是次研究旨在以本地角度，探讨从智能手机所收集的用家使用数据与他们情绪状况之间的关连；以及应用机器学习的概念，检视及比较不同预测模型在预测用家情绪状况之成效。为了收集相关数据，研究邀请了八位年龄介乎 18-25 岁的本地居民作为测试者，并尝试利用应用程序收集他们两星期的手机加速器、感光器、萤幕开关及定位等数据；与此同时，测试者亦需每日填写数次即时情绪分数。研究收集的数据显示测试者装置的每日平均最大加速度及平均环境光亮度与测试者的情绪分数呈现中度并显著的正相关关连，而睡眠时间则与情绪分数的关连不大；与此同时，研究亦发现以类神经网络建构的预测模型，在预测用家情绪的表现较以回归模型或直接以平均情绪分数作预估为佳。