Universität Bonn
Institut für Informatik III

MENTHAL
Mental Health Analytics


Alexander Markowetz (PhD, HKUST, 2008)
Assistant Professor / Juniorprofessor

Abteilung III

Institut für Informatik

Rheinische Friedrich-Wilhelms-Universität Bonn

Römerstraße 164, 53117 Bonn

Tel.: +49 228 73-7409
Fax.: +49 228 73-4382 (
bitte Titelblatt einfügen / please include a cover page)
E-Mail: alex@iai.uni-bonn.de

Alexander
                  Markowetz in a Computer Science Library

Teaching / Lehre



We collect and analyze Big Data in a mental health context. In particular, we currently focus on user interaction with mobile phones, a particularly rich and intimate source of data. In contrast to traditional methods of psychology or psychiatry, we monitor user interaction directly and opaquely in the background. Observing the user 24/7, without requiring any of his attention thus returns significantly better data than traditional approaches, in terms of quantity and quality.

Wir sammeln und analysieren Big Data im Kontext mentaler Gesundheit. Insbesondere fokussieren wir uns gegenwärtig auf die Interaktion von Nutzern mit Mobiltelefonen, einer besonders reichhaltigen und intimen Datenquelle. Im Gegensatz zu den traditionellen Methoden aus Psychologie und Psychiatrie beobachten wir das Nutzerverhalten direkt und unsichtbar im Hintergrund. Das Erfassen rund um die Uhr, ohne die Aufmerksamkeit des Nutzers zu beanspruchen, liefert signifikant bessere Daten, in Quantität und Qualität.

First, we monitor human-computer interaction for its own sake. There is for example extremely thin work on external interruptions and self-imposed multitasking. Or, empirical studies on work and private life increasingly blending into each other. For both, we have anecdotal evidence: “I used to work with a guy who, ...”, or “I know from my own behavior, ...”. Reliable quantitative answers to these questions however constitute the foundation for strategies for a sustainable digital lifestyle, i.e. avoiding burn-outs

Einerseits beobachten wir Mensch-Maschine-Interaktion um ihrer selbst willen. Es gibt zum Beispiel extrem wenig Erkenntnisse über externe Unterbrechungen, und selbst-veranlasstes Multitasking. Oder darüber, dass unser Privat- und Arbeitsleben immer mehr ineinander verschwimmen. Für beides gibt es anekdotische Belege: „Ich habe da mal mit jemandem gearbeitet, der hat immer ...“, oder „Von meinem eigenen Verhalten weiß ich, ...“. Zuverlässige quantitative Aussagen zu diesen Fragen legen jedoch den Grundstein zu Strategien für einen nachhaltigen digitalen Lebensstil, d.h. zur Vermeidung von Burn-Outs.

Second, we monitor human-computer interaction to trace psychological disorders. The mental state, we claim, affects our interaction with machines. In reverse, the claim continues, one can infer a person's mental state by observing his interaction with a machine. A depressed person would socially withdraw, something that can directly be observed from his phone calls and messaging behavior. Equally, his macro movement will decrease, something a mobile phone can easily measure via GPS. This approach extends to various psychological disorders and quantification of personality traits (psychometrics). For depression, our current thesis is that we will observe less energy and less dynamics in every observed signal.

Zweitens beobachten wir Mensch-Maschine-Interaktion, um psychische Erkrankungen nachzuzeichnen. Die geistige Verfassung, so behaupten wir, beeinflusst die Interaktion mit der Maschine. Umgekehrt, so behauten wir weiter, kann man die geistige Verfassung einer Person ableiten, indem man ihre Interaktion mit einer Maschine beobachtet. Eine depressive Person würde sich beispielsweise sozial zurückziehen, etwas das man direkt auf Telefonaten und Chat-Nachrichten beobachten kann. Gleichermaßen wird sich seine Makro-Bebewung verringern, was sich leicht durch das GPS des Mobiltelefons messen lässt. Dieser Ansatz erstreckt sich auf die verschiedensten psychischen Erkrankungen und die Quantifizierung von Persönlichkeitseigenschaften (Psychometrie). Für Depressionen vermuten wir derzeit für alle beobachteten Signale eine Reduktion in Stärke und Dynamik.

Approaches such as ours are about to revolutionize, both psychology and psychiatry. Our current projects focus on gathering Big Data, and executing simple aggregates. Already in the near future, focus will shift towards data analytics, looking deeper inside this data. Eventually, the entire range of methodologies from data mining and machine learning will have to be adapted to behavioral data. The effects on psychology and psychiatry will equal those of the massive change which the life-sciences have undergone, and even fundamental research methodologies will have to be revisited.

