评估一个使用者对一个可携式行动装置的使用程度的方法与流程

本发明涉及一种评估方法，特别是涉及一种评估一个使用者对一个可携式行动装置的使用程度的方法。

背景技术：

网络成瘾症(Internet addiction disorder，缩写作IAD)，泛指各种对网际网络的过度使用，致影响正常作息的情况。根据教育部最新调查显示，国小四年级到六年级学童，网络成瘾高危险群占20.40％；国中生网络成瘾高危险群，占23.70％；高中职生网络成瘾高危险群，占32.30％。从数据显示，目前国小四年级到高中职，约2成左右的学生为网络成瘾高危险群，也就是说每5个国高中小学生，就有1个可能会发展成网络成瘾。

然而，科技带来便利，也带来文明病，受到平板电脑、智能型手机等可携式行动装置普及的影响，前述的成瘾症已经不再狭义的局限在有网络的使用环境，而是广义的泛指对可携式行动装置的过度使用，一般称为「手机成瘾症」，《时代Time》杂志曾进行调查，发现高达84％受访者承认，不能一天没有手机；赫尔辛基资讯科技研究院(Helsinki Institute for Information Technology)和英特尔实验室的研究发现，重度使用智能型手机的人，可能每十分钟就要确认一次手机，一天确认次数高达三十四次。

目前判断是否有「过度使用手机」，并没有明确的标准或方法，往往只能由使用时间概略估计，惟，由于使用时数往往被低估，且频繁、短暂地用智能型手机，虽然时间不长，但确实会影响作息、学习，及工作效率，显然，前述判断方式，不但可信度很低，且不符合实务。

而成瘾科学专家及少数的治疗网络成瘾的临床工作者，皆认为治疗网络或手机成瘾可能比药物酒精滥用更困难，因为在现今社会中，无论是学业、或工作需求，网络或手机几乎是不可或缺的，因此，网络成瘾或手机成瘾治疗的核心概念是「调整」、「控制」使用行为，戒除「可能造成问题」的应用编程，而非完全戒除不使用网络或手机。因此，若以现有方式每日纪录，乃至分析比较，在实务上殊为不易。

技术实现要素：

本发明的目的在于提供一种能够客观的呈现用于判断的评价值，而提升判断准确性的评估一个使用者对一个可携式行动装置的使用程度的方法。

本发明的另一个目的在于提供一种能够真实的呈现使用行为，而应用于医疗用途、商业用途、人资用途的评估一个使用者对一个可携式行动装置的使用程度的方法。

本发明的一种评估一个使用者对一个可携式行动装置的使用程度的方法，以一个统计媒介为工具，该可携式行动装置包含显示数个应用编程的一个荧幕，及根据一个第一触发讯号、一个第二触发讯号控制该荧幕开启、关闭，及执行前述应用编程的一个处理器，该方法包含下列步骤：

步骤a：该统计媒介获取来自于该可携式行动装置的一个使用资讯，该使用资讯包含该可携式行动装置的处理器于一个预设期间内，针对每一个应用编程统计每一天该处理器接收到该第一触发讯号、该第二触发讯号的次数，以作为每一天该应用编程的使用次数，并计算每一次该处理器执行该应用编程的时间，以作为每一次的使用时数，及加总每一天中每一次的使用时数，以作为每一天的使用总时数。

