論文の概要: The CAST-framework: Measure and model social media use as a multi-level phenomenon through real-world applications

• arxiv url: http://arxiv.org/abs/2609.15978v1
• Date: Mon, 14 Sep 2026 17:57:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.577721
• Title: The CAST-framework: Measure and model social media use as a multi-level phenomenon through real-world applications
• Title（参考訳）: CASTフレームワーク:実世界の応用によるマルチレベル現象としてのソーシャルメディア利用の測定とモデル化
• Abstract要約: CASTフレームワークを導入し、測定選択と被曝、行動、生理学、経験の個人固有のモデルとを結びつける。 モバイルとウェアラブルのデータを自己報告と介入応答でリンクする4つの同期計測モジュールを提案する。 このフレームワークは、ソーシャルメディアのインターフェースと介入を評価するための手段と成果の選択をガイドする。
• 参考スコア（独自算出の注目度）: 1.48927186783029
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing social media experiences that support well-being requires understanding when, how, and for whom use matters. Screen-time totals omit content and context, and connecting these with behavior and experience requires coordinating measurements across timescales. We introduce the CAST framework to connect measurement choices with person-specific models of exposure, behavior, physiology, and experience. Its dimensions specify where observations occur, how they are obtained, what they measure, and at what temporal resolution. Responses to interventions, such as whether to proceed after an app-opening pause, enter as behavioral measurements. We propose four synchronized measurement modules linking mobile and wearable data with self-reports and intervention responses. A synthetic demonstration with 120 simulated participants over 28 days illustrates how daily aggregation can obscure opposing effects of different activities under specified generating assumptions. The framework guides selection of measures and outcomes for evaluating social media interfaces and interventions.
• Abstract（参考訳）: 幸福をサポートするソーシャルメディア体験をデザインするには、いつ、どのように、誰が重要かを理解する必要がある。 スクリーンタイムは、内容とコンテキストを省略し、これらを行動と経験と結びつけるには、時間スケールをまたいで測定を調整する必要がある。 CASTフレームワークを導入し、測定選択と被曝、行動、生理学、経験の個人固有のモデルとを結びつける。 その次元は、観測される場所、どのように得られるか、測定するもの、そして時間分解能を示す。 アプリの起動停止後に進むかどうかといった介入に対する反応は、行動測定として入力される。 モバイルとウェアラブルのデータを自己報告と介入応答でリンクする4つの同期計測モジュールを提案する。 28日間にわたる120人のシミュレーション参加者による人工的なデモンストレーションは、特定の生成仮定の下で、日々の集合が異なる活動の反対効果をいかに曖昧にするかを示している。 このフレームワークは、ソーシャルメディアのインターフェースと介入を評価するための手段と成果の選択をガイドする。

