Digital phenotyping is a multidisciplinary field of science, first defined in a May 2016 paper in JMIR Mental Health authored by John Torous, Mathew V Kiang, Jeanette Lorme, and Jukka-Pekka Onnela as the “moment-by-moment quantification of the individual-level human phenotype in situ using data from personal digital devices." The data can be divided into two subgroups, called active data and passive data, where the former refers to data that requires active input from the users to be generated, whereas passive data, such as sensor data and phone usage patterns, are collected without requiring any active participation from the user.
| Attributes | Values |
|---|
| rdfs:label
| - التنميط الظاهري الرقمي (ar)
- النمط الظاهري الرقمي (ar)
- Digital phenotyping (en)
|
| rdfs:comment
| - التنميط الظاهري الرقمي هو مجال متعدد التخصصات من العلوم، تم تعريفه من قِبَل Jukka-Pekka Onnela في عام 2015 بأنه «التحديد الكمّي اللحظي للنمط الظاهري البشري على المستوى الفردي في الموقع باستخدام بيانات الأجهزة الرقمية الشخصية»، وتحديدًا الهواتف الذكيّة. ويمكن تقسيم البيانات إلى مجموعتين فرعيتين، تسمى البيانات النشطة والبيانات غير النشطة، فالبيانات النشطة تتطلب مدخلات نشطة من المستخدمين ليتم إنتاجها، أما البيانات الغير نشطة فلا تحتاج إلى مشاركة نشطة من المستخدمين، مثل بيانات الاستشعار وأنماط استخدام الهاتف. (ar)
- النمط الظاهري الرقمي هو حقل علمي متعدد الجوانب، تم تعريفه من خلال (Jukka-Pekka Onnela) «بأنه التقدير الكمي اللحظي للنمط الظاهري البشري على مستوى الفرد في الموقع باستخدام بيانات من الأجهزة الرقمية الشخصية،» وخاصة الهواتف الذكية. يمكن تقسيم البيانات المستخدمة إلى مجموعتين فرعيتين هما: البيانات الفاعلة والبيانات المُنفعلة، حيث ان النوع الأول يشير إلى البيانات التي تقتضي وارداً فاعلاً من المستخدمين، بينما البيانات المنفعلة كبيانات الاستشعار وانماط استخدام الهواتف يتم جمعها دون الحاجة إلى مشاركة فعالة من المستخدم. هذا المصطلح تم طرحه أول مرة في ورقة بحث في التكنولوجيا الحيوية الطبيعية من قبل (Sachin H. Jain) و (John Brownstein). (ar)
- Digital phenotyping is a multidisciplinary field of science, first defined in a May 2016 paper in JMIR Mental Health authored by John Torous, Mathew V Kiang, Jeanette Lorme, and Jukka-Pekka Onnela as the “moment-by-moment quantification of the individual-level human phenotype in situ using data from personal digital devices." The data can be divided into two subgroups, called active data and passive data, where the former refers to data that requires active input from the users to be generated, whereas passive data, such as sensor data and phone usage patterns, are collected without requiring any active participation from the user. (en)
|
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| Link from a Wikipage to an external page
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - النمط الظاهري الرقمي هو حقل علمي متعدد الجوانب، تم تعريفه من خلال (Jukka-Pekka Onnela) «بأنه التقدير الكمي اللحظي للنمط الظاهري البشري على مستوى الفرد في الموقع باستخدام بيانات من الأجهزة الرقمية الشخصية،» وخاصة الهواتف الذكية. يمكن تقسيم البيانات المستخدمة إلى مجموعتين فرعيتين هما: البيانات الفاعلة والبيانات المُنفعلة، حيث ان النوع الأول يشير إلى البيانات التي تقتضي وارداً فاعلاً من المستخدمين، بينما البيانات المنفعلة كبيانات الاستشعار وانماط استخدام الهواتف يتم جمعها دون الحاجة إلى مشاركة فعالة من المستخدم. هذا المصطلح تم طرحه أول مرة في ورقة بحث في التكنولوجيا الحيوية الطبيعية من قبل (Sachin H. Jain) و (John Brownstein). الهواتف الذكية مصممة جيداً للنمط الظاهري الرقمي نظراً لاعتمادها وامتلاكها الواسع الانتشار ودرجة ارتباط المستخدمين بهذه الاجهزة وغنى البيانات التي يمكن جمعها عن طريقها. بيانات الهواتف الذكية يمكن ان تستخدم لدراسة الانماط السلوكية، التفاعلات الاجتماعية، الحركات الجسمية، الانشطة الحركية الظاهرة وايضا بالحديث. امتلاك الهواتف الذكية ازداد بشكل مطرد عالمياً في السنوات القليلة الاخيرة. فمثلا في الولايات المتحدة الأمريكية امتلاك الهواتف الذكية بين البالغين ازدادت من %35 عام 2011 إلى %64 عام 2015، وفي عام 2017 قدر بان %95 من الاميركيين يمتلكون هواتف خلوية من نوع ما و%77 يمتلكون هواتف ذكية. ان استخدام جميع البيانات المُنفعلة من اجهزة الهواتف الذكية يمكن ان يقدم معلومات دقيقة ذات صلة بالانماط المرضية والنفسانية. انماط البيانات المُنفعلة ذات الصلة تضم بيانات ال GPS لمراقبة المكان أو الموقع المكاني وتضم أيضا بيانات مقاييس السرعة لتسجيل الحركة والانشطة الحركية العيانية وسجلات الاخبار والرسائل لتوثيق المشاركة الاجتماعية مع الآخرين. (ar)