步骤b：该统计媒介根据所述应用编程在每一天的使用次数，撷取至少其中一次的使用时数。

步骤c：该统计媒介以步骤b中与使用时数相关的一个数值为评价值。

步骤d：该统计媒介根据前述评价值及预设的一个比对机制，产生前述使用者对该可携式行动装置的使用程度的一个评估结果。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，在步骤b中，该统计媒介撷取每一天使用次数的一个中位数的使用时数，且在步骤c中，该统计媒介以预设期间内所述中位数的使用时数平均值为评价值。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，在步骤c中，该统计媒介还进一步以该预设期间内的使用次数平均值、使用总时数平均值至少其中一个为评价值。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，步骤d的比对机制包括至少一个切分值，且该统计媒介由使用次数平均值所获得的评价值、该中位数的使用时数平均值所获得的评价值、使用总时数所获得的评价值三个其中一个，在前述评价值不同于该切分值时，判断有使用程度异常的情形。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，该方法还包含有在步骤c后、步骤d前的步骤e：该统计媒介以数学分析法，分解该预设期间内每一天的使用次数，获得该预设期间内相关于使用次数的一条趋势线，步骤f：该统计媒介还进一步以相关于前述趋势线的一个趋势值为评价值。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，该方法还包含有在步骤c后、步骤d前的步骤e：该统计媒介以数学分析法，分解该预设期间内每一天的使用总时数，获得该预设期间内相关于使用总时数的一条趋势线，步骤f：该统计媒介还进一步以相关于前述趋势线的一个趋势值为评价值。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，该方法还包含有在步骤c后、步骤d前的步骤e：该统计媒介以数学分析法，分解该预设期间内每一天的中位数的使用时数，获得该预设期间内相关于中位数的一条趋势线，步骤f：该统计媒介还进一步以相关于前述趋势线的一个趋势值为评价值。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，该方法还包含有在步骤c后、步骤d前的步骤e：该统计媒介以数学分析法，分解该预设期间内每一天的使用次数、使用总时数、中位数的使用时数三个其中一个的变异数，获得该预设期间内相关的一条趋势线，步骤f：该统计媒介还进一步以相关于前述趋势线的一个趋势值为评价值。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，前述数学分析法可以是线性分析法、频谱分析法、非线性分析法其中一个。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，前述线性分析法可以是线性回归分析法，前述频谱分析法可以是傅立叶转换，前述非线性分析法可以是经验模态分析法(Empirical mode decomposition,EMD)。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，前述趋势值来自于该趋势线的斜率、最大值与最小值的差两个其中一个。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，步骤d的比对机制包括至少一个趋势比对值，且该统计媒介在前述步骤f的评价值大于该趋势比对值时，判断有使用增加的趋势，在前述评价值小于该趋势比对值时，判断有使用程度减少的趋势，前述使用程度增加的趋势、使用程度减少的趋势两个其中一个为使用异常的情形。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，该方法还包含有在步骤c后、步骤d前的步骤g，该统计媒介撷取一个特定日期预设的两个时段中，所述应用编程的使用次数、使用总时数、使用次数的一个中位数的使用时数三个至少其中一个的数值为两组变数，步骤h：该统计媒介以前述两组变数的一个相关系数为评价值。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，步骤d的比对机制还包括一个比较值，该统计媒介在步骤h所获得的评价值不同于该相关系数时，判断有使用程度异常的情形。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，前述特定日期可以是每一天、每三天、每十五天其中一个。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，前述预设的两个时段分别是白天08:00到16:00，及晚上16:00到24:00、凌晨00:00到08:00，及白天08:00到16:00、凌晨00:00到08:00，及晚上16:00到24:00三个其中一个。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，该方法还包含有在步骤c后、步骤d前的步骤i：该统计媒介在每一天预设的至少一个时段，针对每一个应用编程统计该处理器第1次收到该第一触发讯号、该第二触发讯号的间隔时间，以作为该时段内第1次的使用时数，步骤j：该统计媒介根据公式(1)，加总该时段内所有应用编程第1次的使用时数，以作为使用总时数EOD，及根据公式(2)，计算该时段的依赖度，步骤k：该统计媒介以预设期间的依赖度平均值为评价值，

EOD＝EO₁+EO₂+…EO_n+T₁+T_(n-1)...............(1)

依赖度＝(EO₁+EO₂+…EO_n)/EOD................(2)

其中，EO₁、EO₂、…EO_n为该时段内第1次执行的第一应用编程、第二应用编程、…第n个应用编程的使用时数，T₁为第一应用编程与第二应用编程执行期间荧幕没有接收到该第一触发讯号的非使用时数、T_(n-1)为n个应用编程与第n-1个应用编程间荧幕没有开启的非使用时数。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，步骤d的比对机制还包括一个比对值，该统计媒介在步骤j所获得的评价值不同于该比对值时，判断有使用程度异常的情形。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，前述时段可以是早上起床后、晚上睡觉前其中一个时间范围。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，前述时段为该处理器在一个长时间未接收到该第一触发讯号，且自接收到该第一触发讯号后开始计算的一个时间范围。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，前述比对机制包括由该可携式行动装置输入的一个预估值，且该统计媒介在步骤c中，还进一步以该预设期间内的使用次数、使用总时数，及步骤b中与使用时数相关的一个数值至少其中一个为评价值，当前述评价值不同于该预估值时，判断有使用程度异常的情形。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，以一个统计媒介为工具，该可携式行动装置包含显示数应用编程的一个荧幕，及根据一个第一触发讯号、一个第二触发讯号控制该荧幕开启、关闭，及执行前述应用编程的一个处理器，该方法包含下列步骤：

步骤a：该统计媒介获取来自于该可携式行动装置的一个使用资讯，该使用资讯包含该可携式行动装置的处理器于一个预设期间内，针对每一个应用编程统计每一天该处理器接收到该第一触发讯号、该第二触发讯号的次数，以作为每一天该应用编程的使用次数，并计算每一次该处理器执行该应用编程的时间，以作为每一次的使用时数，及加总每一天中每一次的使用时数，以作为每一天的使用总时数；

步骤b：该统计媒介以数学分析法，分解该预设期间内每一天的使用次数、使用总时数至少其中一个，获得该预设期间内相关的一条趋势线；

步骤c：该统计媒介还进一步以相关于前述趋势线的一个趋势值为评价值；及

步骤d：该统计媒介根据前述评价值及预设的一个比对机制，产生前述使用者对该可携式行动装置的使用程度的一个评估结果。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，步骤b还进一步以：该统计媒介以数学分析法，分解该预设期间内每一天使用次数的一个中位数的使用时数，获得该预设期间内相关于中位数的一条趋势线。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，步骤d的比对机制包括至少一个趋势值，且该统计媒介在前述评价值大于该趋势值时，判断有使用增加的趋势。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，以一个统计媒介为工具，该可携式行动装置包含显示数应用编程的一个荧幕，及根据一个第一触发讯号、一个第二触发讯号控制该荧幕开启、关闭，及执行前述应用编程的一个处理器，该方法包含下列步骤：