Ansätze wie der unsere stehen kurz davor, sowohl Psycholgie als auch Psychiatrie zu revolutionieren. Unser gegenwärtiges Projekt fokussiert sich auf dem Sammeln von Big Data, und dem Ausführen simpler Aggregate. Schon in der nahen Zukunft wird dieser Fokus sich auf die Datenanalyse verlagern, und tiefer in diese Datensätze schauen. Letztendlich wird die gesamte Spannweite von Methoden aus Data Mining und Machine Learning auf Verhaltensdaten übertragen werden müssen. Die Effekte auf Psychologie und Psychiatrie werden dem massiven Wandel gleichen, dem die Lebenswissenschaften unterworfen wurden, und selbst fundamentale Forschungsmethoden werden überdacht werden müssen.

This research necessarily raises ethical concerns. Its potential of abuse cannot be overestimated. However, in both, psychology and psychiatry, there exists a proud tradition of managing confidential data, whose methods can serve as blueprints. Scaling these concepts to Big Data is no mean feat, and will necessitate a significant amount work for researchers, practitioners and occupational bodies. Privacy risks can also be considered somewhat of a side effects. Their denial would be entirely unethical. But, if Big Data can facilitate treatment of mental diseases, it would be equally unethical to bluntly deny its usage. Rather, the medical sciences have to follow another of their proud traditions: balancing risks and benefits on a case-by-case basis.

Diese Form der Wissenschaft erzeugt ethische Bedenken. Ihr Missbrauchspotential kann nicht überschätzt werden. Sowohl in der Psychologie als auch in der Psychiatrie existiert jedoch eine stolze Tradition im Umgang mit vertraulichen Daten, die als Blaupause dienen können. Die Erweiterung dieser Konzepte auf Big Data ist kein leichtes Unterfangen, und erfordert signifikanten Aufwand von Forschern, Anwendern und Verbänden. Datenschutzrisiken können auch als eine Art Nebenwirkungen angesehen werden. Sie zu verleugnen wäre unethisch. Aber, wenn Big Data die Behandlung von psychischen Erkrankungen unterstützen kann, wäre es genauso unethisch seinen Einsatz im Vorhinein komplett zu verweigern. Stattdessen müssen die Medizinwissenschaften einer weiteren stolzen Tradition folgen: dem Abwägen von Nutzen und Risiken im Einzelfall.

MENTHAL Projects

Menthal Addicted

With Psychologist Christian Montag, we study “Mobile Internet Addiction”, i.e., abusive behavior with mobile phones. To this end, we currently employ an app to monitor phone usage of 150 participants, and try to find correlations with personality traits or genetic markers.

Mit dem Psychologen Christian Montag untersuchen wir “Mobile Internet Sucht”, den missbräuchlichen Umgang mit Mobiltelefonen. Hierzu nutzen wir derzeit eine App, diedas Telefonverhalten von 150 Teilnehmern beobachtet, und versuchen dieses mit Persönlichkeitmerkmalen und genetischen Markern zu korrelieren.

OpenMenthal

We are gently rolling out the above app publicly, providing users worldwide with the ability to track their own mobile phone usage. This app enables users to detect abusive patterns in their usage and maintain a sustainable digital lifestyle. At the same time, it allows us to study phone usage on an unprecedented scale.

Wir veröffentlichen obige App nach und nach, und geben Nutzern weltweit die Möglichkeit, ihr Mobilfunkverhalten zu tracken. Dies erlaubt Anwendern, missbräuchliche Verhaltensmuster zu erkennen und einen nachhaltigen digitalen Lebensstil zu verfolgen. Gleichzeitig erlaubt es uns, mobiles Telefonverhalten auf einem völlig unbekannten Maßstab zu erforschen.

Menthal Depressed

With Psychiatrist Thomas Schläpfer, we track phone usage, in order to monitor depression. We thus observe common symptoms of depression, e.g., social withdrawal and decreased macro-movement, directly on the phone. This approach should open up entirely new methods to quantify depression and therapeutic progress.

Mit dem Psychiater Thomas Schläpfer erfassen wir Telefonverhalten, um Depressionen nachzuzeichnen. Wir beobachten dabei gängige Symptome von Depressionen, wie beispielsweise sozialen Rückzug und verminderte Makro-Bewegung. Dieser Ansatz sollte vollkommen neue Methoden zur Quantifizierung von Depressionen und Therapiefortschritt ermöglichen.

Menthal Skilled

With Psychologist Sebastian Markett, we wrap cognitive games in customized lock screens. We thus quantify cognitive skills upon every unlock of the phone, 24/7/365.

Mit dem Psychologen Sebastian Markett verpacken wir kognitive Spiele in Lock-Screens. Wir können so mit jedem Freischalten des Telefones kognitive Fähigkeiten monitoren, rund um die Uhr, das ganze Jahr.

Menthal Dopa

With several researchers from medicine and computer science, we track the severity of Parkinson's symptoms, directly on the phone, again, 24/7/365.

Mit verschiedenen Wissenschaftlern aus Medizin und Informatik erfassen wir die Stärke von Parkinson Symptomen, direkt auf dem Telefon, rund um die Uhr, das ganze Jahr.

Sanephone

The Sanephone project helps you reduce your mobile phone usage. 

Das Sanephone Projekt hilft, das Mobiltelefon weniger zu benutzen.


