論文の概要: Predicting life satisfaction using machine learning and explainable AI

• arxiv url: http://arxiv.org/abs/2510.16547v1
• Date: Sat, 18 Oct 2025 15:44:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.032481
• Title: Predicting life satisfaction using machine learning and explainable AI
• Title（参考訳）: 機械学習と説明可能なAIを用いた生活満足度予測
• Authors: Alif Elham Khan, Mohammad Junayed Hasan, Humayra Anjum, Nabeel Mohammed, Sifat Momen,
• Abstract要約: 本研究では、機械学習アルゴリズムが、93.80%の精度で生活満足度を予測する可能性を実証した。 このデータセットは、デンマークで16歳から64歳の政府の調査から得られたものだ。 その結果, 生活満足度予測は臨床領域よりもバイオメディカル領域と密接な関係があることが判明した。
• 参考スコア（独自算出の注目度）: 2.323831109350963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Life satisfaction is a crucial facet of human well-being. Hence, research on life satisfaction is incumbent for understanding how individuals experience their lives and influencing interventions targeted at enhancing mental health and well-being. Life satisfaction has traditionally been measured using analog, complicated, and frequently error-prone methods. These methods raise questions concerning validation and propagation. However, this study demonstrates the potential for machine learning algorithms to predict life satisfaction with a high accuracy of 93.80% and a 73.00% macro F1-score. The dataset comes from a government survey of 19000 people aged 16-64 years in Denmark. Using feature learning techniques, 27 significant questions for assessing contentment were extracted, making the study highly reproducible, simple, and easily interpretable. Furthermore, clinical and biomedical large language models (LLMs) were explored for predicting life satisfaction by converting tabular data into natural language sentences through mapping and adding meaningful counterparts, achieving an accuracy of 93.74% and macro F1-score of 73.21%. It was found that life satisfaction prediction is more closely related to the biomedical domain than the clinical domain. Ablation studies were also conducted to understand the impact of data resampling and feature selection techniques on model performance. Moreover, the correlation between primary determinants with different age brackets was analyzed, and it was found that health condition is the most important determinant across all ages. This study demonstrates how machine learning, large language models and XAI can jointly contribute to building trust and understanding in using AI to investigate human behavior, with significant ramifications for academics and professionals working to quantify and comprehend subjective well-being.
• Abstract（参考訳）: 生活満足度は人間の幸福にとって重要な側面である。 したがって、生活満足度の研究は、個人が自分の生活をどのように経験するかを理解し、精神的な健康と幸福を増進することを目的とした介入に影響を与えるために存在する。 生活満足度は伝統的にアナログで複雑で、しばしばエラーを起こしやすい方法で測定されてきた。 これらの手法は、検証と伝播に関する疑問を提起する。 しかし、本研究では、機械学習アルゴリズムが93.80%の精度と73.00%のマクロF1スコアで生活満足度を予測する可能性を実証した。 このデータセットは、デンマークで16歳から64歳の政府の調査から得られたものだ。 特徴学習技術を用いて, 内容評価のための27の重要な質問項目を抽出し, 再現性が高く, シンプルで, 理解しやすくなった。 さらに, 表形式のデータを自然言語文に変換し, 意味のあるものを追加し, 93.74%, マクロF1スコア73.21%の精度で, 生活満足度を予測するために, 臨床およびバイオメディカル大言語モデル(LLMs)を検討した。 その結果, 生活満足度予測は臨床領域よりもバイオメディカル領域と密接な関係があることが判明した。 また,データ再サンプリングと特徴選択技術がモデル性能に与える影響について検討した。 さらに, 年齢差の異なる一次決定因子の相関を解析した結果, 健康状態がすべての年齢において最も重要な決定因子であることが判明した。 この研究は、機械学習、大規模言語モデル、XAIが、AIを使って人間の行動を調べることにおける信頼と理解の構築にどのように貢献するかを実証する。

関連論文リスト

• Feature-Enhanced Machine Learning for All-Cause Mortality Prediction in Healthcare Data [0.0]
  本研究は,MIMIC-IIIデータベースを用いた全病院死亡予測のための機械学習モデルを評価する。 我々は,バイタルサイン(心拍数,血圧など),実験結果,人口統計情報などの重要な特徴を抽出した。 ランダムフォレストモデルは、AUCの0.94で最高性能を達成し、他の機械学習やディープラーニングのアプローチを著しく上回った。
  論文  参考訳（メタデータ） (2025-03-27T08:04:42Z)
• An Explainable Machine Learning Approach for Age and Gender Estimation in Living Individuals Using Dental Biometrics [1.3792520979150962]
  本研究は, 生活者における年齢・性別推定の予測システムを開発することを目的とする。 新しいアンサンブル学習技術が開発され、異なる歯科用計測値に合わせて複数のモデルを用いている。 SHAPを使って説明可能なAIモデルが作成され、歯科専門家が司法判断を下せるようになった。
  論文  参考訳（メタデータ） (2024-11-12T21:33:11Z)
• Data-Driven Machine Learning Approaches for Predicting In-Hospital Sepsis Mortality [0.0]
  セプシスはアメリカ合衆国と世界中で多くの死者を負う重篤な状態である。 機械学習を用いたこれまでの研究では、特徴選択とモデル解釈可能性に制限があった。 本研究は,院内敗血症死亡率を予測するための,解釈可能かつ正確な機械学習モデルを開発することを目的とした。
  論文  参考訳（メタデータ） (2024-08-03T00:28:25Z)
• Social network analysis for personalized characterization and risk assessment of alcohol use disorders in adolescents using semantic technologies [42.29248343585333]
  アルコール使用障害(AUD)は、世界中の公衆衛生機関にとって大きな関心事である。 本稿では、知識モデルの構築方法を示し、従来の手法を用いて得られた結果と、この完全自動化モデルとの比較を行う。
  論文  参考訳（メタデータ） (2024-02-14T16:09:05Z)
• Health-LLM: Large Language Models for Health Prediction via Wearable Sensor Data [43.48422400822597]
  大規模言語モデル(LLM)は多くの自然言語処理が可能であるが、完璧には程遠い。 本稿では、文脈情報に基づいて、健康に関する推測を行うLLMの能力について検討する。 本研究は,4つの公衆衛生データセットを用いた12種類のLCMの包括的評価と微調整技術について述べる。
  論文  参考訳（メタデータ） (2024-01-12T19:40:11Z)
• Exploration of Adolescent Depression Risk Prediction Based on Census Surveys and General Life Issues [7.774933303698165]
  青年期におけるうつ病の頻度は着実に増加している。 尺度や面接に依存する従来の診断方法は、特に若者のうつ病を検出するには不十分である。 本研究では,高度不均衡な高次元データを管理する手法と,データ構造特性に合わせた適応予測手法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T09:14:25Z)
• De-identification of clinical free text using natural language processing: A systematic review of current approaches [48.343430343213896]
  自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。 本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
  論文  参考訳（メタデータ） (2023-11-28T13:20:41Z)
• Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
  社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。 ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
  論文  参考訳（メタデータ） (2023-09-13T15:42:06Z)
• Learning Predictive and Interpretable Timeseries Summaries from ICU Data [33.787187660310444]
  本研究では,ヒトが予測的かつ容易に理解できる臨床時系列の要約を学習するための新しい手法を提案する。 学習した要約は従来の解釈可能なモデルクラスより優れており、病院内死亡率分類タスクにおける最先端のディープラーニングモデルに匹敵する性能を実現している。
  論文  参考訳（メタデータ） (2021-09-22T21:14:05Z)
• 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。