步骤a：该统计媒介获取来自于该可携式行动装置的一个使用资讯，该使用资讯包含该可携式行动装置的处理器于一个预设期间内，针对每一个应用编程统计每一天该处理器接收到该第一触发讯号、该第二触发讯号的次数，以作为每一天该应用编程的使用次数，并计算每一次该处理器执行该应用编程的时间，以作为每一次的使用时数，及加总每一天中每一次的使用时数，以作为每一天的使用总时数；

步骤b：该统计媒介撷取一个特定日期预设的两个时段中，所述应用编程的使用次数、使用总时数、使用次数的一个中位数的使用时数三个至少其中一个的数值为两组变数；

步骤c：该统计媒介以前述两组变数的一个相关系数为评价值；及

步骤d：该统计媒介根据前述评价值及预设的一个比对机制，产生前述使用者对该可携式行动装置的使用程度的一个评估结果。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，步骤d的比对机制还包括一个比较值，该统计媒介在步骤c所获得的评价值不同于该相关系数时，判断有使用程度异常的情形。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，以一个统计媒介为工具，该可携式行动装置包含显示数应用编程的一个荧幕，及根据一个第一触发讯号、一个第二触发讯号控制该荧幕开启、关闭，及执行前述应用编程的一个处理器，该方法包含下列步骤：

步骤a：该统计媒介获取来自于该可携式行动装置的一个使用资讯，该使用资讯包含该可携式行动装置的处理器于一个预设时段内，针对每一个应用编程统计该处理器第1次收到该第一触发讯号、该第二触发讯号的间隔时间，以作为该时段内第1次的使用时数；

步骤b：该统计媒介根据公式(1)，加总该时段内所有应用编程第1次的使用时数，以作为使用总时数EOD，及根据公式(2)，计算该时段的依赖度，

EOD＝EO₁+EO₂+…EO_n+T₁+T_(n-1)...............(1)

依赖度＝(EO₁+EO₂+…EO_n)/EOD................(2)

其中，EO₁、EO₂、…EO_n为该时段内第1次执行的第一应用编程、第二应用编程、…第n个应用编程的使用时数，T₁为第一应用编程与第二应用编程间执行期间荧幕没有接收到该第一触发讯号的非使用时数、T_(n-1)为n个应用编程与第n-1个应用编程间荧幕没有开启的非使用时数，

步骤c：该统计媒介以预设期间的依赖度平均值为评价值；及

步骤d：该统计媒介根据前述评价值及预设的一个比对机制，产生前述使用者对该可携式行动装置的使用程度的一个评估结果。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，步骤d的比对机制还包括一个比对值，该统计媒介在步骤c所获得的评价值不同于该比对值时，判断有使用程度异常的情形。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，以一个统计媒介为工具，该可携式行动装置包含显示数个应用编程的一个荧幕，及根据一个第一触发讯号、一个第二触发讯号控制该荧幕开启、关闭，及执行前述应用编程的一个处理器，该方法包含下列步骤：

步骤a：该统计媒介获取来自于该可携式行动装置的一个使用资讯，该使用资讯包含该处理器于至少一天的一个预设时段内，接收执行前述应用编程时，发生的第一触发讯号、第二触发讯号；

步骤b：在至少一天中，根据先接收的第一触发讯号与后接收的第二触发讯号，定义出多个使用时段，及根据先接收的第二触发讯号与后接收的第一触发讯号，定义出的多个非使用时段；

步骤c：该统计媒介计算每个使用时段与非使用时段的持续时间，并限定其中一个具有最长持续时间的非使用时段为睡眠时间；

步骤d：该统计媒介根据至少一个使用时段、至少一个非使用时段，及至少一个睡眠时间，计算出一个评价值；及

步驟e：该统计媒介根据前述评价值，产生一个评估结果。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方

法步骤d使用下列公式计算评价值，

其中，EV为评价值，n为使用时段、非使用时段的总合次数,Xi为第i个使用时段、非使用时段的持续时间。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，在步骤b中，分别确定使用时段与非使用时段的次数，步骤d使用下列公式计算评价值：

$EV=\frac{\left({\Σ}_{i=j=1}^n\right|X_i-Y_j|+|X_i-Y_{j+1}|+|X_i-Y_{j+2}\left|\right)}{3n}$

