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
- 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) - Towards Inferring Users' Impressions of Robot Performance in Navigation
Scenarios [7.657890824144234]
本研究では,非言語行動手がかりと機械学習技術を用いて,ロボット行動に対する人々の印象を予測する可能性について検討した。
以上の結果から,表情だけでロボット性能の人的印象について有用な情報が得られることが示唆された。
現実のナビゲーションシナリオにおいて,これらの予測モデルを実装するためのガイドラインを提供する。
論文 参考訳(メタデータ) (2023-10-17T21:12:32Z) - 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) - Estimating Driver Personality Traits from On-Road Driving Data [1.4330510916280879]
本稿では,運転支援システムにおける運転データを用いた運転者の心理的特徴の推定に焦点をあてる。
本研究では,認知機能,心理的運転スタイル,作業負荷感などのドライバの心理的特徴を推定するモデルを構築した。
論文 参考訳(メタデータ) (2023-02-09T20:46:46Z) - 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) - Evaluating and Inducing Personality in Pre-trained Language Models [78.19379997967191]
人間の個性理論を機械行動研究のツールとして活用することで,心理測定研究からインスピレーションを得た。
これらの疑問に答えるために,機械の動作を研究するためのMachine Personality Inventory(MPI)ツールを紹介した。
MPIは、ビッグファイブ・パーソナリティ・ファクター(Big Five Personality Factors、ビッグファイブ・パーソナリティ・ファクター)理論とパーソナリティ評価在庫に基づく標準化されたパーソナリティ・テストに従う。
パーソナリティ・プロンプト法(P2法)を考案し、特定のパーソナリティを持つLSMを制御可能な方法で誘導する。
論文 参考訳(メタデータ) (2022-05-20T07:32:57Z) - 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。