PersonalAnalytics Software
Software zur privatsphäre-geschützten Erhebung digitaler Verhaltensdaten
Die im Human Aspects of Software Engineering Lab (HASEL) an der Universität Zürich entwickelte Open-Source-Software PersonalAnalytics ermöglicht es Forschenden und Bürger*innen, digitale Verhaltensdaten zu erheben und auszuwerten. Sie richtet sich gezielt an Forschende, die Studienteilnehmende bitten möchten, einen Studien-Client auf dem eigenen Gerät auszuführen und dabei Computer-Interaktionsdaten auf datenschutzfreundliche Weise zu erfassen.
PersonalAnalytics geht davon aus, dass automatisch erhobene Daten allein selten ausreichen. Deshalb kombiniert die Software objektive Interaktionsdaten mit Selbstauskünften im Moment, sodass sich das tatsächliche Verhalten mit dem subjektiven Erleben verknüpfen lässt. Die Datenerhebung ist modular in so genannte Tracker gegliedert, die sich unabhängig voneinander aktivieren, deaktivieren und konfigurieren lassen.
Was erfasst wird
- Fenster- und Applikationsaktivität. Erfasst regelmässig, welche Applikation im Vordergrund ist, den Fenstertitel und (unter macOS) die URL des aktiven Browser-Tabs. Jede Aktivität wird automatisch einem Typ zugeordnet (z. B. Programmieren, E-Mail, geplantes Meeting). So entsteht ein objektives Bild der Computernutzung, ohne dass Teilnehmende manuell protokollieren müssen.
- Nutzereingaben. Speichert aggregierte Zählwerte von Tastenanschlägen, Mausklicks, zurückgelegten und gescrollten Pixeln pro Intervall. Wichtig: Die tatsächlich getippten Tasten oder Texte werden nie gespeichert. Erfasst wird also die Interaktionsintensität, ohne Keylogging
- Experience Sampling (ESM). Fordert Teilnehmende in konfigurierbaren Abständen mit einem kleinen Pop-up auf, eine oder mehrere Fragen zu beantworten, etwa zur wahrgenommenen Produktivität, zu Stress oder Stimmung. Unterstützt Likert-Skalen, Einfach- und Mehrfachauswahl sowie Freitext, mit optional randomisiertem Zeitpunkt.
- Tägliche Umfragen. Stellen einmal zu Beginn und/oder am Ende des Arbeitstags eine Reihe von Fragen, zeitlich relativ zu den individuell hinterlegten Arbeitszeiten statt zu einer festen Uhrzeit. Nützlich für Designs mit morgendlicher Absichtssetzung und abendlicher Reflexion.
- Tägliche Retrospektive. Eine Zeitleiste am Ende des Arbeitstags zeigt Teilnehmenden, wie ihr Tag über Aktivitäten hinweg fragmentiert und verteilt war. Dieser teilnehmerseitige Rückblick gibt den Menschen einen Grund, das Tool weiter laufen zu lassen, was der Retention über mehrwöchige Studien zugutekommt.
Alle Daten werden ausschliesslich lokal in einer SQLite-Datenbank auf dem Gerät der Teilnehmenden gespeichert. Nichts wird automatisch hochgeladen.
Konfiguration für die eigene Studie
Der vorgesehene Ablauf: Repository forken, eine Konfigurationsdatei anpassen, ausliefern. Die meisten studienbezogenen Entscheidungen (Studienname, URLs für Privatsphäreerklärung und Datenupload, Kontakt der Studienleitung, aktive Tracker und die konkreten Selbstauskunftsfragen) liegen in einer einzigen Datei, study.config.ts. Alles Weitere lässt sich im Code anpassen. Die Auslieferung erfolgt über eine mitgelieferte GitHub-Actions-Pipeline, die code-signierte Windows- und notarisierte macOS-Installer erzeugt und stille automatische Updates an die Teilnehmenden ausspielt (auch mitten in der Studie).
Die massgebliche Referenz ist die RESEARCH.md-Dokumentation, die jeden Konfigurationsparameter, die Code-Signierung und die Auslieferung durchgängig beschreibt.
Bei Fragen gerne Dr. André Meyer (ameyer@ifi.uzh.ch) kontaktieren.
Daten sicher Sammeln
Da alle Daten lokal gespeichert werden, gibt es am Ende der Studie einen bewussten Export-Schritt. PersonalAnalytics führt jeden Teilnehmenden mit einem Assistenten durch die Sichtung der eigenen Daten und das optionale Anonymisieren sensibler Teile (Schwärzen von Fenstertiteln und URLs), bevor etwas das Gerät verlässt. Pro Datentyp wählen Teilnehmende, wie geteilt wird: unverändert, anonymisiert, teilweise anonymisiert anhand einer Begriffsliste, oder gar nicht.
Das hält die Teilnehmenden in echter Kontrolle, was sowohl ethisch sinnvoll als auch für die Genehmigung durch Ethikkommissionen hilfreich ist, und verbessert tendenziell die Teilnahmebereitschaft, da Menschen eher teilen, wenn sie sehen und bereinigen können, was sie weitergeben. Als Exportformate stehen unter anderem gezipptes SQLite, gezipptes JSON sowie für UZH-Forscher*innen ein direkter Export in das UZH Data Donation Lab zur Verfügung.