ISABELA-loT Student Advisor and Best Life Analyser

Abstract

Student’s motivation is an important factor to their academic success. Mental health problems, derived from factors such as excessive stress, can affect motivation and, consequently, the results obtained by students. Nowadays, the vast majority of college students have access to smartphones, which in turn bring together a set of sensors and possible functionalities. However, the vast majority of existing applications do not consider the human a central factor, but only an external factor that interacts with its functionalities. Using the evolution of concepts like the Internet of Things (IoT) and Cyber-Physical Systems (CPSs), it is possible to start developing systems in the sense of considering the human as an essential piece and, this way, create systems Human-in-the-loop (HITL), that allow users to have more personalized interactions. The main objective of this thesis is to add functionalities to the IoT Student Advisor and BEst Life Analyser (ISABELA) system, that already has multiple questionnaires to evaluate psychological dimensions, and collects data through various smartphone sensors. Namely, start to close the control loop, giving back information to the user based on the collected data, bringing this application closer to what isconsidered a HITL system. To achieve this goal, besides adding new questionnaires, a Reinforcement Learning (RL) algorithm was tough out and a Proof of Concept (PoC) was developed to learn from the data collected and to be able to return some information to the users that is useful to them, and that helps them daily as college students.

A motivação dos estudantes é um fator importante para o seu sucesso académico. Problemas de saúde mental, derivados de fatores como stresse excessivo, podem afetar a motivação e, consequentemente, os resultados obtidos pelos estudantes. Atualmente, a grande maioria dos estudantes universitários tem acesso a smartphones, que por sua vez reúnem todo um conjunto de sensores e possíveis funcionalidades. No entanto, a grande maioria das aplicações existentes não consideram o ser humano como um fator central, mas apenas como um fator externo que interage com as suas funcionalidades. Usando a evolução de conceitos como a Internet das Coisas (IoT) e Cyber-Physical Systems (CPSs), é possível começar a desenvolver sistemas no sentido de considerarem o ser humano como uma peça essencial e, desta forma, criar sistemas Human-in-the-loop (HITL), que permitam aos utilizadores ter interações mais personalizadas. O principal objetivo desta tese é adicionar funcionalidade ao sistema IoT Student Advisor and BEst Life Analyser (ISABELA), que já conta com vários questionários para avaliar dimensões psicológicas, e com a recolha de dados através de vários sensores dos smartphones. Nomeadamente, começar a fechar o ciclo de controlo, devolvendo informação ao utilizador com base nos dados recolhidos, aproximando esta aplicação daquilo que é considerado um sistema Human-in-the-loop (HITL). Para atingir esse objetivo, para além de adicionar novos questionários, foi pensado e desenvolvida uma prova de conceito de um algoritmo de Reinforcement Learning (RL) para aprender com os dados recolhidos e conseguir devolver alguma informação ao utilizador que lhe seja útil, e o ajude no dia a dia como estudante universitário.