Resumen
Esta tesis presenta la implementación de una herramienta inteligente de administración del tiempo, probada en un experimento con estudiantes universitarios, con el objetivo de aportar evidencia de que las implementaciones de algoritmos de inteligencia artificial son una forma eficaz de generar herramientas inteligentes de administración del tiempo significativamente exactas, que podrían ayudar en la toma de decisiones involucradas en el cambio de comportamiento en grupos de personas e individuos para aumentar el bienestar personal y al mismo tiempo equilibrarlo con objetivos organizacionales y sociales, como realizar un conjunto de actividades designadas.
Se introducen conceptos y teorías como bienestar, bienestar subjetivo y administración del tiempo y se conectan con el constructo de bienestar basado en agencia propuesto por el equipo de investigación, así como con la práctica de administración inteligente del tiempo que se propone y explica. Esto con la intención de tener bases sólidas para los criterios utilizados para el diseño de herramientas de administración inteligente del tiempo.
Se presentan los algoritmos inteligentes implementados; para la clasificación se utilizan redes neuronales artificiales profundas, máquinas de soporte vectorial, regresión logística y clasificadores basados en árboles de decisión. Para la búsqueda se utilizan algoritmos genéticos. Todo esto se presenta en el contexto de regímenes de validación cruzada para probar las métricas de rendimiento de los algoritmos. Los conjuntos de datos de entrenamiento para alimentar los algoritmos se obtienen mediante el preprocesamiento de los microdatos de la Encuesta Nacional de Uso del Tiempo del INEGI en sus ediciones de 2014 y 2019. Los conjuntos de datos se caracterizan y se describe el preprocesamiento para facilitar la reproducibilidad de las pruebas presentadas.
Se describe la herramienta de administración inteligente del tiempo desarrollada, incluidos sus resultados de análisis de poder predictivo, su proceso asistido por inteligencia artificial para el diseño de instrumentos de medición, el uso de clasificadores de aprendizaje automático interpretables, el uso de los parámetros de dichos clasificadores para definir un espacio de búsqueda para el algoritmo genético para encontrar soluciones que mejoren el bienestar de los usuarios, así como la base de datos y la interfaz de usuario utilizadas. También se presenta el diseño experimental para la prueba de la herramienta de administración inteligente del tiempo.
Finalmente, los resultados se presentan en forma de resultados de encuestas, validaciones de exactitud, recomendaciones generadas por la herramienta de administración inteligente del tiempo para los estudiantes y correlación de una variable de bienestar basada en agencia propuesta con otras variables de bienestar. Se discuten los resultados y se llega a la conclusión de que una herramienta inteligente de administración del tiempo, desarrollada con la ayuda de la inteligencia artificial mediante el uso de un proceso de selección de modelos automatizado, puede preservar o mejorar la exactitud mostrada al probar los conjuntos de datos de entrenamiento con clasificadores de aprendizaje máquina en un régimen de validación cruzada, que a su vez tiene mejor exactitud que un clasificador aleatorio con distribución uniforme. Esta exactitud puede ser en una variable o conjunto de variables de interés, como en el caso de la satisfacción con el uso del tiempo en actividades académicas y otras variables de bienestar subjetivo que se probaron en el experimento. Finalmente, se destacan otras contribuciones de la investigación presentada, como el proceso asistido por inteligencia artificial para el diseño de instrumentos de medición que puede usarse en otros estudios de ciencias sociales, y lo prometedor de seguir desarrollando un constructo de bienestar basado en agencia, así como las posibilidades para futuras investigaciones.
Abstract
This dissertation presents the implementation of an intelligent time management tool, that is tested in an experiment with college students, with the objective of contributing evidence that implementations of artificial intelligence algorithms are an effective way to generate meaningfully accurate intelligent time management tools, that could aid in the decision-making involved in changing behavior in groups of people and individuals to increase personal wellbeing while balancing it with organizational and social objectives, such as performing a set of designated activities.
Concepts and theories such as wellbeing, subjective wellbeing, and time management are introduced and connected to the agency-based construct of wellbeing posited by the research team and the practice of intelligent time management that is proposed and explained, with the intention of having solid foundations for the criteria used for the intelligent time management tool design.
The intelligent algorithms implemented are presented. Deep artificial neural networks, support vector machines, logistic regression, and decision tree-based classifiers are used for classification. For search, genetic algorithms are used. All of this is presented in the context of cross-validation regimes to test algorithms’ performance metrics. Clean training datasets to feed the algorithms are obtained through preprocessing the microdata of INEGI’s Time Use National Survey in its 2014 and 2019 editions. The datasets are characterized, and the preprocessing is described to facilitate the tests’ reproducibility.
The intelligent time management tool developed is described, including its predictive power analysis results, its artificial intelligence-aided process for measurement instrument design, the use of interpretable machine learning classifiers, the use of the parameters of such classifiers to define a search space for the genetic algorithm to find solutions that enhance wellbeing for the users, and the database and user interface employed. The experimental design for the intelligent time management tool test is also presented.
Finally, the results are presented in the form of survey results, accuracy validations, recommendations generated by the intelligent time management tool to the students, and correlation of a proposed agency-based wellbeing variable to other wellbeing variables. The results are discussed, and they lead to the conclusion that an intelligent time management tool, developed with the aid of artificial intelligence by using an automated model selection process, can preserve or enhance the accuracy of testing the training datasets in machine learning classifiers in a cross-validation regime that has better accuracy than a random classifier with a uniform distribution, for a variable or set of variables of interest, as in the case of time-use satisfaction in academic activities and other subjective wellbeing variables that were tested in the experiment. Other contributions of the dissertation are highlighted, such as the artificial intelligence-aided process for measurement instrument design that can be used in other social sciences studies, the promise for further developing an agency-based wellbeing construct, and the possibilities for future research.