其中，EV为评价值，n为使用时段、非使用时段的总合次数,Xi表示第i个非使用时段的持续时间、Yj表示第j个使用时段的持续时间。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，该统计媒介为该可携式行动装置。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，该可携式行动装置可以是具有通讯功能的智能型手机、平板电脑、可穿戴式设备、不具有通讯功能的手持式电子装置、可穿戴式设备其中一种。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，该统计媒介为与该可携式行动装置相互通讯的一个伺服装置。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，步骤a包含步骤a-1：该统计媒介在接收该第一触发讯号而开启该荧幕后，进行步骤a-2，步骤a-2：该统计媒介判断是否接收来自于该可携式行动装置的一个通知，如果否，将使用行为归类为自发性使用，并进行步骤a-3，如果是，将使用行为归类为反应性使用，并进行步骤a-3，步骤a-3：该统计媒介在接收该第二触发讯号而关闭该荧幕后，统计步骤a所公开的使用次数、每一次的使用时数，及每一天的使用总时数。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，前述通知讯息可以是推播讯息、简讯、铃声、振动、灯光其中一种。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，前述使用程度异常包含使用量增加、影响生活、有成瘾症状、有戒断症至少其中一种。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，步骤d的评估结果呈现无异常、使用程度异常至少其中一种。

本发明的评估一个使用者对一个可携式行动装置的使用程度的方法，用于医疗用途、人资用途、商业用途至少其中一个。

本发明的有益效果在于：利用自动记录该可携式行讯装置使用状态的方式，客观的呈现用于判断的评价值，进而提升判断时的准确性。

附图说明

本发明的其他的特征及功效，将于参照图式的实施方式中清楚地呈现，其中：

图1是一个方块图，说明本发明评估一个使用者对一个可携式行动装置的使用程度的方法的一个第一实施例；

图2是该第一实施例的一个流程图；

图3是该第一实施例中第一统计方式的一个流程图；

图4是该第一实施例中第二统计方式的一个流程图；

图5是该第一实施例中第三统计方式的一个流程图；

图6是该第一实施例中第四统计方式的一个流程图；

图7是该第一实施例中第五统计方式的一个流程图；

图8是该第一实施例的一个使用次数图；

图9是该第一实施例的一个趋势图；

图10是该第一实施例的一个时段图；

图11是该第一实施例的一个使用时间示意图；及

图12是一个使用资讯示意图，说明本发明评估一个使用者对一个可携式行动装置的使用程度的方法的一个第二实施例；

图13是一个示意图，说明每一使用时段和非使用时段具有Xi的持续时间；

图14是一个示意图，说明每一非使用时段具有Xi的持续时间，且每一使用时段具有Yj的持续时间；

图15是一个示意图，说明本发明评估一个使用者对一个可携式行动装置的使用程度的方法的一个第三实施例。

具体实施方式

在本发明被详细描述之前，应当注意在以下的说明内容中，类似的元件是以相同的编号来表示。

参阅图1、图2，本发明评估一个使用者对一个可携式行动装置的使用程度的方法的一个第一实施例，以一个统计媒介为工具，且通过一个监控评估编程于一个可携式行动装置1的背景作业中执行。该统计媒介在本实施例即为该可携式行动装置1。该可携式行动装置1附属于一个使用者，可以是具有通讯功能的手机、或平板电脑、或可穿戴式设备，或不具有通讯功能的手持式电子装置、或可穿戴式设备。在本实施例中该可携式行动装置1是具有通讯功能的智能型手机，并包含显示数应用编程的一个荧幕11、根据一个第一触发讯号S1、一个第二触发讯号S1控制该荧幕11开启、关闭，及执行前述应用编程的一个处理器12，及一个通讯模块13。

以下即针对实施例步骤说明如下：

步骤20：编程开始。

步骤21：该可携式行动装置1的处理器12判断是否接收该第一触发讯号S1而开启该荧幕11，如果否，持续进行判断，如果是，进行步骤22。值得说明的是，前述触发该第一触发讯号S1而唤醒该荧幕11的方式，可以是触控、声音、或通过该可携式行动装置1的影像撷取模块(图未示)侦测眼球，或其他足以唤醒该荧幕11的动作。

步骤22：该可携式行动装置1的处理器12判断是否接收一个通知，如果否，将使用行为归类为自发性使用(Spontaneous use)，并进行步骤23，如果是，将使用行为归类为反应性使用(Reactive use)，并进行步骤23。前述通知讯息可以是推播讯息、或简讯、或铃声、或振动、或闪灯。

在实务上，该可携式行动装置1成瘾行为的纪录，必须要先排除「因为提示/刺激而接听手机」的状态，例如因为听到来电铃声、接收到电子邮件时发出提示灯号、接收到通讯软体(如Line、wechat或简讯)时的提示声或震动，而使用该可携式行动装置1，这类的使用行为归类为「反应性使用」(Reactive use)。而其他非经由这些提示则属于「自发性使用」(Spontaneous use)。「自发性使用」显然与手机成瘾的程度较「反应性使用」有关，因此，区分此自发性使用或反应性使用的类别，也有助于使用行为的判定，在本实施例中，不管是自发性使用或反应性使用，只要在该荧幕11每一次开启、关闭期间，显示于该荧幕11的应用编程都会列入统计，当然，也可以针对自发性使用或反应性使用各别统计，或排除排列反应性使用的应用编程，由于本领域中具有通常知识者根据以上说明可以推知扩充细节，因此不多加说明。

