wellness10/LifeSnaps_dataset

该数据集包含多个配置文件，分别涉及动机、情感、行为变化阶段和焦虑状态等不同方面的测量。每个配置文件包含多个特征，如用户ID、提交日期、各种评分等。数据集分为训练集，并提供了每个配置文件的大小和下载信息。具体量表包括BREQ-2（动机测量）、PANAS（情感测量）、TTM（行为变化阶段测量）和S-STAI（焦虑状态测量），并详细描述了每个量表的评分方法和处理过程。The dataset contains multiple configurations, each focusing on different aspects of user data. The breq configuration includes features related to motivation and self-determination, while daily, hourly, and panas configurations contain data on daily activities, hourly activities, and affect scores respectively. The personality configuration measures traits like extraversion and agreeableness, and stai and ttm configurations assess stress levels and stages of change in behavior modification. Each configuration lists its features, data types, and details about the dataset size and number of examples.

原始信息汇总

数据集概述

数据集配置及特征

1. breq

   • 特征:
     • Unnamed: 0: int64
     • user_id: string
     • type: string
     • submitdate: string
     • breq_amotivation: float64
     • breq_external_regulation: float64
     • breq_introjected_regulation: float64
     • breq_identified_regulation: float64
     • breq_intrinsic_regulation: float64
     • breq_self_determination: string
   • 数据量:
     • 训练集: 92个样本, 11231字节

2. daily

   • 特征:
     • Unnamed: 0: string
     • id: string
     • date: string
     • nightly_temperature: string
     • nremhr: string
     • rmssd: string
     • spo2: string
     • full_sleep_breathing_rate: string
     • stress_score: string
     • sleep_points_percentage: string
     • exertion_points_percentage: string
     • responsiveness_points_percentage: string
     • daily_temperature_variation: string
     • badgeType: string
     • calories: string
     • filteredDemographicVO2Max: string
     • distance: string
     • activityType: string
     • bpm: string
     • lightly_active_minutes: string
     • moderately_active_minutes: string
     • very_active_minutes: string
     • sedentary_minutes: string
     • mindfulness_session: string
     • scl_avg: string
     • resting_hr: string
     • sleep_duration: string
     • minutesToFallAsleep: string
     • minutesAsleep: string
     • minutesAwake: string
     • minutesAfterWakeup: string
     • sleep_efficiency: string
     • sleep_deep_ratio: string
     • sleep_wake_ratio: string
     • sleep_light_ratio: string
     • sleep_rem_ratio: string
     • steps: string
     • minutes_in_default_zone_1: string
     • minutes_below_default_zone_1: string
     • minutes_in_default_zone_2: string
     • minutes_in_default_zone_3: string
     • age: string
     • gender: string
     • bmi: string
     • step_goal: string
     • min_goal: string
     • max_goal: string
     • step_goal_label: string
     • ALERT: string
     • HAPPY: string
     • NEUTRAL: string
     • RESTED/RELAXED: string
     • SAD: string
     • TENSE/ANXIOUS: string
     • TIRED: string
     • ENTERTAINMENT: string
     • GYM: string
     • HOME: string
     • HOME_OFFICE: string
     • OTHER: string
     • OUTDOORS: string
     • TRANSIT: string
     • WORK/SCHOOL: string
   • 数据量:
     • 训练集: 7410个样本, 3513566字节

3. hourly

   • 特征:
     • Unnamed: 0: string
     • id: string
     • date: string
     • hour: string
     • temperature: string
     • badgeType: string
     • calories: string
     • distance: string
     • activityType: string
     • bpm: string
     • mindfulness_session: string
     • scl_avg: string
     • steps: string
     • minutes_in_default_zone_1: string
     • minutes_below_default_zone_1: string
     • minutes_in_default_zone_2: string
     • minutes_in_default_zone_3: string
     • age: string
     • gender: string
     • bmi: string
     • step_goal: string
     • min_goal: string
     • max_goal: string
     • step_goal_label: string
     • ALERT: string
     • HAPPY: string
     • NEUTRAL: string
     • RESTED/RELAXED: string
     • SAD: string
     • TENSE/ANXIOUS: string
     • TIRED: string
     • ENTERTAINMENT: string
     • GYM: string
     • HOME: string
     • HOME_OFFICE: string
     • OTHER: string
     • OUTDOORS: string
     • TRANSIT: string
     • WORK/SCHOOL: string
   • 数据量:
     • 训练集: 159508个样本, 40337488字节

4. panas

   • 特征:
     • Unnamed: 0: int64
     • user_id: string
     • type: string
     • submitdate: string
     • positive_affect_score: int64
     • negative_affect_score: int64
   • 数据量:
     • 训练集: 268个样本, 20100字节

5. personality

   • 特征:
     • Unnamed: 0: int64
     • user_id: string
     • type: string
     • submitdate: string
     • extraversion: float64
     • agreeableness: float64
     • conscientiousness: float64
     • stability: float64
     • intellect: float64
     • gender: string
     • ipip_extraversion_category: string
     • ipip_agreeableness_category: string
     • ipip_conscientiousness_category: string
     • ipip_stability_category: string
     • ipip_intellect_category: string
   • 数据量:
     • 训练集: 50个样本, 7533字节

6. stai

   • 特征:
     • Unnamed: 0: int64
     • user_id: string
     • type: string
     • submitdate: string
     • stai_stress: float64
     • stai_stress_category: string
   • 数据量:
     • 训练集: 279个样本, 22545字节

7. ttm

   • 特征:
     • Unnamed: 0: int64
     • user_id: string
     • type: string
     • submitdate: string
     • stage: string
     • ttm_consciousness_raising: float64
     • ttm_dramatic_relief: float64
     • ttm_environmental_reevaluation: float64
     • ttm_self_reevaluation: float64
     • ttm_social_liberation: float64
     • ttm_counterconditioning: float64
     • ttm_helping_relationships: float64
     • ttm_reinforcement_management: float64
     • ttm_self_liberation: float64
     • ttm_stimulus_control: float64
   • 数据量:
     • 训练集: 94个样本, 14684字节

数据集许可

• 许可: MIT

搜集汇总

数据集介绍

构建方式

在健康信息学领域，LifeSnaps数据集通过多模态数据采集策略构建而成。该数据集整合了来自可穿戴设备与心理量表调查的异构数据源，涵盖每小时、每日的活动记录以及多项标准化心理评估工具。数据采集过程遵循严格的伦理协议，通过匿名化处理保护参与者隐私，并依据各量表的官方计分指南对原始响应进行标准化转换，确保数据的科学性与可比性。

特点

该数据集的核心特征在于其跨维度、多时间尺度的综合健康数据架构。它不仅包含详尽的生理行为指标，如心率、睡眠结构与活动强度，还深度融合了基于BREQ-2、PANAS、TTM等经典量表的心理建构数据。这种生理与心理数据的纵向对齐，为研究行为动机、情绪状态与日常健康指标间的动态关联提供了独特视角，数据规模覆盖数千条记录，具备较高的生态效度。

使用方法

研究人员可通过HuggingFace平台直接加载数据集的七个独立配置模块，分别对应行为调节、日常活动、小时级数据、情绪状态、人格特质、焦虑水平及行为转变阶段。每个模块均以结构化表格形式呈现，支持使用Pandas或类似工具进行时间序列分析、特征工程与跨表关联研究。该数据集适用于机器学习模型训练，以探索健康行为预测、个性化干预策略开发等前沿课题。

背景与挑战

背景概述

在数字健康与行为科学融合的浪潮中，LifeSnaps数据集应运而生，旨在通过多维度生理与心理指标的同步采集，深入探究个体健康行为的内在动机与动态模式。该数据集由wellness10团队构建，并于2022年在《Scientific Data》期刊正式发布，其核心研究问题聚焦于解析可穿戴设备数据与经典心理学量表（如BREQ-2、PANAS、TTM等）之间的关联，以揭示影响健康行为持续性的心理机制。这一数据集为健康信息学、行为动机理论及个性化健康干预研究提供了宝贵的实证基础，推动了跨学科方法在健康促进领域的应用。

当前挑战

LifeSnaps数据集致力于解决健康行为预测与个性化干预这一复杂领域问题，其核心挑战在于如何从高维异构的时序数据中提取稳健的行为模式，并建立其与心理建构之间的可解释关联。在构建过程中，研究团队面临多重挑战：其一，数据整合的复杂性，需将来自可穿戴设备的连续生理指标与离散的心理量表评分进行时间对齐与标准化处理；其二，量表数据的异构性，不同心理学量表具有相异的评分体系与信效度要求，需进行严谨的转换与验证；其三，样本规模与多样性有限，可能影响模型泛化能力；其四，隐私与伦理考量要求对敏感健康信息进行严格脱敏，同时保持数据的研究效用。

常用场景

经典使用场景

在健康信息学与行为科学交叉领域，LifeSnaps数据集以其多模态、纵向追踪的特性，为研究人类日常行为与心理状态的动态关联提供了经典范本。该数据集整合了可穿戴设备采集的生理活动数据（如心率、睡眠质量、运动量）与标准化心理量表（如PANAS情绪量表、STAI焦虑量表）的自我报告信息，使得研究者能够构建精细化的计算模型，用以探索身体活动模式如何与情绪波动、压力水平及动机状态产生交互影响。这种数据融合架构尤其适用于验证自我决定理论在真实世界环境下的表现，为理解健康行为的心理驱动机制提供了实证基础。

衍生相关工作

围绕LifeSnaps数据集，已催生了一系列探索健康行为多模态建模的经典研究工作。例如，有研究利用其时序数据开发了基于循环神经网络或Transformer的架构，用于预测个体的情绪状态或压力水平变化。另有工作专注于数据融合方法，将活动类型、地点上下文与心理量表得分相结合，以识别导致不良健康行为的风险情境模式。此外，该数据集也促进了因果推断方法在行为科学中的应用，研究者尝试利用其面板数据特征，估计运动干预对心理健康的潜在因果效应，为构建可解释的数字表型提供了方法论范例。

数据集最近研究

最新研究方向

在数字健康与行为科学交叉领域，LifeSnaps数据集凭借其多模态生理与心理指标的融合，正推动个性化健康干预的前沿探索。该数据集整合了日常活动、睡眠质量、心率变异性等客观生理数据，以及动机水平、情绪状态、人格特质等主观心理评估，为构建动态个体健康画像提供了丰富维度。当前研究热点聚焦于利用机器学习模型解析行为改变阶段与生理信号间的复杂关联，旨在开发自适应健康促进系统。这类工作不仅响应了全球慢性病预防的公共卫生需求，也为可穿戴设备赋能精准健康管理奠定了实证基础，具有显著的跨学科创新价值。