Household and Population-Level Behavioural Changes Due to COVID-19 Pandemic: A Smart Thermostat Based Comparative Data Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The World Health Organization declared the coronavirus outbreak as a pandemic on March 11, 2020. To inhibit the spread of COVID-19, governments around the globe, including Canada, have implemented physical distancing and lockdown measures, including a work-from-home policy. Canada in 2020 has developed a 24-Hour Movement Guideline for all ages laying guidance on the ideal amount of physical activity, sedentary behaviour, and sleep (PASS) for an individual in a day. The purpose of this study was to investigate changes on the household and population-level in lifestyle behaviours (PASS) and time spent indoors at the household level, following the implementation of physical distancing protocols and stay-at-home guidelines. For this study, we used 2019 and 2020 data from ecobee, a Canadian smart Wi-Fi thermostat company, through the Donate Your Data (DYD) program. Using motion sensors data, we quantified the amount of sleep by using the absence of movement, and similarly, increased sensor activation to show a longer duration of household occupancy. The key findings of this study were; during the COVID-19 pandemic, overall household-level activity increased significantly compared to pre-pandemic times, there was no significant difference between household-level behaviours between weekdays and weekends during the pandemic, average sleep duration has not changed, but the pattern of sleep behaviour significantly changed, specifically, bedtime and wake up time delayed, indoor time spent has been increased and outdoor time significantly reduced. Our data analysis shows the feasibility of using big data to monitor the impact of the COVID-19 pandemic on the household and population-level behaviours and patterns of change.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle