikutuksessa älykkäiden teknologioidensa, esimerkiksi älypuhelimien ja älykellojen kanssa. Näitä aiheita tutkitaan laajasti muissa rinnakkaisissa tutkimuksissa, mutta kirjallisuudessa on vielä lukuisia aukkoja. Matkaviestinnän käytöstä kerätään kvantitatiiviset tiedot, jotka koskevat laitteen käyttöä luonnossa. Tämän tiedon kerääminen on kriittistä jotta voidaan kerätä puolueettomia kokemuksia ja käyttöjälkiä.

Tässä työssä käsitellään kolmea pääteemaa; i) miten älypuhelinkäyttöömme vaikuttaa meidän mielialamme ja miten älypuhelinkäyttöämme voidaan analysoida käyttötapojen perusteella, ii) paljastaa älykellon käyttöominaisuuksien määrälliset tutkimukset ja miten nämä tulokset heijastuvat älypuhelimen käyttöön ja iii) uusia tapoja lieventää katkoksia älypuhelimen tai älykellon käytön aikana. Työ aloittaa selittämällä siihen liittyvää työtä ja mobiilin tunnistamisen yleistä teemaa ja sitä, miten laitteen käyttö vaikuttaa huomiokykyyn, ja jatkuu sitten yksityiskohtaisesti jokaisen mukana tulevan artikkelin osuuden yleiseen käsittelyyn.

Työssä päädytään yhteenvetoon siitä, miten esitetyt artikkelit sitovat yhteen laajemman kokonaisuuden ja ottavat huomioon tämän alan tekijän ja muiden tutkijoiden tämän alan tutkimukset, ja miten tällaista työtä voitaisiin mahdollisesti parantaa edelleen tulevaisuudessa käyttämällä uusia tekniikoita. Työn päätyttyä lukijalla on laaja käsitys siitä, mitä mobiili-tunnistaminen on ja miten sitä voidaan soveltaa sekä teknologian käytön kattavaan paljastamiseen että mobiilidatan tunnistuksen hyödyntämiseen teknologian käytön tehostamiseksi.

Osajulkaisut / Original papers

Osajulkaisut eivät sisälly väitöskirjan elektroniseen versioon / Original papers are not included in the electronic version of the dissertation.

1. Visuri, A., Sarsenbayeva, Z., Goncalves, J., Karapanos, E., & Jones, S. (2016). Impact of mood changes on application selection. In Proceedings of the 2016 ACM International Joint Conference on Pervasive and Ubiquitous Computing: Adjunct (pp. 535-540). ACM. https://doi.org/10.1145/2968219.2968317

   Rinnakkaistallennettu versio / Self-archived version

2. Visuri, A., van Berkel, N., Luo, C., Goncalves, J., Ferreira, D., & Kostakos, V. (2017). Challenges of quantified-self: encouraging self-reported data logging during recurrent smartphone usage. In Proceedings of the 31st British Computer Society Human Computer Interaction Conference (p. 81). BCS Learning & Development Ltd. https://doi.org/10.14236/ewic/HCI2017.81

   Rinnakkaistallennettu versio / Self-archived version

3. Visuri, A., Sarsenbayeva, Z., van Berkel, N., Goncalves, J., Rawassizadeh, R., Kostakos, V., & Ferreira, D. (2017). Quantifying sources and types of smartwatch usage sessions. In Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems (pp. 3569-3581). ACM. https://doi.org/10.1145/3025453.3025817

   Rinnakkaistallennettu versio / Self-archived version

4. Visuri, A., van Berkel, N., Goncalves, J., Rawassizadeh, R., Kostakos, V., & Ferreira, D. (2019). Understanding usage style transformation during long-term smartwatch use. Manuscript in preparation.

5. Visuri, A., van Berkel, N., Luo, C., Goncalves, J., Ferreira, D., & Kostakos, V. (2017). Predicting interruptibility for manual data collection: a cluster-based user model. In Proceedings of the 19th International Conference on Human-Computer Interaction with Mobile Devices and Services (p. 12). ACM. https://doi.org/10.1145/3098279.3098532

   Rinnakkaistallennettu versio / Self-archived version