步骤23：该可携式行动装置1的处理器12判断是否接收该第二触发讯号而关闭该荧幕11，如果是，进行步骤24，如果否，则持续进行判断。

步骤24：该可携式行动装置1的处理器12针对每一个应用编程，统计每一天该处理器12接收到该第一触发讯号S1、该第二触发讯号S2的次数，以作为每一天该应用编程的使用次数F，并计算每一次该处理器12执行该应用编程的时间，以作为每一次的使用时数T。值得说明的是，前述应用编程可以是某些特定的应用编程，如line、wechat、与工作有关的应用编程、或所有显示于该荧幕11的应用编程。

步骤25：该可携式行动装置1的处理器12于一个预设期间M内，加总每一天中每一次的使用时数，以作为每一天的使用总时数T_all。

然后，该可携式行动装置1的处理器12根据前述预设期间内的使用时数T、使用次数F、使用总时数T_all的至少一者，利用如一个第一统计方式Ⅰ、一个第二统计方式Ⅱ、一个第三统计方式Ⅲ、一个第四统计方式Ⅳ、一个第五统计方式Ⅴ的其中一者的预设的比对机制，产生一个相关于该使用者对该可携式行动装置1的使用程度的评估结果。

第一统计方式Ⅰ：参阅图2、图3，及图8。

步骤26：该可携式行动装置1的处理器12根据所述应用编程在每一天的使用次数F，撷取一个中位数(Median)的使用时数T_M。

如图8所示，以使用者(甲)的使用数据来看，某一个应用编程被执行而始于该荧幕11开启(screen-on)时间12:24:38到该荧幕11关闭(screen-off)时间12:35:00，可以计算出中位数的使用时数T_M为622秒，，该使用者在这一天内共有19个使用时段，即使用次数F＝19，而这19个使用时段的使用总时数T_all为25121秒。借此，将前述19个时段的使用时数T_M，由小排列到大，取中位数，相当于高低排序后位于数列第50百分位的数据，也就是第10个时段所呈现的使用时数T_M＝622秒。前述使用时数T_M也可以是前述使用时段中的任一个，例如数列第25百分位、或第75百分位的使用时段。

步骤27：该可携式行动装置1的处理器12以该中位数的使用时数T_M平均值、或使用次数F平均值、或使用总时数T_all平均值为评价值。

步骤28：该可携式行动装置1的处理器12根据做为比对机制的一个切分值L，判断由使用次数F平均值所获得的评价值、或判断由中位数的使用时数T_M平均值所获得的评价值、或由使用总时数T_all平均值所获得的评价值是否大于该切分值L？如果是，进行步骤29，如果否，进行步骤30。

步骤29：该可携式行动装置1的处理器12判断有使用程度过度的异常行为。

步骤30：该可携式行动装置1的处理器12判断无异常。

根据前述，若本发明应用在医疗用途，评估结果则可以由前述使用程度过度的异常情形，判断使用者的使用行为已有成瘾的症状；若本发明应用在商业用途，评估结果则可以由前述使用程度过度的情形，判断某个特定的应用编程被喜好的程度、平均的使用时间、或平均使用次数等；若本发明应用在人资用途，评估结果则可以由前述某一个应用编程是否有使用过度的情形，判断使用者工作的概况，而作为绩效的根据。前述判断情况仅为举例，当不以此为限。

以用于医疗用途为例，假设预设期间M为一天(最佳是以一个月为单位，然而，为了简化数据，及方便说明，本实施例以一天为单位进行说明)，针对使用次数F的切分值L＝68.4次，图8中使用者(甲)的使用次数F＝19次，使用总时数T_all＝25121秒，中位数即第10个时段所呈现的使用时数T_M＝622秒，使用者(乙)的使用次数F＝211次，使用总时数T_all＝26562秒，中位数即第106个时段所呈现的使用时数T_M＝283秒，可知，使用者(甲)与使用者(乙)使用型态，最大差别在于，使用者(甲)每一次的使用时间较长，但次数较少，使用者(乙)每一次的使用时间较短，但次数频繁，因此，若以使用总时数T_all来看，使用者(甲)与使用者(乙)相差不多，但是，若以使用次数F来看，使用者(甲)的使用次数F平均值<切分值L，使用者(乙)的使用次数F平均值>切分值L，判断有使用程度过度的情形、或有成瘾的症状。

第二统计方式Ⅱ：参阅图2、图4，及图9。

步骤31：该可携式行动装置1的处理器12根据所述应用编程在每一天的使用次数F，撷取一个中位数的使用时数T_M。

步骤32：该可携式行动装置1的处理器12以线性分析法、频谱分析法、非线性分析法三个其中一个的数学分析法，分解该预设期间M内，每一天的使用次数F、或每一天的使用总时数T_all、或每一天使用次数的中位数的使用时数T_M、或前述使用次数F、使用总时数T_all、中位数的使用时数T_M三个其中一个的变异数V，本实施例以经验模态分析法为例，获得该预设期间M内相关于使用次数F的一条趋势线IMF-F、相关于使用总时数T_all的一条趋势线IMF-T、相关于中位数使用时数T_M的一条趋势线IMF-M、相关于变异数V的一条趋势线IMF-V。

