Abschlussbericht zum Verbundvorhaben "Stärkung sportwissenschaftlicher Datenkompetenzen am Anwendungsfall eines selbstlernenden Echtzeit-Triggersystems für individualisierte Verhaltensänderungen im Sinne der Bewegungsförderung - BeACTIVE"; Teilvorhaben FZI: "Entwicklung eines selbstlernenden Echtzeit-Triggersystems für individualisierte Just-in-Time Interventionen zur Verhaltensänderungen im Sinne der Bewegungsförderung"

Abstract

Körperliche Inaktivität zählt zu den zentralen Risikofaktoren für die psychische und physische Gesundheit. Wearable-Sensoren und mobile Apps bieten neue Möglichkeiten, körperliche Aktivität und affektive Zustände im Alltag kontinuierlich zu erfassen und Nutzende zu individuell passenden Zeitpunkten zu mehr Bewegung zu motivieren. Bisherige Ansätze des maschinellen Lernens erreichen zwar hohe Klassifikationsgenauigkeiten, basieren jedoch überwiegend auf Laborbedingungen, kombinieren mehrere Sensormodalitäten und sind selten personalisiert oder echtzeitfähig. An diesen wissenschaftlich-technischen Stand knüpfte das Projekt BeACTIVE an. Ziel des Vorhabens war die Konzeption, prototypische Umsetzung und Validierung eines selbstlernenden Echtzeit-Triggersystems, das auf Basis von Beschleunigungsdaten eines Wearables und kurzen Stimmungsabfragen (Ecological Momentary Assessment, EMA) günstige Zeitpunkte für Interventionen zur Förderung körperlicher Aktivität vorhersagt. Das System sollte personalisierbar, echtzeitfähig, sensorunabhängig und als Open-Source-Bibliothek verfügbar sein.