論文の概要: DiversityOne: A Multi-Country Smartphone Sensor Dataset for Everyday Life Behavior Modeling
- arxiv url: http://arxiv.org/abs/2502.03347v1
- Date: Wed, 05 Feb 2025 16:40:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-06 14:27:47.968115
- Title: DiversityOne: A Multi-Country Smartphone Sensor Dataset for Everyday Life Behavior Modeling
- Title（参考訳）: DiversityOne: 日々の行動モデリングのための多機能スマートフォンセンサデータセット
- Authors: Matteo Busso, Andrea Bontempelli, Leonardo Javier Malcotti, Lakmal Meegahapola, Peter Kun, Shyam Diwakar, Chaitanya Nutakki, Marcelo Dario Rodas Britez, Hao Xu, Donglei Song, Salvador Ruiz Correa, Andrea-Rebeca Mendoza-Lara, George Gaskell, Sally Stares, Miriam Bidoglia, Amarsanaa Ganbold, Altangerel Chagnaa, Luca Cernuzzi, Alethia Hume, Ronald Chenu-Abente, Roy Alia Asiku, Ivan Kayongo, Daniel Gatica-Perez, Amalia de Götzen, Ivano Bison, Fausto Giunchiglia,
- Abstract要約: DiversityOneは8つの国(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)にまたがるデータセットで、4週間にわたって772人の大学生のデータを含んでいる。
今日現在、このデータセットは最も大きく、最も多様な公開データセットの1つであり、広範な人口統計学的および精神社会的調査データを特徴としている。
- 参考スコア（独自算出の注目度）: 12.289430134399078
- License:
- Abstract: Understanding everyday life behavior of young adults through personal devices, e.g., smartphones and smartwatches, is key for various applications, from enhancing the user experience in mobile apps to enabling appropriate interventions in digital health apps. Towards this goal, previous studies have relied on datasets combining passive sensor data with human-provided annotations or self-reports. However, many existing datasets are limited in scope, often focusing on specific countries primarily in the Global North, involving a small number of participants, or using a limited range of pre-processed sensors. These limitations restrict the ability to capture cross-country variations of human behavior, including the possibility of studying model generalization, and robustness. To address this gap, we introduce DiversityOne, a dataset which spans eight countries (China, Denmark, India, Italy, Mexico, Mongolia, Paraguay, and the United Kingdom) and includes data from 782 college students over four weeks. DiversityOne contains data from 26 smartphone sensor modalities and 350K+ self-reports. As of today, it is one of the largest and most diverse publicly available datasets, while featuring extensive demographic and psychosocial survey data. DiversityOne opens the possibility of studying important research problems in ubiquitous computing, particularly in domain adaptation and generalization across countries, all research areas so far largely underexplored because of the lack of adequate datasets.
- Abstract（参考訳）: スマートフォンやスマートウォッチなどのパーソナルデバイスを通じて、若者の日常生活行動を理解することは、モバイルアプリにおけるユーザエクスペリエンスの向上から、デジタルヘルスアプリへの適切な介入の実現に至るまで、さまざまなアプリケーションにとって鍵となる。
この目標に向けて、これまでの研究は、受動的センサーデータと人為的なアノテーションや自己レポートを組み合わせたデータセットに依存していた。
しかし、既存のデータセットの多くは範囲に限られており、主にグローバル・ノースの特定の国に焦点を合わせ、少数の参加者を巻き込んだり、限られた範囲の事前処理センサーを使用したりしている。
これらの制限は、モデルの一般化と堅牢性を研究する可能性を含む、人間の行動のクロスカントリーなバリエーションをキャプチャする能力を制限する。
このギャップに対処するため,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)8カ国にまたがるデータセットであるDiversityOneを紹介した。
DiversityOneには、26のスマートフォンセンサーモダリティと350K以上のセルフレポートのデータが含まれている。
今日現在、このデータセットは最も大きく、最も多様な公開データセットの1つであり、広範な人口統計学的および精神社会的調査データを特徴としている。
多様性 ユビキタスコンピューティング、特に各国のドメイン適応と一般化において重要な研究課題を研究する可能性を開く。
関連論文リスト
- The MuSe 2024 Multimodal Sentiment Analysis Challenge: Social Perception and Humor Recognition [64.5207572897806]
マルチモーダル・センティメント・アナリティクス・チャレンジ (MuSe) 2024は、現代の2つのマルチモーダル・インフルエンスと感情分析の問題に対処する。
Social Perception Sub-Challenge (MuSe-Perception)では、参加者は16種類の個人の社会的属性を予測する。
クロスカルカルカルチャー・ヒューモー検出サブチャレンジ(MuSe-Humor)データセットは、Passau Spontaneous Football Coach Humorデータセット上に拡張される。
論文 参考訳（メタデータ） (2024-06-11T22:26:20Z) - An Open-World, Diverse, Cross-Spatial-Temporal Benchmark for Dynamic Wild Person Re-Identification [58.5877965612088]
人物再識別(ReID)は、データ駆動のディープラーニング技術のおかげで大きな進歩を遂げました。
既存のベンチマークデータセットには多様性がなく、これらのデータに基づいてトレーニングされたモデルは、動的なワイルドシナリオに対してうまく一般化できない。
OWDと呼ばれる新しいOpen-World, Diverse, Cross-Spatial-Temporalデータセットを開発した。
論文 参考訳（メタデータ） (2024-03-22T11:21:51Z) - MyDigitalFootprint: an extensive context dataset for pervasive computing
applications at the edge [7.310043452300736]
MyDigitalFootprintは、スマートフォンセンサーデータ、物理的な近接情報、オンラインソーシャルネットワークのインタラクションを含む大規模なデータセットである。
自然環境における31人のボランティアユーザーによる2ヶ月の計測で、制限なしの行動を可能にする。
データセットの有効性を示すために,各種機械学習タスクを利用したコンテキスト認識3つのアプリケーションを提案する。
論文 参考訳（メタデータ） (2023-06-28T07:59:47Z) - 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) - 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) - Retiring Adult: New Datasets for Fair Machine Learning [47.27417042497261]
UCIアダルトは、多くのアルゴリズム的公正な介入の開発と比較の基礎として機能している。
UCIアダルトデータのスーパーセットを米国国勢調査資料から再構築し、その外部妥当性を制限するUCIアダルトデータセットの慣用性を明らかにする。
私たちの主な貢献は、公正な機械学習の研究のために既存のデータエコシステムを拡張する、一連の新しいデータセットです。
論文 参考訳（メタデータ） (2021-08-10T19:19:41Z) - 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) - Multimodal Privacy-preserving Mood Prediction from Mobile Data: A
Preliminary Study [34.550824104906255]
精神的な健康状態は、先進医療に共通のアクセスを持つ国でも診断が不十分である。
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、毎日のスマートフォンの利用だ。
リスクの高い青年の移動行動のデータセットを用いて行動マーカーや日常の気分を調査した。
論文 参考訳（メタデータ） (2020-12-04T01:44:22Z) - 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)
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。