值得说明的是，前述线性分析法可以是线性回归分析法，前述频谱分析法可以是傅立叶转换，前述非线性分析法可以是经验模态分析法(Empirical mode decomposition,EMD)。

参阅图9，以经验模态分析法分解中位数的使用时数T_M为例，步骤如下，(1)利用三次样条(cubic spline)，将中位数的使用时数T_M的局部极大值串连成上包络线；局部极小值串连成下包络线；(2)计算上下包络线的平均，得到均值包络线，把原始数值与均值包络线相减，得到第一分量，即本质模态函数1、2、3；(3)重复上述的筛选步骤，取得无法再分解IMF的单调函数(monotonic function)，即残余最终趋势。借此，所获得的趋势线可以消弥前述中位数的使用时数T_M(或使用次数F、或使用总时数T_all、或变异数V)因为数值过高、或过低等振荡的情形，造成非稳态的状态。

步骤33：该可携式行动装置1的处理器12以前述趋势线IMF-F、IMF-T、IMF-M、IMF-V的一个趋势值IMF为评价值，前述趋势值IMF来自于前述趋势线IMF-F、IMF-T、IMF-M、IMF-V的斜率、或最大值与最小值的差。

步骤34：该可携式行动装置1的处理器12根据做为比对机制的一个趋势比对值C，判断作为评价值的趋势值IMF是否大于一个趋势比对值C？如果是，进行步骤35，如果否，进行步骤36。

步骤35：该可携式行动装置1的处理器12判断有使用增加的趋势，有使用程度异常的情形。

步骤36：该可携式行动装置1的处理器12判断无异常。

以图4、图9为例，本实施例是以残余最终趋势的斜率或残余最终趋势的最高值与最低值的差做为评价值。前述趋势比对值C＝0，当斜率愈大或差值愈大，所获得的评价值>0，表示使用次数有愈来愈高的趋势，或时用时间有愈来愈长的趋势，若获得的评价值<0，表示使用次数有愈来愈低的趋势，或时用时间有愈来愈短的趋势。

根据前述，若本发明应用在医疗用途，评估结果则可以由前述使用增加的趋势，判断使用者的使用行为已有成瘾的症状；若本发明应用在商业用途，评估结果则可以由前述使用增加或使用减少的趋势，判断某个特定的应用编程被喜好的程度、或是否能够长期被使用而判断依赖度等；若本发明应用在人资用途，评估结果则可以由前述某一个应用编程使用增加或减少的趋势，判断使用者工作的概况，而作为绩效的根据。前述判断情况仅为举例，当不以此为限。

第三统计方式Ⅲ：参阅图2、图5，及图10。

步骤37：该可携式行动装置1的处理器12撷取一个特定日期预设的两个时段中，所述应用编程的使用次数F、使用总时数T_all、中位数的使用时数T_M等数值为两组变数。前述特定日期可以是每一天、或每三天、或每十五天，可以配合实务需求调整，当不以此为限，本实施例是以每一天为例。

参阅图10，举例来说，将一天区分为一个第一时段：凌晨00:00到08:00、一个第二时段：白天08:00到16:00，及一个第三时段：晚上16:00到24:00，在本实施例中，以第二时段、第三时段为预设的两个时段，当然也可以是第一时段与第二时段、或第一时段与第三时段。第一天的使用次数F在两个时段表示为(F1-1,F2-1)、第二天的使用次数F在两个时段表示为(F1-2,F2-2)…依此类推；第一天的使用总时数T_all在两个时段表示为(T1-1,T2-1)、第二天的使用总时数T_all在两个时段表示为(T1-2,T2-2)…依此类推；第一天的中位数的使用时数T_M在两个时段表示为(T_M1-1,T_M2-1)、第二天的中位数的使用时数T_M在两个时段表示为(T_M1-2,T_M2-2)…依此类推。

步骤38：该可携式行动装置1的处理器12以前述使用次数F的两组变数、使用总时数T_all的两组变数、使用时数T_M的两组变数的一个相关系数r为评价值。前述相关系数r的值介于-1与1间。

步骤39：该可携式行动装置1的处理器12根据做为比对机制的一个比较值R，判断相关系数r是否大于该比较值R，如果是，进行步骤40，如果否，进行步骤41。

步骤40：该可携式行动装置1的处理器12判断使用行为有相似度过高的异常情形，代表在两个时段的使用型态相似度愈高。

步骤41：该可携式行动装置1的处理器12判断无异常。

举例来说，相关系数r代表在两个时段的使用型态相似度，且绝对值大于该比较值R时，表示关系愈密切。根据前述，若本发明应用在医疗用途，评估结果则可以由前述相似度愈高的情形，判断使用者的使用行为已有成瘾的症状，影响生活的损害可能性越高；若本发明应用在商业用途，评估结果则可以由前述相似度高或低的情形，判断某个特定的应用编程被喜好的程度；若本发明应用在人资用途，评估结果则可以由前述相似度高或低的情形，判断使用者在上班时段工作的概况，而作为绩效的根据。前述判断情况仅为举例，当不以此为限。