Im Wintersemester 2009 veranstaltete ich gemeinsam mit Joachim von zur Gathen die Ringvorlesung Datenschutz.

Biography

Prior to my current position, I obtained my PhD from the Hong Kong University of Science and Technology (HKUST), under the supervision of Dimitris Papadias, of the Department of Computer Science and Engineering. Before this, I received a Diploma in computer science from the Philipps University, Marburg , Germany, working with Bernhard Seeger. I spent the summer of 2004 with Torsten Suel at Polytechnic University, Brooklyn, where I wrote my diploma thesis. Another trip in 2000 took me to Vassilis Tsotras at University of California Riverside.

A brief CV can be found here.

Biographie

Vor meiner derzeitigen Stelle war ich Doktorand Position unter Dimitris Papadias an dem Department of Computer Science and Engineering der Hong Kong University of Science and Technology (HKUST). Davor erhielt ich mein Diplom von der Philipps Universität, Marburg, unter der Betreuung von Bernhard Seeger. Meine Diplomarbeit habe ich im Sommer 2004 bei Torsten Suel an der NYU Polytechnic in Brooklyn geschrieben. Ein früherer Auslandsaufenthalt führte mich zu  Vassilis Tsotras an der University of California Riverside.

Hier findet sich ein kurzer Lebenslauf.

Meine Antrittsvorlesung im Rahmen des Bonner Dies Academicus.

Past Research

  1. Spatio-Temporal Index Structures Commonly found in geographic information systems (GIS), spatial index structures manage objects in low-dimensional space, such as positions of hotels or taxis. Typical queries retrieve objects that fall within a certain area (range queries), or are close to the user’s position (nearest neighbors). Others count objects in an area (spatial aggregates), or seek statistical patterns (spatial data mining). Similarly, temporal data is also multidimensional but subject to several restrictions, requiring specific data structures.

  2. Relational Data Streams A data stream management system (DSMS) processes small relational tuples, arriving at ultra high frequency. Such data is commonly generated from environmental sensors or by monitoring online activity, for example recording every time a user views an online shopping item. Due to its extreme arrival rates, this data cannot be written to disk. Instead, it is processed in memory, by means of specialized operators.

  3. Geographic Information Retrieval Although World Wide Web implies globally available data, Internet users often seek local information. During extensive pre-processing, a geographic search engine infers geographic positions for every document. For example, a document containing the term “big apple” is considered to provide information about New York. For a given query, documents are ranked according to (i) the relevance to the keyword and (ii) spatial proximity, necessitating an entire range of new data structures. Our 2004 prototype of a geographic search engine reached industrial strength and predated similar efforts by most commercial competitors.

Frühere Forschung

  1. Räumlich-Temporelle Indexstrukturen In Geographischen Informations-Systemen (GIS) verwalten räumliche Indexstrukturen Objekte im niederdimensionalen Raum, wie z.B. die Positionen von Hotels oder Taxis. Typische Anfragen suchen nach Objekten die sich in einem bestimmten Gebiet befinden, oder in der Nähe des Benutzers (Nächster-Nachbar Anfrage). Andere zählen die Objekte in einem Gebiet (räumliche Aggregate), oder suchen statistische Muster (räumliches Data Mining). Temporale Daten verhalten sich grundsätzlich ähnlich, unterliegen jedoch zusätzlichen Restriktionen, und  benötigen daher spezielle Datenstrukturen.

  2. Relationale Datenströme Ein Datenstrom-Management-System (DSMS) verarbeitet kleine relationale Tupel, die in ultra-hoher Geschwindigkeit empfangen werden. Solche Daten werden häufig von Umweltsensoren erzeugt, oder resultieren aus den Aktivitäten von Online-Nutzern, wo z.B. jedes mal ein Tupel gesendet wird, wenn ein Nutzer einen Artikel eines Web-Shops ansieht. Aufgrund der extrem hohen Raten können solche Daten nicht auf Platte geschrieben werden, und müssen stattdessen im Hauptspeicher verarbeitet werden, meist mithilfe von speziellen relationalen Operatoren.

  3. Geographische Suchmaschinen Obwohl der Ausdruck weltweites Datennetz eine globale Verfügbarkeit impliziert, sind Internet-Nutzer meist an lokalen Informationen interessiert. Durch aufwendige Vorverarbeitung verknüpft eine geographische Suchmaschine jedes Dokument mit entsprechenden geographischen Regionen. Zum Beispiel wird angenommen, dass ein Dokument mit dem Ausdruck “big apple” Informationen über New York enthält. Suchergebnisse werden dann nach zwei Kriterien geordnet: (i) der Relevanz bzgl. der Schlagwörter, und (ii) räumlicher Nähe, und benötigen daher spezielle Datenstrukturen. Unser Prototyp von 2004 war entsprechenden kommerziellen Anstrengungen voraus, und erreichte ein einsatzfähiges Niveau.


Selected Publications / Ausgesuchte Publikationen (@DBLP, @Citeseer , complete)


Program Comittees / Programmkomittee

Services


Co-Authors / Co-Autoren