論文の概要: Smartphone monitoring of smiling as a behavioral proxy of well-being in everyday life

• arxiv url: http://arxiv.org/abs/2512.11905v1
• Date: Wed, 10 Dec 2025 15:56:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.013985
• Title: Smartphone monitoring of smiling as a behavioral proxy of well-being in everyday life
• Title（参考訳）: 日常生活における幸福の行動指標としての笑顔のスマートフォンモニタリング
• Authors: Ming-Zher Poh, Shun Liao, Marco Andreetto, Daniel McDuff, Jonathan Wang, Paolo Di Achille, Jiang Wu, Yun Liu, Lawrence Cai, Eric Teasley, Mark Malhotra, Anupam Pathak, Shwetak Patel,
• Abstract要約: 1週間で233人の同意者から受動的に記録された405,448本のビデオクリップを分析した。 深層学習モデルを用いて、笑顔の強さを定量化し、異なる日中パターンと日中パターンを特定した。
• 参考スコア（独自算出の注目度）: 16.032244280413178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Subjective well-being is a cornerstone of individual and societal health, yet its scientific measurement has traditionally relied on self-report methods prone to recall bias and high participant burden. This has left a gap in our understanding of well-being as it is expressed in everyday life. We hypothesized that candid smiles captured during natural smartphone interactions could serve as a scalable, objective behavioral correlate of positive affect. To test this, we analyzed 405,448 video clips passively recorded from 233 consented participants over one week. Using a deep learning model to quantify smile intensity, we identified distinct diurnal and daily patterns. Daily patterns of smile intensity across the week showed strong correlation with national survey data on happiness (r=0.92), and diurnal rhythms documented close correspondence with established results from the day reconstruction method (r=0.80). Higher daily mean smile intensity was significantly associated with more physical activity (Beta coefficient = 0.043, 95% CI [0.001, 0.085]) and greater light exposure (Beta coefficient = 0.038, [0.013, 0.063]), whereas no significant effects were found for smartphone use. These findings suggest that passive smartphone sensing could serve as a powerful, ecologically valid methodology for studying the dynamics of affective behavior and open the door to understanding this behavior at a population scale.
• Abstract（参考訳）: 主観的幸福は個人の健康と社会的健康の基盤となっているが、伝統的にその科学的測定は偏見と高い負担を想起させる自己申告法に依存してきた。 これは、私たちの幸福に対する理解のギャップを、日々の生活の中で表現されているように残している。 我々は、自然のスマートフォンのやりとり中に捉えた率直な笑顔が、スケーラブルで客観的な行動相関の正の影響を補うことができると仮定した。 被験者233名から受動的に記録したビデオクリップ405,448本を1週間にわたって分析した。 深層学習モデルを用いて、笑顔の強さを定量化し、異なる日中パターンと日中パターンを特定した。 毎日の笑顔強度のパターンは幸福に関する全国調査データ(r=0.92)と強く相関しており、日中のリズムは、日中の再現法(r=0.80)の確立した結果と密接な対応を示した。 日平均笑顔強度は身体活動量(Beta coefficient = 0.043, 95% CI [0.001, 0.085])と光暴露量(Beta coefficient = 0.038, [0.013, 0.063])と有意な相関を示した。 これらの結果は、受動的スマートフォンセンシングが、感情行動のダイナミクスを研究し、人口規模でこの行動を理解するための扉を開くための、強力で生態学的に有効な方法論として役立つことを示唆している。

関連論文リスト

• Optimizing Emotion Recognition with Wearable Sensor Data: Unveiling Patterns in Body Movements and Heart Rate through Random Forest Hyperparameter Tuning [0.0]
  調査では、スマートウォッチと心拍モニターを装着した50人の参加者が250メートルの歩行を完了した。 被験者の感情状態はPANASアンケートを用いて評価した。 研究は、歩く前に映画を見ること、歩く前に音楽を聴くこと、歩きながら音楽を聴くことの3つのシナリオを精査した。
  論文  参考訳（メタデータ） (2024-07-28T10:48:42Z)
• The Relationship Between Speech Features Changes When You Get Depressed: Feature Correlations for Improving Speed and Performance of Depression Detection [69.88072583383085]
  この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。 このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
  論文  参考訳（メタデータ） (2023-07-06T09:54:35Z)
• Inferring Mood-While-Eating with Smartphone Sensing and Community-Based Model Personalization [4.042509002030685]
  本研究では,メキシコと8カ国の大学生の2つのデータセットを用いて,日常の食事行動と気分について検討する。 以上の結果から,一般的な気分推定モデルでは,食事時など特定の文脈におけるパフォーマンスが低下していることが示唆された。 以上の結果から,MEXデータセットは63.8%(F1スコア62.5),MULデータセットは88.3%(F1スコア85.7)と推定できた。
  論文  参考訳（メタデータ） (2023-06-01T14:24:10Z)
• Flexible social inference facilitates targeted social learning when rewards are not observable [58.762004496858836]
  グループは、個人が他人の成功から学べるときにより効果的にコーディネートする。 社会的推論能力は、このギャップを埋める助けとなり、個人が他人の基本的な知識に対する信念を更新し、観察可能な行動軌跡から成功することを示唆する。
  論文  参考訳（メタデータ） (2022-12-01T21:04:03Z)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• Smart-Badge: A wearable badge with multi-modal sensors for kitchen activity recognition [8.377995303174325]
  我々は、プライバシー保護、低コスト、非侵襲機能を備えた赤外線アレイセンサーMLX90640を含む6種類のセンサーを備えたスマートライトウェアラブルバッジを提示する。 多チャンネル畳み込みニューラルネットワークを用いて、潜在的不健康な習慣に関連する14の人間の活動を分類する。 本研究は,10人のボランティアが行った14のアクティビティを平均精度92.44 %,F1スコア88.27 %で検出する。
  論文  参考訳（メタデータ） (2022-10-03T12:52:46Z)
• 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)
• 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)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• Deep CHORES: Estimating Hallmark Measures of Physical Activity Using Deep Learning [0.20999222360659603]
  手首の加速度計の人気が高まる中、PA型を認識し、寿命にわたってエネルギー消費(EE)を推定するための厳密な評価が必要である。 時系列データから空間的・時間的表現を抽出する深層学習ネットワークを構築し,PA型認識とEE推定に利用した。
  論文  参考訳（メタデータ） (2020-07-26T12:15:50Z)

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。