Система підтримки прийняття рішень реабілітації людини з вибором вправ для фізичного та ментального здоровʼя

Abstract

У роботі представлено концепцію та реалізацію системи підтримки прийняття рішень для реабілітації, що включає підбір вправ для фізичного та ментального здоров'я через мобільний додаток. Наукова новизна роботи полягає у розробці інтегрованої платформи, що поєднує персоналізовані рекомендації та адаптивні алгоритми, ґейміфікацію для підтримки мотивації користувачів, а також комплексний підхід до реабілітації, що враховує фізичні та ментальні аспекти. Використання адаптивних протоколів дозволить підвищити ефективність реабілітації, знижуючи потребу в постійному контролі з боку фахівців. Об?єкт дослідження – процес реабілітації людини, який включає відновлення фізичного та ментального здоров'я через виконання вправ. Предмет дослідження – методи та алгоритми підтримки прийняття рішень у мобільних додатках, що спрямовані на підбір індивідуальних вправ для реабілітації. Мета дослідження: створення системи підтримки прийняття рішень для реабілітації людини, яка забезпечує вибір індивідуальних вправ для фізичного та ментального здоров’я через мобільний застосунок. Основними завданнями роботи є: • аналіз сучасних підходів до фізичної та ментальної реабілітації з використанням мобільних додатків; • вивчення принципів формування звичок і їх застосування в реабілітаційних протоколах; • розробка моделі мобільного додатку, що поєднує фізичні вправи та ментальні практики, з урахуванням індивідуальних потреб користувачів; • реалізація системи персоналізованих рекомендацій на основі даних про стан здоров'я та прогрес користувача; • впровадження мотиваційних елементів (ґейміфікації) для підвищення залученості користувачів до виконання реабілітаційних протоколів; • оцінка ефективності розробленої системи через тестування на групі користувачів. На основі наукових досліджень у сфері ментального та фізичного здоров'я підтверджується значний попит на технологічні рішення, здатні підвищити ефективність управління особистими завданнями та цілями. Зокрема, Джеймс Клір у своїй праці «Атомні звички» детально описує механізми формування звичок, що включають підказки, потяги, реакції та винагороди. Ці принципи є основою для створення мотиваційних механізмів у мобільних додатках [1]. На сьогодні є дуже важливим допомогти людям отримати необхідну підтримку та рішення, оскільки багато людей страждають від погіршення як ментального, так і фізичного здоров?я, через велику кількість стресу, малорухливий спосіб життя тощо. Існуючі рішення на ринку переважно орієнтовані на конкретний один аспект життя, тобто або фізичне, або ж ментальне здоров?я. Також, переважно рішення не пропонують персоналізований підхід [2]. Відповідно, було розроблено концептуальну модель мобільного застосунку, що інтегрує персоналізовані рекомендації, адаптивні алгоритми, мотиваційні механізми та ґейміфікацію. Було розроблено дерево цілей, а також діаграми нотації UML. Після цього було обрано такі методи для реалізації рекомендацій, як метод нечіткого зіставлення, TF-IDF, а також шаблони правил, за якими система відображає користувачу найбільш релевантні пропозиції. Обраною мовою застосунку є мова Dart та фреймворк Flutter, а для бази даних та хмарних сервісів обрано Firebase. Далі, було розроблено систему, що забезпечує динамічне коригування рутин залежно від прогресу користувача. Було проведено тестування, яке показало високу задоволеність користувачів.This thesis presents the concept and implementation of a decision support system for rehabilitation, which includes selecting exercises for physical and mental health through a mobile application. The scientific novelty of the work lies in the development of an integrated platform that combines personalized recommendations and adaptive algorithms, gamification to maintain user motivation, and a comprehensive approach to rehabilitation that considers both physical and mental aspects. The use of adaptive protocols aims to increase the effectiveness of rehabilitation, reducing the need for constant supervision by specialists. Study object is the rehabilitation process, including the restoration of physical and mental health through exercise. The scope of the research is methods and algorithms for decision support in mobile applications aimed at selecting individual rehabilitation exercises. Goal of the research is to create a decision support system for human rehabilitation that provides the selection of individual exercises for physical and mental health via a mobile application. Main tasks of the study: • analyze modern approaches to physical and mental rehabilitation using mobile applications; • study the principles of habit formation and their application in rehabilitation protocols; • develop a model for a mobile application that integrates physical exercises and mental practices, considering individual user needs; • implement a personalized recommendation system based on user health data and progress; • introduce motivational elements (gamification) to increase user engagement in rehabilitation protocols; • evaluate the effectiveness of the developed system through user group testing. Based on scientific research in the field of mental and physical health, there is significant demand for technological solutions that enhance the management of personal tasks and goals. Specifically, James Clear in his book "Atomic Habits" details mechanisms of habit formation, including cues, cravings, responses, and rewards. These principles form the basis for creating motivational mechanisms in mobile applications [1]. It is crucial today to help people access the necessary support and solutions, as many suffer from deteriorating mental and physical health due to high levels of stress, sedentary lifestyles, and more. Existing market solutions are typically focused on a single aspect of life, such as physical or mental health, and rarely offer a personalized approach [2]. Accordingly, a conceptual model for a mobile application was developed that integrates personalized recommendations, adaptive algorithms, motivational mechanisms, and gamification. A goal tree and UML notation diagrams were designed. The methods chosen for implementing recommendations include fuzzy matching, TF-IDF, and rule templates, enabling the system to display the most relevant suggestions to users. The chosen language for the application is Dart, using the Flutter framework, with Firebase selected for database and cloud services. Furthermore, a system was developed to dynamically adjust routines based on user progress. Testing demonstrated high user satisfaction.