第四统计方式Ⅳ：参阅图2、图6，及图11。

步骤42：该可携式行动装置1的处理器12在每一天预设的至少一个时段，针对每一个应用编程统计该处理器12第1次收到该第一触发讯号S1、该第二触发讯号S2的间隔时间，以作为该时段内第1次的使用时数T。在本实施例是以睡醒后的1小时为例，也可以是晚上睡觉前的一个时间范围，或该荧幕11在一个长时间未接收到该第一触发讯号S1，且自接收到该第一触发讯号S1后开始计算的一个时间范围。以前述长时间为2小时、时间范围为30分钟为例，当该可携式行动装置1长达2小时未接收到该第一触发讯号S1(荧幕11未被开启)，且自接收到该第一触发讯号S1后开始计算30分钟内第一次被执行的应用编程都会被列作统计。

步骤43：该可携式行动装置1的处理器12根据公式(1)，加总该时段内所有应用编程第1次的使用时数T，以作为使用总时数EOD，及根据公式(2)，计算该时段的依赖度D。

EOD＝EO₁+EO₂+…EO_n+T₁+T_(n-1).............(1)

D＝(EO₁+EO₂+…EO_n)/EOD.....................(2)

EO₁、EO₂、…EO_n为该时段内第1次显示的第一应用编程、第二应用编程、…第n个应用编程的使用时数T，T₁为第一应用编程与第二应用编程间荧幕11没有开启的非使用时数、T_(n-1)为n个应用编程与第n-1个应用编程间荧幕11没有开启的非使用时数。

步骤44：该可携式行动装置1的处理器12以预设期间M的依赖度D平均值为评价值。

步骤45：该可携式行动装置1的处理器12根据做为比对机制的一个比对值d，判断步骤44所获得的评价值是否大于该比对值d，如果是，进行步骤46，如果否，进行步骤47。

步骤46：该可携式行动装置1的处理器12判断有使用程度异常的情形。

步骤47：该可携式行动装置1的处理器12判断无异常。

第五统计方式Ⅴ：参阅图2、图7。

步骤48：该可携式行动装置1的处理器12根据所述应用编程在每一天的使用次数F，撷取一个中位数(Median)的使用时数T_M。

步骤49：该可携式行动装置1的处理器12于该预设期间M内，以该中位数的使用时数T_M平均值、或使用次数F平均值、或使用总时数T_all平均值为评价值。

步骤50：该可携式行动装置1的处理器12根据做为比对机制且由使用者通过该可携式行动装置1输入的一个预估值E，判断由使用次数F平均值所获得的评价值、或判断由中位数的使用时数T_M平均值所获得的评价值、或由使用总时数T_all平均值所获得的评价值是否大于该预估值E？如果是，进行步骤51，如果否，进行步骤52。

步骤51：该可携式行动装置1的处理器12判断有使用程度过度的异常行为。

步骤52：该可携式行动装置1的处理器12判断无异常。

根据前述，使用者能够自订预期的使用时间，或使用次数，若超过预估值V，表示预设的使用时间或次数显著高于实际记录的使用时间或次数，有过于长久或频繁等使用程度过度的异常行为，也就是说，使用时间越长或使用次数愈频繁，低估的程度越大。

根据前述，若本发明应用在医疗用途，评估结果则可以由前述相关于使用程度的异常情形，判断使用者的使用行为已有戒断症状，或成瘾的症状；若本发明应用在商业用途，评估结果则可以由前述相关于使用程度的异常情形，判断某个特定的应用编程被喜好的程度等；若本发明应用在人资用途，评估结果则可以由前述某一个应用编程是否有长期被使用，判断使用者工作的概况，而作为绩效的根据。前述判断情况仅为举例，当不以此为限。

值得说明的是，当该可携式行动装置1的处理器12判断有成瘾的症状时，指定的分享对象可以通过与该可携式行动装置1相互通讯的一个伺服主机(图未示)读取使用者的资料、评价值，做为自我检测、自我回馈，或是给予建议。前述分享对象可以是医师、或心理师等专业人士，或非专业人员(特别是家人)，例如，由家长监督学童使用可携式行动装置1的状况，并给予建议及适当的规范。

参阅图12，是本发明一个第二实施例，其与该第一实施例大致相同，不同处在于：

图12揭示出用户丙、用户丁的使用资讯，例如，由图中醒目的标示可以知道，该处理器12在13点13分23秒接收该荧幕11开启的第一触发讯号S1，在13点24分26秒接收该荧幕11关闭的第二触发讯号S2，然后，又在13点46分28秒后又接收该荧幕11开启的第一触发讯号S1。然后，该处理器12定义出13点13分23秒到13点24分26秒为使用时段，13点24分26秒到13点46分28秒为非使用时段。

