활동 추적기가 잘못된 이유
우리의 피트니스 기술이 의심스러운 통계를 제공하는 이유를 이해하려면 내부 기술을 자세히 조사해야 합니다.
모든 추적기는 GPS와 광학 심박수부터 온도계, 가속도계, 갈바닉 피부 반응, 생체 임피던스, 심지어 주변광까지 측정하는 센서에 이르기까지 다양한 센서의 조합을 사용합니다. Microsoft Band 2에는 사용자의 모든 움직임을 모니터링하기 위해 끊임없이 작동하는 11개 이상의 이러한 기능이 있습니다. 하지만 그것은 시작에 불과합니다. 센서가 최선을 다해 사용자가 실제 세계에서 하는 일을 포착하면 각 제조업체는 자체 독점 알고리즘을 사용하여 칼로리 소모량, 걸음 수 통계 등을 추정합니다. 알고리즘이 다르면 손목과 앱에서 서로 다른 결과를 볼 수 있습니다.
"당신이 얻는 결과가 반드시 당신의 신체가 작동하는 방식에 맞춰지는 것은 아닙니다."
칼로리 소모와 같은 경우 상황은 훨씬 더 복잡해집니다. 각 피트니스 밴드는 키, 몸무게, 나이, 성별 등 사용자에 대한 기본 정보를 수집한 다음 이를 일반화하는 데 사용합니다. 당신과 같은 사람이 살아 있는 것만으로도 얼마나 많은 칼로리를 소모할 것인지에 대한 정보입니다. 이는 휴식 중 대사라고도 알려져 있습니다. 비율. 알고리즘은 인구 평균에 따라 작동하므로 얻는 결과가 반드시 신체 작동 방식에 맞춰지는 것은 아닙니다.
미국 운동 협의회(ACE)의 최고 과학 책임자인 Cedric X Bryant 박사에 따르면 올바른 운동을 하는 것은 어려운 일입니다.
“예측하다 칼로리 소모 상대적으로 복잡한 과정이다”고 말했다. “장치에서 감지한 움직임 활동을 칼로리 소모량으로 변환하는 알고리즘을 개발할 때 특정 가정이 이루어집니다. 최고의 예측 방정식을 갖춘 장치라도 자연적인 생물학적 변동성으로 인해 어느 정도 오차 범위가 있을 것입니다.”
그의 팀의 연구가 이를 뒷받침합니다. ACE 연구 결과에 따르면 칼로리 소모 추적의 정확성을 살펴본 결과, 주요 추적기는 일부 장치는 과대평가하고 다른 장치는 과소평가하는 등 13~60% 정도 차이가 났습니다.
제조업체에 문의하면 아직 초기 단계이며 빅데이터가 결국 우리가 보다 정확한 기술을 얻는 데 도움이 될 것이라고 말할 것입니다.
“빅데이터 분석이 지식을 향상하고 알고리즘을 향상시킬 것이라고 생각합니다.” 모르텐 우루프, 자브라
Pulse 헤드폰 인이어를 모니터링하는 Jabra의 제품 관리 이사인 Morten Urup은 "빅 데이터 분석이 지식을 향상시킬 것이라고 생각합니다."라고 말했습니다. “수십만 명의 데이터가 있을 때 사람들을 그룹화하고 패턴 분석을 시작할 수 있다는 사실 덕분에 알고리즘이 향상될 것입니다. 이전에는 이런 규모로 할 수 없었던 일입니다. 가능하다면 데이터 수집 알고리즘과 앞으로 보게 될 장치를 개선하는 것이 가능할 것입니다. 전반적인 개선이 나타날 것입니다.”
단계가 너무 멀나요?
걸음 수를 세고 일반적인 일상 활동 수준을 모니터링하는 것은 감시하기가 더 간단해야 하지만 여기에서도 여전히 완전히 완료되지는 않았습니다.
활동 추적기 내부의 가장 일반적인 키트는 움직임 또는 가속도를 측정하는 데 사용되는 가속도계입니다. 데이터의 정확성은 먼저 장치 내부 센서의 품질에 따라 달라지며(모든 가속도계가 동일하게 생성되는 것은 아닙니다), 두 번째로 장치를 착용하는 위치에 따라 달라집니다.
엉덩이에 착용하는 추적기는 본질적으로 어떤 부분도 움직이는 것이 불가능하기 때문에 더 정확한 경향이 있습니다. 반면 손목 밴드는 팔의 움직임을 잘못 해석할 수 있습니다. 단계. 같은 이유로 대부분의 활동 추적기는 다른 운동보다 특정 유형의 운동을 더 잘 추적합니다. 걷기와 달리기는 요가나 근력 운동보다 더 안정적인 경향이 있습니다. 내가 실제로 하고 있던 일은 말할 수 없는 것들을 닦는 것이었음에도 불구하고 오늘 아침 샤워하면서 수많은 발걸음을 내디딘 이유이기도 합니다.
3페이지에 계속
