論文の概要: A Valid Self-Report is Never Late, Nor is it Early: On Considering the
"Right" Temporal Distance for Assessing Emotional Experience
- arxiv url: http://arxiv.org/abs/2302.02821v1
- Date: Fri, 27 Jan 2023 15:28:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-12 13:15:29.984499
- Title: A Valid Self-Report is Never Late, Nor is it Early: On Considering the
"Right" Temporal Distance for Assessing Emotional Experience
- Title（参考訳）: 正当な自己報告は決して遅かれ早かれない--感情体験評価のための「右」時間距離を考える
- Authors: Bernd Dudzik and Joost Broekens
- Abstract要約: 得られた情報の有効性について,刺激事象と経験を報告した瞬間との間の時間的距離の影響を強調した。
我々は,自己申告の妥当性を最大化する刺激の種類ごとに時間的距離の存在を擁護する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Developing computational models for automatic affect prediction requires
valid self-reports about individuals' emotional interpretations of stimuli. In
this article, we highlight the important influence of the temporal distance
between a stimulus event and the moment when its experience is reported on the
provided information's validity. This influence stems from the time-dependent
and time-demanding nature of the involved cognitive processes. As such, reports
can be collected too late: forgetting is a widely acknowledged challenge for
accurate descriptions of past experience. For this reason, methods striving for
assessment as early as possible have become increasingly popular. However, here
we argue that collection may also occur too early: descriptions about very
recent stimuli might be collected before emotional processing has fully
converged. Based on these notions, we champion the existence of a temporal
distance for each type of stimulus that maximizes the validity of self-reports
-- a "right" time. Consequently, we recommend future research to (1)
consciously consider the potential influence of temporal distance on affective
self-reports when planning data collection, (2) document the temporal distance
of affective self-reports wherever possible as part of corpora for
computational modelling, and finally (3) and explore the effect of temporal
distance on self-reports across different types of stimuli.
- Abstract（参考訳）: 自動影響予測のための計算モデルの開発には、個人の感情的刺激解釈に関する有効な自己報告が必要である。
本稿では,与えられた情報の有効性について,刺激事象とその経験が報告された瞬間との時間的距離が与える影響について述べる。
この影響は、関連する認知プロセスの時間依存と時間要求の性質に由来する。
過去の経験を正確に記述する上で,忘れることが広く認識されている課題である。
このため、できるだけ早く評価を追求する手法が普及している。
最近の刺激に関する記述は、感情的な処理が完全に収束する前に収集されるかもしれません。
これらの概念に基づき、自己報告の妥当性を最大化する刺激の種類ごとに時間的距離の存在を「正しい」時間として支持する。
その結果,(1)データ収集計画時の情緒的自己報告に対する時間的距離の影響を意識的に検討し,(2)コーパスの一部として可能であれば,情緒的自己報告の時間的距離を文書化し,(3)様々な種類の刺激に対する時間的距離の影響を検討することを推奨した。
関連論文リスト
- Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳（メタデータ） (2024-05-15T20:41:46Z) - Integrating Wearable Sensor Data and Self-reported Diaries for Personalized Affect Forecasting [2.36325543943271]
本研究では,影響状況予測のためのマルチモーダル深層学習モデルを提案する。
このモデルは、トランスフォーマーエンコーダと事前訓練された言語モデルを組み合わせることで、客観的なメトリクスと自己報告された日記の統合分析を容易にする。
その結果, 予測精度82.50%, 負の影響82.76%, 前週の予測精度82.76%が得られた。
論文 参考訳（メタデータ） (2024-03-16T17:24:38Z) - 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) - DOMINO: Visual Causal Reasoning with Time-Dependent Phenomena [59.291745595756346]
本研究では,時間遅延のウィンドウに関連する因果関係の発見に人間が参加できる視覚分析手法を提案する。
具体的には、論理に基づく因果関係の確立した手法を活用し、分析者が潜在的な原因の重要性を検証できるようにする。
効果は他の効果の原因となりうるので,本手法で検出した時間的要因と効果の関係を視覚フロー図にまとめることができる。
論文 参考訳（メタデータ） (2023-03-12T03:40:21Z) - The Invariant Ground Truth of Affect [2.570570340104555]
感情の基底的真理は、感情の主観的な性質とそのラベルに固有のバイアスを意図せずに含んでいる影響ラベルに起因している。
本稿では、因果関係論の側面を感情計算に伝達することにより、影響の信頼性の高い基礎的真理を得る方法について再検討する。
我々は、情緒的コーパスにおけるアウトリーチの検出と、参加者やタスク間で堅牢な影響モデルの構築に、因果関係にインスパイアされた手法を採用している。
論文 参考訳（メタデータ） (2022-10-14T08:26:01Z) - What Should I Know? Using Meta-gradient Descent for Predictive Feature
Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。
この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。
本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文 参考訳（メタデータ） (2022-06-13T21:31:06Z) - STAU: A SpatioTemporal-Aware Unit for Video Prediction and Beyond [78.129039340528]
本稿では,映像予測などのための時間認識ユニット(STAU)を提案する。
我々のSTAUは、性能と効率の点で、全てのタスクにおける他のメソッドよりも優れています。
論文 参考訳（メタデータ） (2022-04-20T13:42:51Z) - Temporal Effects on Pre-trained Models for Language Processing Tasks [9.819970078135343]
本稿では, 時間的モデル劣化がそれほど大きな問題ではないことを示すために, 大規模なニューラルプレトレーニング表現を用いた実験を行った。
しかし、時間的領域適応が有益であり、より最近の時間的データに基づいてシステムが訓練された場合、所定の時間に対してより優れた性能が得られる。
論文 参考訳（メタデータ） (2021-11-24T20:44:12Z) - A Multi-term and Multi-task Analyzing Framework for Affective Analysis
in-the-wild [0.2216657815393579]
本稿では,ABAW(Affective Behavior Analysis in-the-Wild)2020 Contestに提出された感情認識手法を紹介する。
感情行動には独自の時間枠を持つ観測可能な多くの特徴があるため、複数の最適化された時間窓を導入しました。
時間ごとの感情認識モデルを作成し、これらのモデルをまとめました。
論文 参考訳（メタデータ） (2020-09-29T09:24:29Z) - Time Perception: A Review on Psychological, Computational and Robotic
Models [2.223733768286313]
本稿では,心理学と神経科学の文献から,時間知覚の特徴とモデルについて紹介する。
時間知覚の創発的な計算モデルとロボットモデルについて要約する。
ほとんどのタイミングモデルは、感覚のタイミング(例えば、間隔を評価する能力)または運動のタイミング(すなわち、間隔を再現する能力)のために開発される。
論文 参考訳（メタデータ） (2020-07-23T08:16:47Z) - Wave Propagation of Visual Stimuli in Focus of Attention [77.4747032928547]
周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。
本研究は, 営巣動物が提示する有効性と効率性を示す, 生物学的に有望な注目焦点モデルを提案する。
論文 参考訳（メタデータ） (2020-06-19T09:33:21Z)
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。