論文の概要: Understanding the Social Context of Eating with Multimodal Smartphone Sensing: The Role of Country Diversity

• arxiv url: http://arxiv.org/abs/2306.00709v1
• Date: Thu, 1 Jun 2023 14:16:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-02 15:47:12.469305
• Title: Understanding the Social Context of Eating with Multimodal Smartphone Sensing: The Role of Country Diversity
• Title（参考訳）: マルチモーダルスマートフォンセンシングによる食生活の社会的文脈理解 : 地域多様性の役割
• Authors: Nathan Kammoun and Lakmal Meegahapola and Daniel Gatica-Perez
• Abstract要約: 8カ国(中国、デンマーク、インド、イタリア、メキシコ、モンゴル、パラグアイ、イギリス)のスマートフォンセンシングデータセットを用いた研究結果について述べる。 分析の結果,食事イベントにおけるスマートフォンの使用状況は各国で類似しているが,各国でユニークな行動がみられた。 これらの知見は将来の移動食日記と移動体健康センシングシステムの研究に影響を及ぼす。
• 参考スコア（独自算出の注目度）: 7.335712499936904
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding the social context of eating is crucial for promoting healthy eating behaviors by providing timely interventions. Multimodal smartphone sensing data has the potential to provide valuable insights into eating behavior, particularly in mobile food diaries and mobile health applications. However, research on the social context of eating with smartphone sensor data is limited, despite extensive study in nutrition and behavioral science. Moreover, the impact of country differences on the social context of eating, as measured by multimodal phone sensor data and self-reports, remains under-explored. To address this research gap, we present a study using a smartphone sensing dataset from eight countries (China, Denmark, India, Italy, Mexico, Mongolia, Paraguay, and the UK). Our study focuses on a set of approximately 24K self-reports on eating events provided by 678 college students to investigate the country diversity that emerges from smartphone sensors during eating events for different social contexts (alone or with others). Our analysis revealed that while some smartphone usage features during eating events were similar across countries, others exhibited unique behaviors in each country. We further studied how user and country-specific factors impact social context inference by developing machine learning models with population-level (non-personalized) and hybrid (partially personalized) experimental setups. We showed that models based on the hybrid approach achieve AUC scores up to 0.75 with XGBoost models. These findings have implications for future research on mobile food diaries and mobile health sensing systems, emphasizing the importance of considering country differences in building and deploying machine learning models to minimize biases and improve generalization across different populations.
• Abstract（参考訳）: 食事の社会的文脈を理解することは、タイムリーな介入を提供することによって健康な食事行動を促進するために重要である。 マルチモーダルスマートフォンセンシングデータは、特にモバイル食品日記やモバイル健康アプリケーションにおいて、食事行動に関する貴重な洞察を提供する可能性がある。 しかし, スマートフォンのセンサデータを用いた食生活の社会的文脈に関する研究は, 栄養学や行動科学の広範な研究にもかかわらず限られている。 また, 国差が食事の社会的文脈に与える影響については, マルチモーダル電話センサデータと自己報告による検討が未定である。 この研究のギャップに対処するために,8カ国(中国,デンマーク,インド,イタリア,メキシコ,モンゴル,パラグアイ,英国)のスマートフォンセンシングデータセットを用いた研究を行う。 本研究は,678人の大学生が実施した食事イベントに関する約24kの自己報告を対象とし,さまざまな社会状況の食事イベントにおいて,スマートフォンセンサから出現する国の多様性を調査した。 分析の結果,食事イベントにおけるスマートフォンの使用状況は各国で類似しているが,各国でユニークな行動がみられた。 さらに,人口レベル(非パーソナライズド)とハイブリッド(部分的パーソナライズド)の実験的な設定を用いた機械学習モデルの開発により,ユーザおよび国固有の要因が社会的コンテキスト推論に与える影響についても検討した。 その結果,XGBoostモデルを用いてAUCのスコアを最大0.75まで向上させることができた。 これらの知見は将来の移動食日記や移動体健康検知システムの研究に影響を及ぼし、バイアスを最小限に抑え、集団間の一般化を改善するために、機械学習モデルの構築と展開における国差を考慮することの重要性を強調した。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• FoodieQA: A Multimodal Dataset for Fine-Grained Understanding of Chinese Food Culture [60.51749998013166]
