論文の概要: Personality Trait Inference Via Mobile Phone Sensors: A Machine Learning Approach

• arxiv url: http://arxiv.org/abs/2401.10305v2
• Date: Mon, 22 Jan 2024 18:12:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-23 18:54:43.829153
• Title: Personality Trait Inference Via Mobile Phone Sensors: A Machine Learning Approach
• Title（参考訳）: 携帯電話センサを用いたパーソナリティトラスト推定 : 機械学習によるアプローチ
• Authors: Wun Yung Shaney Sze, Maryglen Pearl Herrero, Roger Garriga
• Abstract要約: 本研究では,携帯電話センサを用いて収集した活動データから人格を確実に予測できることを示す。 2種類の問題に対して,ユーザの性格を最大0.78F1まで予測することができた。 スマートフォンのセンサと機械学習技術の組み合わせが、パーソナリティ研究の進展にどう役立つかを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study provides evidence that personality can be reliably predicted from activity data collected through mobile phone sensors. Employing a set of well informed indicators calculable from accelerometer records and movement patterns, we were able to predict users' personality up to a 0.78 F1 score on a two class problem. Given the fast growing number of data collected from mobile phones, our novel personality indicators open the door to exciting avenues for future research in social sciences. Our results reveal distinct behavioral patterns that proved to be differentially predictive of big five personality traits. They potentially enable cost effective, questionnaire free investigation of personality related questions at an unprecedented scale. We show how a combination of rich behavioral data obtained with smartphone sensing and the use of machine learning techniques can help to advance personality research and can inform both practitioners and researchers about the different behavioral patterns of personality. These findings have practical implications for organizations harnessing mobile sensor data for personality assessment, guiding the refinement of more precise and efficient prediction models in the future.
• Abstract（参考訳）: 本研究は,携帯電話センサから収集した行動データから,パーソナリティが確実に予測できることを示す。 加速度計記録と運動パターンから計算可能な,十分なインジケータのセットを用いて,2クラス問題におけるユーザの性格を最大0.78F1まで予測することができた。 携帯電話から収集されるデータ数の増加を考えると、私たちの新しいパーソナリティ指標は、未来の社会科学研究のためのエキサイティングな道を開く。 以上の結果から,大きな五人格の特徴を差分的に予測できる行動パターンが明らかとなった。 これは、前例のない規模のパーソナリティ関連質問に対して、費用対効果とアンケートフリーで調査を可能にする可能性がある。 スマートフォンセンシングによって得られたリッチな行動データと機械学習技術の組み合わせは、パーソナリティ研究の進展にどのように役立つかを示し、実践者と研究者の両方にパーソナリティの異なる行動パターンを知らせる。 これらの知見は,将来,より正確かつ効率的な予測モデルの改良をめざして,人格評価にモバイルセンサデータを活用する組織にとって,実践的な意味を持つ。

関連論文リスト

• AWARE Narrator and the Utilization of Large Language Models to Extract Behavioral Insights from Smartphone Sensing Data [6.110013784860154]
  スマートフォンは健康関連行動や状況の追跡を促進し、デジタル表現に大きく貢献する。 本稿では,スマートフォンから収集したデータを構造化した時系列物語に体系的に変換する手法を提案する。 この枠組みを1週間にわたって大学生の収集したデータに適用し,個々の行動の要約に物語を活用する可能性を実証した。
  論文  参考訳（メタデータ） (2024-11-07T13:23:57Z)
• 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)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• Personality Detection and Analysis using Twitter Data [7.584657555037871]
  私たちは、研究コミュニティのために、最も大きな自動キュレートされたデータセットをリリースします。 このデータセットには1億5200万のツイートと、Myers-Briggs Personal Type (MBTI)予測タスク用の56万のデータポイントが含まれている。 興味深い分析結果が自然の直感にどのように従うかを示す。
  論文  参考訳（メタデータ） (2023-09-11T14:39:04Z)
• 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 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)
• Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia for Human Personality Profiling [74.83957286553924]
  我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。 実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
  論文  参考訳（メタデータ） (2021-06-20T10:48:49Z)
• Predicting Relationship Labels and Individual Personality Traits from Telecommunication History in Social Networks using Hawkes Processes [5.668126716715423]
  携帯電話には豊富な個人情報が含まれているので、安全を保とうとしています。 我々は、匿名のコミュニケーショントレースから、個人の心理的プロファイルとその仲間との関係を予測できるという大規模な証拠を提供する。
  論文  参考訳（メタデータ） (2020-09-04T07:24:49Z)
• Jointly Predicting Job Performance, Personality, Cognitive Ability, Affect, and Well-Being [42.67003631848889]
  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。
  論文  参考訳（メタデータ） (2020-06-10T14:30:29Z)

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。