NarrativeSense: Predicción de estados afectivos en estudiantes universitarios mediante sensado de smartphones y narrativas contextuales

Los desafíos de salud mental son cada vez más prevalentes entre los estudiantes universitarios, pero a menudo no se detectan debido a la dependencia de evaluaciones tradicionales que son subjetivas, poco frecuentes y carecen de contexto conductual. La fenotipificación digital mediante datos pasivamente recopilados de smartphones ofrece una alternativa escalable, pero los enfoques existentes a menudo no integran la precisión predictiva con perspectivas basadas en narrativas. Para superar estas limitaciones, presentamos NarrativeSense, un marco novedoso que combina modelos de aprendizaje automático con descripciones narrativas de eventos cotidianos inferidos a partir de datos de sensado de smartphones para predecir estados afectivos semanales. El sistema incorpora componentes de modelos de lenguaje para transformar patrones conductuales en narrativas contextualizadas y legibles por humanos que fundamentan las predicciones afectivas en experiencias diarias. Esta capa narrativa complementa la predicción estructurada ofreciendo perspectivas intuitivas centradas en el usuario. Aplicado a datos longitudinales de 58 estudiantes universitarios durante 119 días, NarrativeSense supera a los modelos base de aprendizaje automático, modelos de lenguaje independientes y métodos en conjunto, mientras proporciona perspectivas más enriquecidas. Nuestros hallazgos demuestran el potencial de la fenotipificación digital enriquecida con narrativas para un monitoreo escalable y explicable de la salud mental en entornos educativos y clínicos.