  中国各地の食文化の複雑な特徴を,手作業でキュレートした,きめ細かい画像テキストデータセットであるFoodieQAを紹介した。 視覚言語モデル(VLM)と大規模言語モデル(LLM)を,新たに収集した未確認食品画像およびそれに対応する質問に対して評価する。 以上の結果から,食品とその文化的意味の理解は依然として困難かつ未解明の方向にあることが示唆された。
  論文  参考訳（メタデータ） (2024-06-16T17:59:32Z)
• Learning About Social Context from Smartphone Data: Generalization Across Countries and Daily Life Moments [5.764112063319108]
  5か国581人の若者から収集した216万件以上の自己申告データを用いて,新しい,大規模,マルチモーダルなスマートフォンセンシングデータセットを使用した。 いくつかのセンサは社会的文脈に影響を与えており、部分的にパーソナライズされたマルチカントリーモデル(すべての国からのデータでトレーニングおよびテスト)と国固有のモデル(国内でトレーニングおよびテスト)は、90%のAUC以上で同様のパフォーマンスを達成することができる。 これらの結果は、異なる国における社会的文脈推論モデルをよりよく理解するために、モバイルデータの多様性の重要性を裏付けるものである。
  論文  参考訳（メタデータ） (2023-06-01T17:20:56Z)
• Inferring Mood-While-Eating with Smartphone Sensing and Community-Based Model Personalization [4.245223529153532]
  携帯電話のセンサデータは、食行動と気分の両方を、モバイル食日記とモバイル健康アプリケーションという文脈で独立して特徴付けるために使われてきた。 以上の結果から, 一般的な気分推定モデルでは, 摂食など特定の文脈での性能が低下することが示唆された。 これらの制約に対処するために,類似ユーザから対象ユーザへのデータを用いたモデルを構築することにより,新たなコミュニティベースのパーソナライズ手法を採用した。
  論文  参考訳（メタデータ） (2023-06-01T14:24:10Z)
• Complex Daily Activities, Country-Level Diversity, and Smartphone Sensing: A Study in Denmark, Italy, Mongolia, Paraguay, and UK [6.52702503779308]
  スマートフォンは、人々の日常生活を支援するために、行動認識による人間の行動を理解することができる。 人々は、リモート/ハイブリッドワーク/スタディ設定の頻度で、ポストパンデミックな世界でより鎮静的です。 5か国637人の大学生のスマートフォンデータと216万件の自己申告データを分析した。
  論文  参考訳（メタデータ） (2023-02-16T21:34:55Z)
• Generalization and Personalization of Mobile Sensing-Based Mood Inference Models: An Analysis of College Students in Eight Countries [8.218081835111912]
  8か国678人の参加者から329万件の自己申告を行ったモバイルセンシングデータセットを収集した。 国別(大陸内での訓練・試験)、大陸別(大陸内での訓練・試験)、国別(訓練データでは見られない国で試験)、多国間(複数の国で訓練・試験)のアプローチを評価した。
  論文  参考訳（メタデータ） (2022-11-06T02:26:52Z)
• 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)
• The Second-Level Smartphone Divide: A Typology of Smartphone Usage Based on Frequency of Use, Skills, and Types of Activities [77.34726150561087]
  本稿は,2016年から2020年にかけてドイツとオーストリアで収集されたスマートフォン所有者の5つのサンプルに基づいて,スマートフォン技術の利用の不平等について検討する。 スマートフォン利用頻度、自己評価のスマートフォンスキル、スマートフォン上で行われている活動に基づいて、個人を分類する潜在クラス分析を行うことにより、スマートフォン利用者の6つの異なるタイプを識別する。
  論文  参考訳（メタデータ） (2021-11-09T13:38:59Z)
• Towards Building a Food Knowledge Graph for Internet of Food [66.57235827087092]
  食品分類から食品分類、食品知識グラフまで、食品知識組織の進化を概観する。 食品知識グラフは、食品検索と質問回答(QA)、パーソナライズされた食事レコメンデーション、食品分析、可視化において重要な役割を果たす。 食品知識グラフの今後の方向性は、マルチモーダル食品知識グラフや食品インテリジェンスなど、いくつかの分野をカバーする。
  論文  参考訳（メタデータ） (2021-07-13T06:26:53Z)
• Alone or With Others? Understanding Eating Episodes of College Students with Mobile Sensing [7.786904858719634]
  食事の社会的文脈(友人、家族、パートナーなど)は、食事の種類、食事中の心理的状態、食事量といった側面に影響を及ぼす重要な自己申告機能である。 本研究では,ウェアラブルとスマートフォンの受動的センシングデータと食生活の社会的文脈について検討する。
  論文  参考訳（メタデータ） (2020-11-23T19:45:55Z)
• ISIA Food-500: A Dataset for Large-Scale Food Recognition via Stacked Global-Local Attention Network [50.7720194859196]
  ウィキペディアのリストから500のカテゴリと399,726の画像を含むデータセットISIA Food-500を紹介する。 このデータセットは、既存の一般的なベンチマークデータセットをカテゴリカバレッジとデータボリュームで上回る。 食品認識のための2つのサブネットワークからなるグローバルローカルアテンションネットワークを提案する。
  論文  参考訳（メタデータ） (2020-08-13T02:48:27Z)

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。