関連論文リスト

• Inter-X++: A Comprehensive Benchmark for Multimodal Human-Human Interaction Analysis [55.78822230833247]
  We present Inter-X++, a comprehensive and large-scale benchmark designed to empower useful HHI analysis。 インターX++は11,388個の高忠実な相互作用シーケンスと8.1Mフレームを提供する。 インタラクションの再構築と意味理解を協調的に最適化する,単一かつ統一されたHHI表現とモデリングフレームワークOpenHHIを提案する。
  論文  参考訳（メタデータ） (2026-08-20T17:51:48Z)
• Engagement Process: Rethinking the Temporal Interface of Action and Observation [26.709060042723348]
  Engagement Process(EP)は、適切な意思決定手順でペアを組むのではなく、イベントストリームの分離としてアクションとオブザーバを表現します。 EPは、検討、遅延、遅延フィードバック、永続的なアクションなど、単一エージェントのタイミング問題をキャプチャする。 EPはステップベースのインターフェースによって隠された一時的な振る舞いを公開し、ポリシーが明示的な時間的コストで適応できるようにする。
  論文  参考訳（メタデータ） (2026-05-12T04:02:03Z)
• Generative Experiences for Digital Mental Health Interventions: Evidence from a Randomized Study [56.17549485306432]
  GUIDEは、パーソナライズされた介入内容とマルチモーダルインタラクション構造を生成するシステムである。 N = 237人の参加者による事前登録調査では、GUIDEはストレスを著しく減らし、ユーザエクスペリエンスを改善した。 この研究は、デジタル設定でサポートをどのように経験し、実施するかを動的に形成する介入の基礎を築いた。
  論文  参考訳（メタデータ） (2026-04-08T19:59:28Z)
• SocialOmni: Benchmarking Audio-Visual Social Interactivity in Omni Models [86.19617358080016]
  Social Omniは、3つのコア次元にわたる対話性の評価を運用するベンチマークである。 Social Omniは2000の知覚サンプルと209の相互作用生成インスタンスの品質管理された診断セットを備えている。 本分析により,モデルの知覚的精度と,文脈的に適切な割り込みを生成する能力との間に顕著な疎結合が明らかとなった。
  論文  参考訳（メタデータ） (2026-03-17T17:58:44Z)
• Evaluating Few-Shot Temporal Reasoning of LLMs for Human Activity Prediction in Smart Environments [1.411614392022118]
  既存のデータ駆動エージェントベースのモデルは、低データ環境において苦労する。 本稿では,人間の知識に基づいて事前学習された大規模言語モデルがこのギャップを埋めるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-01-20T20:58:17Z)
• Estimating Online Influence Needs Causal Modeling! Counterfactual Analysis of Social Media Engagement [6.979194533898427]
  政策タイミングとエンゲージメント効果の両方に適応する新しい共同治療・アウトカムフレームワークを導入する。 本手法は,医療の因果推論手法に適応し,ソーシャルメディアの相互作用の逐次的性質に平均治療効果(ATE)を推定する。
  論文  参考訳（メタデータ） (2025-05-25T23:03:24Z)
• Harnessing Temporal Causality for Advanced Temporal Action Detection [53.654457142657236]
  本稿では,因果的注意と因果的マンバを組み合わせたCausalTADを提案する。 Ego4D Challenge 2024では,EPIC-Kitchens Challenge 2024では行動認識,行動検出,音声によるインタラクション検出トラックで1位,Ego4D Challenge 2024ではMoment Queriesトラックで1位にランクインした。
  論文  参考訳（メタデータ） (2024-07-25T06:03:02Z)
• Variable Importance Matching for Causal Inference [73.25504313552516]
  これらの目標を達成するためのModel-to-Matchと呼ばれる一般的なフレームワークについて説明する。 Model-to-Matchは、距離メートル法を構築するために変数重要度測定を使用する。 LASSO を用いて Model-to-Match フレームワークを運用する。
  論文  参考訳（メタデータ） (2023-02-23T00:43:03Z)
• Bag of States: A Non-sequential Approach to Video-based Engagement Measurement [7.864500429933145]
  学生の行動的・感情的状態は、そのエンゲージメントのレベルを測定するために、きめ細かい時間スケールで分析する必要がある。 既存の多くのアプローチは、ビデオから学生のエンゲージメントを測定するために、繰り返しニューラルネットワーク、時間畳み込みネットワーク、三次元畳み込みニューラルネットワークなどのシーケンシャルモデルとテンポラルモデルを開発した。 本研究では,学生の行動状態と感情状態のみをモデル化・解析し,それらの発生順序をモデル化する。
  論文  参考訳（メタデータ） (2023-01-17T07:12:34Z)
• 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)
• Characterizing Human Actions in the Digital Platform by Temporal Context [9.657531563610767]
  それぞれのアクションとその時間間隔を共同で埋め込む2スケールのアクション・タイミング・コンテキスト・フレームワークを紹介します。 ATCは行動の低次元表現を取得し、時間間情報を特徴付ける。 その結果,デジタルプラットフォーム上での人間活動の包括的,解釈可能な理解には,時間的文脈を明示的にモデル化することが不可欠であることが示唆された。
  論文  参考訳（メタデータ） (2022-06-20T02:04:04Z)
• Using Interaction Data to Predict Engagement with Interactive Media [8.35844047176969]
  本稿では,対話型テレビ番組とのインタラクションから得られたデータを用いて,エンゲージメントのモデル化と予測を行う。 経験とイベント間の間隔に費やされた時間を含む時間的メトリクスが、エンゲージメントの予測であることがわかった。
  論文  参考訳（メタデータ） (2021-08-04T10:28:36Z)

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。