論文の概要: Jointly Predicting Job Performance, Personality, Cognitive Ability,
Affect, and Well-Being
- arxiv url: http://arxiv.org/abs/2006.08364v1
- Date: Wed, 10 Jun 2020 14:30:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 06:09:45.657593
- Title: Jointly Predicting Job Performance, Personality, Cognitive Ability,
Affect, and Well-Being
- Title（参考訳）: 雇用パフォーマンス、個性、認知能力、効果、幸福感を共同予測する
- Authors: Pablo Robles-Granda, Suwen Lin, Xian Wu, Sidney D'Mello, Gonzalo J.
Martinez, Koustuv Saha, Kari Nies, Gloria Mark, Andrew T. Campbell, Munmun De
Choudhury, Anind D. Dey, Julie Gregg, Ted Grover, Stephen M. Mattingly,
Shayan Mirjafari, Edward Moskal, Aaron Striegel, Nitesh V. Chawla
- Abstract要約: 本研究では,身体的および生理的行動,心理的状態と特徴,職能を統合した個人予測分析のためのベンチマークを作成する。
我々は、データマイニング技術をベンチマークとして設計し、ウェアラブルセンサから得られた真のノイズと不完全なデータを用いて、12の標準化された精確なテストに基づいて19の構造を予測する。
- 参考スコア（独自算出の注目度）: 42.67003631848889
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Assessment of job performance, personalized health and psychometric measures
are domains where data-driven and ubiquitous computing exhibits the potential
of a profound impact in the future. Existing techniques use data extracted from
questionnaires, sensors (wearable, computer, etc.), or other traits, to assess
well-being and cognitive attributes of individuals. However, these techniques
can neither predict individual's well-being and psychological traits in a
global manner nor consider the challenges associated to processing the data
available, that is incomplete and noisy. In this paper, we create a benchmark
for predictive analysis of individuals from a perspective that integrates:
physical and physiological behavior, psychological states and traits, and job
performance. We design data mining techniques as benchmark and uses real noisy
and incomplete data derived from wearable sensors to predict 19 constructs
based on 12 standardized well-validated tests. The study included 757
participants who were knowledge workers in organizations across the USA with
varied work roles. We developed a data mining framework to extract the
meaningful predictors for each of the 19 variables under consideration. Our
model is the first benchmark that combines these various instrument-derived
variables in a single framework to understand people's behavior by leveraging
real uncurated data from wearable, mobile, and social media sources. We verify
our approach experimentally using the data obtained from our longitudinal
study. The results show that our framework is consistently reliable and capable
of predicting the variables under study better than the baselines when
prediction is restricted to the noisy, incomplete data.
- Abstract（参考訳）: ジョブパフォーマンス、パーソナライズドヘルス、心理測定指標の評価は、データ駆動型およびユビキタスコンピューティングが将来に大きな影響を与える可能性を示す領域である。
既存の技術では、アンケートやセンサー(ウェアラブル、コンピュータなど)から抽出したデータを使って、個人の幸福感や認知特性を評価する。
しかし、これらの手法は個人の幸福感や心理的特性をグローバルに予測することができないし、不完全で騒がしいデータを処理する際の課題も考慮できない。
本稿では,身体的および生理的行動,心理状態と特性,仕事のパフォーマンスなどを統合する視点から,個人の予測分析のためのベンチマークを作成する。
データマイニング手法をベンチマークとして設計し,ウェアラブルセンサから得られた実ノイズと不完全なデータを用いて,12の標準化された評価テストに基づいて19のコンストラクタを予測した。
調査対象は、米国全土の知識労働者で、様々な役割を持つ757人であった。
検討中の19変数それぞれに有意な予測因子を抽出するデータマイニングフレームワークを開発した。
我々のモデルは、ウェアラブル、モバイル、ソーシャルメディアソースからの真の未処理データを活用することで、これらの様々な楽器由来の変数を単一のフレームワークで組み合わせた最初のベンチマークである。
縦断研究から得られたデータを用いて実験的に検証した。
その結果,本フレームワークは信頼性が保たれ,不完全データに制限された場合のベースラインよりも高い精度で学習中の変数を予測できることがわかった。
関連論文リスト
- Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - Analyzing the contribution of different passively collected data to
predict Stress and Depression [1.7638111859993633]
本研究では,受動的に収集したセンサデータ型の寄与を分析し,毎日の自己申告ストレスとPHQ-9抑うつスコアを予測する。
その結果,WiFi機能(モビリティパターンをエンコードする)とPhone Log機能(睡眠パターンと相関する情報をエンコードする)はストレスやうつ病の予測に有意な情報を提供することがわかった。
論文 参考訳（メタデータ） (2023-10-20T15:57:22Z) - Dataset Bias in Human Activity Recognition [57.91018542715725]
このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。
時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
論文 参考訳（メタデータ） (2023-01-19T12:33:50Z) - Utility Assessment of Synthetic Data Generation Methods [0.0]
完全合成データを生成する方法が,その実用性に相違があるかどうかを考察する。
ボード上の他の方法よりもパフォーマンスがよい方法がいくつかあります。
機械学習モデルのトレーニングに合成データを使用する場合、分類タスクに対して有望な結果が得られる。
論文 参考訳（メタデータ） (2022-11-23T11:09:52Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards
Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。
正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。
人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文 参考訳（メタデータ） (2022-01-27T22:15:56Z) - Measuring Utility and Privacy of Synthetic Genomic Data [3.635321290763711]
人工ゲノムデータを生成するための5つの最先端モデルの実用性とプライバシ保護を最初に評価する。
全体として、ボード全体でうまく機能する合成ゲノムデータを生成するための単一のアプローチは存在しない。
論文 参考訳（メタデータ） (2021-02-05T17:41:01Z) - Model-agnostic Fits for Understanding Information Seeking Patterns in
Humans [0.0]
不確実な意思決定タスクでは、人間はそのタスクに関連する情報を探し、統合し、行動する際、特徴的なバイアスを示す。
ここでは,これらのバイアスを総合的に測定・分類した,大規模に収集した先行設計実験のデータを再検討した。
これらのバイアスを集約的に再現するディープラーニングモデルを設計し、個々の行動の変化を捉えます。
論文 参考訳（メタデータ） (2020-12-09T04:34:58Z) - DeepCoDA: personalized interpretability for compositional health data [58.841559626549376]
解釈可能性により、ドメインエキスパートはモデルの妥当性と信頼性を評価することができる。
医療の分野では、解釈可能なモデルは、技術的な要因とは無関係に、関連する生物学的メカニズムを含意すべきである。
我々は、パーソナライズされた解釈可能性について、サンプル固有の特徴属性の尺度として定義する。
論文 参考訳（メタデータ） (2020-06-02T05:14:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。