論文の概要: Personalized State Anxiety Detection: An Empirical Study with Linguistic
Biomarkers and A Machine Learning Pipeline
- arxiv url: http://arxiv.org/abs/2304.09928v1
- Date: Wed, 19 Apr 2023 19:06:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-21 15:15:22.484659
- Title: Personalized State Anxiety Detection: An Empirical Study with Linguistic
Biomarkers and A Machine Learning Pipeline
- Title（参考訳）: パーソナライズされた状態不安検出--言語バイオマーカーと機械学習パイプラインを用いた実証研究
- Authors: Zhiyuan Wang, Mingyue Tang, Maria A. Larrazabal, Emma R. Toner, Mark
Rucker, Congyu Wu, Bethany A. Teachman, Mehdi Boukhechba, Laura E. Barnes
- Abstract要約: 社会不安の症状が高い人は、しばしば社会的状況における状態不安の上昇を示す。
デジタルバイオマーカーと機械学習技術を利用して、状態の不安を検出することが可能である。
- 参考スコア（独自算出の注目度）: 7.512067061195175
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Individuals high in social anxiety symptoms often exhibit elevated state
anxiety in social situations. Research has shown it is possible to detect state
anxiety by leveraging digital biomarkers and machine learning techniques.
However, most existing work trains models on an entire group of participants,
failing to capture individual differences in their psychological and behavioral
responses to social contexts. To address this concern, in Study 1, we collected
linguistic data from N=35 high socially anxious participants in a variety of
social contexts, finding that digital linguistic biomarkers significantly
differ between evaluative vs. non-evaluative social contexts and between
individuals having different trait psychological symptoms, suggesting the
likely importance of personalized approaches to detect state anxiety. In Study
2, we used the same data and results from Study 1 to model a multilayer
personalized machine learning pipeline to detect state anxiety that considers
contextual and individual differences. This personalized model outperformed the
baseline F1-score by 28.0%. Results suggest that state anxiety can be more
accurately detected with personalized machine learning approaches, and that
linguistic biomarkers hold promise for identifying periods of state anxiety in
an unobtrusive way.
- Abstract（参考訳）: 社会不安症状が高い人は、しばしば社会的状況において状態不安が高まる。
デジタルバイオマーカーと機械学習技術を利用して状態不安を検出することが可能である。
しかし、既存の作業訓練は参加者全員をモデルにしており、社会的文脈に対する心理的および行動的反応の個人差を捉えられなかった。
この懸念に対処するため,研究1では,N=35高次社会不安者からの様々な社会的文脈における言語データを収集し,デジタル言語バイオマーカーが評価的・非評価的社会的文脈と特徴的心理的症状の異なる個人の間で大きく異なること,状態不安を検出するためのパーソナライズされたアプローチの重要性を示唆した。
研究2では、同じデータと研究1の結果を用いて、多層化されたパーソナライズされた機械学習パイプラインをモデル化し、文脈的および個人的差異を考慮した状態不安を検出する。
このパーソナライズされたモデルはF1スコアを28.0%上回った。
その結果、個人化された機械学習アプローチによって状態不安をより正確に検出でき、言語バイオマーカーは、邪魔にならない方法で状態不安の期間を特定することを約束している。
関連論文リスト
- Large-scale digital phenotyping: identifying depression and anxiety indicators in a general UK population with over 10,000 participants [2.2909783327197393]
英国在住の一般住民10,129名のデータを横断的に分析した。
参加者は、ウェアラブル(Fitbit)データと、うつ病(PHQ-8)、不安(GAD-7)、ムードに関する自己申告アンケートを、研究アプリを通じて共有した。
気分,年齢,性別,BMI,睡眠パターン,身体活動,心拍数など,うつ病の重症度と不安度との間に有意な関連が認められた。
論文 参考訳（メタデータ） (2024-09-24T16:05:17Z) - AudioInsight: Detecting Social Contexts Relevant to Social Anxiety from Speech [10.648118103594586]
本研究では,環境音節を利用して社会的脅威の文脈を検出する手法を提案する。
我々は、相互作用パートナーの数(ダイアディック対グループ)と評価脅威の度合いの2つの重要な側面に焦点を当てる。
試料幅5倍のCross Validation (CV) では,90%の精度でグループ間相互作用からDyadicを識別し,83%で評価的脅威を検出できた。
論文 参考訳（メタデータ） (2024-07-19T17:01:12Z) - Prevalent Frequency of Emotional and Physical Symptoms in Social Anxiety using Zero Shot Classification: An Observational Study [0.38366697175402226]
本研究は,マヨクリニックから採取した社会不安症状の頻度と頻度を分析した。
研究の目的は、社会的不安障害に関連する身体的および感情的な症状のスペクトルを抽出し、分析することである。
論文 参考訳（メタデータ） (2024-04-26T06:28:51Z) - Inducing anxiety in large language models can induce bias [47.85323153767388]
我々は、確立された12の大規模言語モデル(LLM)に焦点を当て、精神医学でよく用いられる質問紙に答える。
以上の結果から,最新のLSMの6つが不安アンケートに強く反応し,人間に匹敵する不安スコアが得られた。
不安誘発は、LSMのスコアが不安アンケートに影響を及ぼすだけでなく、人種差別や老化などの偏見を測る以前に確立されたベンチマークにおいて、それらの行動に影響を及ぼす。
論文 参考訳（メタデータ） (2023-04-21T16:29:43Z) - Wearable Sensor-based Multimodal Physiological Responses of Socially
Anxious Individuals across Social Contexts [7.85990334927929]
本研究では,様々な社会的文脈で生理的応答を評価する実験を対象とし,受動的に収集したデータを用いて実験を行った。
以上の結果から,社会的文脈は社会的相,集団規模,社会的脅威のレベルよりも確実に識別可能であることが示唆された。
論文 参考訳（メタデータ） (2023-04-03T18:34:54Z) - Multi-modal deep learning system for depression and anxiety detection [4.539240676216187]
本稿では,自己管理型音声タスクからの抑うつと不安のスクリーニングのためのマルチモーダルシステムを提案する。
深層学習機能を備えた手作り機能の強化によって,F1の総合的な分類精度が向上することが判明した。
論文 参考訳（メタデータ） (2022-12-30T00:02:58Z) - 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) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳（メタデータ） (2022-05-02T09:21:39Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z)
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。