論文の概要: Learning About Social Context from Smartphone Data: Generalization
Across Countries and Daily Life Moments
- arxiv url: http://arxiv.org/abs/2306.00919v4
- Date: Mon, 29 Jan 2024 22:07:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-31 19:30:17.281621
- Title: Learning About Social Context from Smartphone Data: Generalization
Across Countries and Daily Life Moments
- Title（参考訳）: スマートフォンデータによる社会的文脈の学習 : 各国の一般化と日常生活のモメンデーション
- Authors: Aurel Ruben Mader, Lakmal Meegahapola, Daniel Gatica-Perez
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.764112063319108
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding how social situations unfold in people's daily lives is
relevant to designing mobile systems that can support users in their personal
goals, well-being, and activities. As an alternative to questionnaires, some
studies have used passively collected smartphone sensor data to infer social
context (i.e., being alone or not) with machine learning models. However, the
few existing studies have focused on specific daily life occasions and limited
geographic cohorts in one or two countries. This limits the understanding of
how inference models work in terms of generalization to everyday life occasions
and multiple countries. In this paper, we used a novel, large-scale, and
multimodal smartphone sensing dataset with over 216K self-reports collected
from 581 young adults in five countries (Mongolia, Italy, Denmark, UK,
Paraguay), first to understand whether social context inference is feasible
with sensor data, and then, to know how behavioral and country-level diversity
affects inferences. We found that several sensors are informative of social
context, that partially personalized multi-country models (trained and tested
with data from all countries) and country-specific models (trained and tested
within countries) can achieve similar performance above 90% AUC, and that
models do not generalize well to unseen countries regardless of geographic
proximity. These findings confirm the importance of the diversity of mobile
data, to better understand social context inference models in different
countries.
- Abstract（参考訳）: 人々の日常生活における社会的状況の展開を理解することは、ユーザの個人的目標、幸福、活動を支援するモバイルシステムの設計に関係している。
アンケートの代替として、スマートフォンのセンサデータを受動的に収集し、機械学習モデルで社会的状況(一人かどうか)を推測する研究がある。
しかし、現存する数少ない研究は、1つか2か国で特定の日常生活の機会と限られた地理的コホートに焦点を当てている。
これは、日常生活や複数の国への一般化の観点から、推論モデルがどのように機能するかの理解を制限している。
本稿では,5カ国(モンゴル,イタリア,デンマーク,イギリス,パラグアイ)の581人の若者から収集された216K以上の自己申告データを用いた,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用いて,社会的文脈推論がセンサデータで可能かどうかを把握し,行動的・国レベルの多様性が推論に与える影響を明らかにする。
その結果、複数のセンサが社会状況に情報を与え、複数の国でパーソナライズされたモデル(すべての国のデータでトレーニングされ、テストされている)と国固有のモデル(国内でトレーニングされテストされている)が90%以上のauc以上の性能を達成できることがわかった。
これらの結果は、異なる国の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。
関連論文リスト
- CIVICS: Building a Dataset for Examining Culturally-Informed Values in Large Language Models [59.22460740026037]
大規模言語モデル(LLM)の社会的・文化的変動を評価するためのデータセット「CIVICS:文化インフォームド・バリュース・インクルーシブ・コーパス・フォー・ソシエティ・インパクト」
我々は、LGBTQIの権利、社会福祉、移民、障害権利、代理など、特定の社会的に敏感なトピックに対処する、手作りの多言語プロンプトのデータセットを作成します。
論文 参考訳（メタデータ） (2024-05-22T20:19:10Z) - Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。
インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。
多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
論文 参考訳（メタデータ） (2024-02-28T00:22:42Z) - Understanding the Social Context of Eating with Multimodal Smartphone
Sensing: The Role of Country Diversity [5.764112063319108]
本研究は,8カ国678人の大学生を対象に,約24Kの自己申告データを収集した。
分析の結果,食事イベントにおけるスマートフォンの利用状況は各国で類似しているが,各国に特有の傾向がみられた。
論文 参考訳（メタデータ） (2023-06-01T14:16:59Z) - 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) - Investigating Cultural Aspects in the Fundamental Diagram using
Convolutional Neural Networks and Simulation [0.0]
本稿では,ブラジルとドイツにおける文化(個人空間)における重要な属性の違いに着目した。
我々は、CNNを用いて、ビデオシーケンス中の人を検出し、追跡し、Voronoi Diagramsを使って、人の隣り合う関係を見つけます。
個人空間の分析から,人口密度が高く,低密度・中密度の個体群では,行動がより類似していることが判明した。
論文 参考訳（メタデータ） (2020-09-30T14:44:04Z) - Vyaktitv: A Multimodal Peer-to-Peer Hindi Conversations based Dataset
for Personality Assessment [50.15466026089435]
本稿では,ピアツーピアのHindi会話データセットであるVyaktitvを提案する。
参加者の高品質な音声とビデオの録音と、会話ごとにヒングリッシュのテキストによる書き起こしで構成されている。
データセットには、収入、文化的指向など、すべての参加者のための豊富な社会デコグラフィー的特徴が含まれています。
論文 参考訳（メタデータ） (2020-08-31T17:44:28Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳（メタデータ） (2020-02-05T11:10:44Z) - Think Locally, Act Globally: Federated Learning with Local and Global
Representations [92.68484710504666]
フェデレートラーニング(Federated Learning)とは、複数のデバイスに分散したプライベートデータ上でモデルをトレーニングする手法である。
本稿では,各デバイス上でコンパクトな局所表現を共同で学習する新しいフェデレーション学習アルゴリズムを提案する。
また、プライバシが鍵となる実世界のモバイルデータから、パーソナライズされた気分予測のタスクを評価する。
論文 参考訳（メタデータ） (2020-01-06T12:40:21Z)
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。