Se sei felice, il tuo smartphone lo sa


L’umore è un fattore determinante nella vita quotidiana di ognuno di noi, tanto da influenzare continuamente non solo le nostre decisioni come membri attivi ma anche come consumatori all’interno della società, fino addirittura all’uso del nostro smartphone. Sono queste alcune delle ragioni che hanno spinto Microsoft Research Asia, in collaborazione con la Rice University, alla progettazione di Moodscope1, un software per smartphone unico nel suo genere, in grado di dedurre, in base alle modalità d’impiego del dispositivo mobile, lo stato d’animo dell’utilizzatore.

tc1L’idea di sviluppo di un software di questo tipo nasce dall’osservazione comune che gli smartphone, sempre più all’avanguardia tanto da diventare in alcuni casi veri e propri pc tascabili, hanno migliaia di sensori capaci di rilevare dati sull’ambiente esterno, ma non sono in alcun modo adatti, almeno fino ad ora, a percepire informazioni “sull’oggetto” con cui sono maggiormente a contatto:  l’utente, la cui conoscenza porterebbe moltissimi benefici, come ad esempio alle applicazioni per la riproduzione video o audio (si pensi a Spotify).

L’approccio di Moodscope non risulta essere in alcun modo invasivo per l’utente in quanto non richiede l’impiego di alcun tipo di sensori hardware supplementari e neppure di microfoni o fotocamere. Inoltre, Moodscope lavora passivamene in background, ossia non impiegando l’elaborazione di segnali audio, video o altri segnali fisici che ne aumenterebbero il carico di lavoro, ma monitorando le tracce dell’utilizzo dello smartphone da parte dell’utente così da risultare un software indipendente, leggero ed efficiente in termini di consumi di potenza. Di conseguenza Moodscope risulta facile da installare su qualunque tipo di smartphone già esistente senza la necessità di apportare alcun tipo di modifiche all’OS o ad altre applicazioni installate sul dispositivo. È stato osservato, come già detto, che l’uso dello smartphone varia a seconda dello stato d’animo dell’utente, il che si riflette sia nell’uso di applicazioni, che nell’ambito della comunicazione e monitorando l’uso di elementi quali rubrica, SMS, email, registro chiamate, applicazioni usate, navigazione in web e locazione geografica è possibile elaborare un modello statistico di previsione dell’umore

tc2Lo studio ha interessato trentadue persone e si è cercato di individuare quale ruolo giochi l’umore dell’utente nella sua interazione quotidiana con il dispositivo. In circa due mesi si è arrivati allo sviluppo del software tramite un modello statistico ottenuto incrociando giornalmente i dati raccolti dal monitoraggio effettuato sugli smartphone con i dati forniti su carta dagli utenti stessi. Il modello iniziale aveva un’accuratezza media giornaliera del 66% ed è stato perfezionato fino ad arrivare al 93%. L’algoritmo caratterizzante Moodscope si basa su di in un sistema cartesiano avente in ascissa il piacere ed in ordinata l’attività a formare 4 coppie: teso-calmo, stressato-eccitato, triste-felice e annoiato-rilassato secondo il modello PANAS2 con cui si possono quantificare gli stati emotivi positivi e negativi in un arco di tempo precisato. L’implementazione software di Moodscope è stata fornita sia per iPhone che per Android (anche se tutti i test sono stati effettuati su iPhone) ed è stata descritta in una API (Application Programming Interface o Interfaccia di Programmazione di un’Applicazione) da usare per creare “un’applicazione umorale” che renda gli smartphone sensori d’umore. Tutti, tranne uno dei partecipanti, hanno espresso pareri positivi riguardo all’idea di reazione dello smartphone in relazione ai cambiamenti d’umore -come variazioni automatiche del colore dello schermo- e credono, inoltre, di poter ricavare enormi benefici per i rapporti interpersonali dalla condivisione con i propri contatti dei dati elaborati da Moodscope. Si prevede, a detta del team, che l’introduzione dell’umore vada posta come base nel processo evolutivo degli smartphone. 

Chiara D’Angelo

1MoodScope: Building a Mood Sensor from Smartphone Usage Patterns, Robert LiKamWa, Yunix Liu, Nicholas D. Lane, Lin Zhong. 3013.

2Positve and Negative Affect Schedule, Watson, Clark, Tellegen, 1988.