- التنميط الظاهري الرقمي هو مجال متعدد التخصصات من العلوم، تم تعريفه من قِبَل Jukka-Pekka Onnela في عام 2015 بأنه «التحديد الكمّي اللحظي للنمط الظاهري البشري على المستوى الفردي في الموقع باستخدام بيانات الأجهزة الرقمية الشخصية»، وتحديدًا الهواتف الذكيّة. ويمكن تقسيم البيانات إلى مجموعتين فرعيتين، تسمى البيانات النشطة والبيانات غير النشطة، فالبيانات النشطة تتطلب مدخلات نشطة من المستخدمين ليتم إنتاجها، أما البيانات الغير نشطة فلا تحتاج إلى مشاركة نشطة من المستخدمين، مثل بيانات الاستشعار وأنماط استخدام الهاتف. تعتبر الهواتف الذكيّة مناسبة جدًا لعملية التنميط الظاهري الرقمي، وذلك يعود لامتلاكها على نطاق واسع، ومدى تفاعل المستخدمين معها، بالإضافة إلى ثراء البيانات التي يمكن جمعها منها. يمكن استخدام بيانات الهواتف الذكية لدراسة الأنماط السلوكية والتفاعلات الاجتماعية والتنقل البدني والنشاط الحركي الإجمالي وإنتاج الكلام، من بين أمور أخرى. وفي السنوات القليلة الماضية زادت ملكية الهواتف الذكية بشكل ملحوظ. فعلى سبيل المثال زادت ملكية الهواتف الذكية بين البالغين في الولايات المتحدة من 35٪ في عام 2011 إلى 64٪ في عام 2015، وفي عام ٢٠١٧ ما يقدّر بنحو ٩٥٪ من الأميركيين يمتلكون هاتفًا محمولًا من نوع ما و٧٧٪ يمتلكون هواتف ذكية. يمكن أن يوفر استخدام جمع البيانات الغير نشطة من أجهزة الهواتف الذكية معلومات دقيقة ذات صلة بالأنماط الظاهرية للأمراض النفسية وغيرها من الأنماط المرضية. من ضمن هذه البيانات الغير نشطة هي بيانات نظام تحديد المواقع العالمي (GPS) وتستخدم لمراقبة الموقع المكاني، وبيانات مقياس التسارع لتسجيل الحركة والنشاط الحركي، وأيضًا سجلات المكالمات والرسائل لتوثيق المشاركة الاجتماعية مع الآخرين. تم طرح مصطلح «النمط الظاهري الرقمي» في مجال التكنلوجيا الحيويّة من قِبل Sachin H. jain و John Brownstein. (ar)
- Digital phenotyping is a multidisciplinary field of science, first defined in a May 2016 paper in JMIR Mental Health authored by John Torous, Mathew V Kiang, Jeanette Lorme, and Jukka-Pekka Onnela as the “moment-by-moment quantification of the individual-level human phenotype in situ using data from personal digital devices." The data can be divided into two subgroups, called active data and passive data, where the former refers to data that requires active input from the users to be generated, whereas passive data, such as sensor data and phone usage patterns, are collected without requiring any active participation from the user. Smartphones are well suited for digital phenotyping given their widespread adoption and ownership, the extent to which users engage with the devices, and richness of data that may be collected from them. Smartphone data can be used to study behavioral patterns, social interactions, physical mobility, gross motor activity, and speech production, among others. Smartphone ownership has been in steady rise globally over the past few years. For example, in the U.S., smartphone ownership among adults increased from 35% in 2011 to 64% in 2015, and in 2017 an estimated 95% of Americans own a cellphone of some kind and 77% own a smartphone. The use of passive data collection from smartphone devices can provide granular information relevant to psychiatric, aging, frailty, and other illness phenotypes. Types of relevant passive data include GPS data to monitor spatial location, accelerometer data to record movement and gross motor activity, and call and messaging logs to document social engagement with others. Passively collected data may also support clinical differentiation between diagnostic groups and monitoring mental health symptoms. The related term ',' was introduced in Nature Biotechnology by Sachin H. Jain and John Brownstein in 2015. (en)
|
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
| is foaf:primaryTopic
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)