論文の概要: Facial Width-to-Height Ratio Does Not Predict Self-Reported Behavioral Tendencies

• arxiv url: http://arxiv.org/abs/2410.09979v1
• Date: Sun, 13 Oct 2024 19:48:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-30 03:53:37.592899
• Title: Facial Width-to-Height Ratio Does Not Predict Self-Reported Behavioral Tendencies
• Title（参考訳）: 顔の幅と高さの比率は、自己申告された行動傾向を予測しない
• Authors: Michal Kosinski,
• Abstract要約: 顔の幅と高さの比率(fWHR)は、様々な反社会的または暴力的な行動傾向と結びついている研究が増えている。 この研究は、137,163人の被験者を対象に、fWHRと行動傾向の関係を再検討した。
• 参考スコア（独自算出の注目度）: 11.622327857276389
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A growing number of studies have linked facial width-to-height ratio (fWHR) with various antisocial or violent behavioral tendencies. However, those studies have predominantly been laboratory based and low powered. This work reexamined the links between fWHR and behavioral tendencies in a large sample of 137,163 participants. Behavioral tendencies were measured using 55 well-established psychometric scales, including self-report scales measuring intelligence, domains and facets of the five-factor model of personality, impulsiveness, sense of fairness, sensational interests, self-monitoring, impression management, and satisfaction with life. The findings revealed that fWHR is not substantially linked with any of these self-reported measures of behavioral tendencies, calling into question whether the links between fWHR and behavior generalize beyond the small samples and specific experimental settings that have been used in past fWHR research.
• Abstract（参考訳）: 顔の幅と高さの比率(fWHR)は、様々な反社会的または暴力的な行動傾向と結びついている研究が増えている。 しかし、これらの研究は主に実験室ベースで低出力である。 この研究は、137,163人の被験者を対象に、fWHRと行動傾向の関係を再検討した。 行動傾向は,5段階の人格モデル,衝動性,公正感,感覚的関心,自己監視,印象管理,生活への満足感の自己申告尺度を含む55種類の心理測定尺度を用いて測定した。 その結果、fWHRは、これらの自己報告された行動傾向の指標と実質的には関連していないことが明らかとなり、fWHRと行動の関係が、過去のfWHR研究で使用されてきた小さなサンプルや特定の実験環境を超えて一般化するかどうかという疑問が投げかけられた。

関連論文リスト

• Language models emulate certain cognitive profiles: An investigation of how predictability measures interact with individual differences [1.942809872918085]
  本研究では,人間の読取時間データに基づく言語モデル (LM) から推定した,主観的・エントロピー的測度の予測力を再考する。 本研究は,認知的スコアに対する主観的・エントロピーの調整が,読解時間の予測精度を向上させるかどうかを考察する。 本研究は,ほとんどのケースにおいて,認知能力の付加は,読書時間における主観的・エントロピーの予測能力を増加させることを示した。
  論文  参考訳（メタデータ） (2024-06-07T14:54:56Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Clever Hans or Neural Theory of Mind? Stress Testing Social Reasoning in Large Language Models [82.50173296858377]
  多くの逸話例は、ChatGPTやGPT-4のような新しい大規模言語モデル(LLM)が、N-ToM(Neural Theory-of-Mind)を示すことを示唆するために使用された。 我々は,LLMsのN-ToMの範囲を6つのタスクに対して広範囲に評価することにより検討し,LLMsが特定のN-ToM能力を示す一方で,この挙動は堅牢性には程遠いことを見出した。
  論文  参考訳（メタデータ） (2023-05-24T06:14:31Z)
• Comparing Psychometric and Behavioral Predictors of Compliance During Human-AI Interactions [5.893351309010412]
  アダプティブAI研究における一般的な仮説は、信頼への偏見の微妙な違いは、AIからの勧告に従う可能性に大きな影響を及ぼす、というものである。 我々は、コンプライアンスの行動予測者に対して、この種の一般的な尺度をベンチマークする。 これは、初期行動における個人差が、自己報告された信頼態度の違いよりも予測的であるという一般的な性質を示唆している。
  論文  参考訳（メタデータ） (2023-02-03T16:56:25Z)
• Dataset Bias in Human Activity Recognition [57.91018542715725]
  このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。 時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-19T12:33:50Z)
• Do Transformer Models Show Similar Attention Patterns to Task-Specific Human Gaze? [0.0]
  最先端のNLPモデルにおける自己注意機能は、人間の注意と相関することが多い。 本研究では、大規模事前学習言語モデルにおける自己注意が、人間の注意の古典的認知モデルとしての課題読解における人間の眼球固定パターンの予測であるかどうかを検討する。
  論文  参考訳（メタデータ） (2022-04-25T08:23:13Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Detection of Racial Bias from Physiological Responses [2.6260952524631787]
  本稿では,生理的反応から人種的偏見を確実に検出できるかどうかを検討する。 生理的データをEnpatica E4リストバンドで収集した46名の被験者のデータを分析した。 我々の機械学習と統計分析は、76.1%の精度で生理学的信号から暗黙の偏見を予測できることを示している。
  論文  参考訳（メタデータ） (2021-02-02T03:52:51Z)
• Detecting Human-Object Interactions with Action Co-occurrence Priors [108.31956827512376]
  人-物間相互作用(HOI)検出タスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。 我々は、人間と物体の相互作用の間に自然の相関と反相関が存在することを観察した。 我々はこれらの先行知識を学習し、特に稀なクラスにおいてより効果的な訓練に活用する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-17T02:47:45Z)

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。