然后，计算每一个使用时段与每一个非使用时段的持续时间。例如，使用时段具有663秒的持续时间，非使用时段具有1322秒的持续时间。

在本实施例中，每一天的预定时段，会限定其中一个具有最长持续时间的非使用时段为睡眠时间，表示用户可能正在睡眠状态(例如：从1点48分41秒到6点15分00秒为用户丙的睡眠时间，从2时23分46秒开始到6点10分00秒为用户丁的睡眠时间)。借此，可以在之后的计算，排除睡眠时间周期。

对于用户丙，定义出有35个非使用时段(不包括睡眠时间)。35个非使用时段的持续时间总和是48527秒(即，在此期间，用户丁既不是睡着也不使用应用程序的总时间)。此外，35个非使用时段的中位数的持续时间为1322秒。

对于用户丁，定义出有231个非使用时段(不包括睡眠时间)。231个非使用时段的持续时间总和是55557秒(即，在此期间，用户丁既不是睡着也不使用应用编程的总时间)。此外，231个非使用时段的中位数的持续时间为1322秒。

借此，可以计算出在一个预设期间M内每一天的评价值，在本实施例中，两个不同的统计方式可以被采用。

图13和图14标示出连续的使用时段和非使用时段不同的评估过程。

参见图13，是每一个使用时段和非使用时段的排列顺序，每一使用时段和非使用时段具有Xi的持续时间。在图13中，共定义出7个使用时段和非使用时段，具有X1至X7的持续时间，之后，计算评价值，在该统计方式中，评价值是一个根均的连续差平方(RMSSD)，具体而言，可以使用以下公式来获得RMSSD：

$EV=\sqrt{\frac{{\&Sigma;}_i^{n-1}{(X_i-X_{i+1})}^2}{n-1}}$

其中，EV表示评价值，n是使用时段、非使用时段的总合次数，Xi为第i个使用时段、非使用时段的持续时间。例如，在图13中，n＝7，一个预设标准值＝3500秒/每天，计算出的评价值EV＝664.8秒。之后，产生的评价值可以与前述预设标准值相比，而确定没有使用异常。

参看图14，是每一个使用时段和非使用时段的排列顺序，每一使用时段具有Yj的持续时间，且每一非使用时段具有Xi的持续时间。

在图14中，分别定义出使用时段、非使用时段的次数n，具体地，n＝6，非使用时段和使用时段各有三个，分别具有X1到X3和Y1到Y3的持续时间。之后，计算评价值，在该统计方式中，评价值是一种相似性指数，具体而言，可以使用以下公式来获得相似性指数：

$EV=\frac{\left({\&Sigma;}_{i=j=1}^n\right|X_i-Y_j|+|X_i-Y_{j+1}|+|X_i-Y_{j+2}\left|\right)}{3n}$

其中，EV表示评价值,Yj表示第j个使用时段的持续时间、Xi表示第i个非使用时段的持续时间。借此，计算出的评价值EV＝664.8秒，同样的，评价值可以与预设标准值相比，以确定是否有使用异常。

参阅图15，是本发明一个第三实施例，其与该第一实施例大致相同，不同处在于：

该统计媒介在本实施例为一个伺服装置5。该伺服装置5与该可携式行动装置1的通讯模块13的相互通讯，在本实施例中，主要是由该可携式行动装置1执行步骤20～步骤25，及由该伺服装置5获取使用次数F、使用总时数T_all等数据后，执行步骤26～步骤30、或执行步骤31～步骤36、或执行步骤37～步骤41、或执行步骤42～步骤47，再将判断结果回传给该可携式行动装置1，由于本领域中具有通常知识者根据以上说明可以推知扩充细节，因此不多加说明。

经由以上的说明，能将本实施例的优点归纳如下：

一、本发明能够以长驻在该可携式行动装置1的监控编程正确且忠实的记录实际的使用状态，不但可让使用者了解自己使用智能型手机、或平板电脑、或可穿戴式设备、或手持式电子装置的型态，且改善了以往取得相关评价值或数据时有误差过大的情形，进而提升数据的精准度与可靠度。

二、重要的是，本发明并非单纯以使用时数T或使用总时数T_all做为判断的评价值，而是以是否「过度使用」为判断核心，并进而由分析过的评价值，客观的呈现用于判断的评价值，提升判断的准确性与可性度。

三、且本发明可以利用前述评价值，作为医疗用途、或商业用途，进而由统计方式A使用增加的结论、或由统计方式B趋势增或减少的结论、或由相似度高或低的结论、或由依赖度高的结论，判断各种应用编程的成瘾指标或使用习惯的指标，进而了解哪些应用编程对使用者来说是成瘾指数较高的，或是依赖度较大，若非必要，则考虑移除或优先克制减少使用该应用编程。例如我们发现个案使用社群网站脸书(Facebook)的成瘾评价值，远大于电子邮件。则协助使用者个人化地调整如何妥善做好时间管理，量化地提醒使用者减少或戒除成瘾性高的应用编程。

以上所述者，仅为本发明的实施例而已，当不能以此限定本发明实施的范围，即凡依本发明权利要求书及说明书内容所作的简单的等效变化与修饰，皆仍属本发明的范围。