ソーシャルメディア行動から時間選好を予測する


次世代コンピュータシステム
第130巻、2022年5月、155-163ページ
ソーシャルメディア行動から時間選好を予測する

https://www.sciencedirect.com/science/article/abs/pii/S0167739X21004982

著者リンクを開くオーバーレイパネルChristoph F. Kurz, Adriana N. ケーニッヒ
もっと見る
共有
引用
https://doi.org/10.1016/j.future.2021.12.017Get 権利と内容
要旨
時間選好(遅延割引)は、健康や生活に関連した選択を行う際に重要な役割を果たす。より大きな、より遅延した報酬よりも、より小さな、即座の報酬を好む様々な傾向は、中毒的、経済的、犯罪的行動と強く関連していることが分かっている。
我々は、ソーシャルメディアからの一般的なデジタルフットプリント(すなわち、Facebookの「いいね!」)を使用して、個人の双曲線割引率を予測する。予測課題には自動機械学習アプローチを採用した。
我々は、時間嗜好の高低と強い相関を持つ、解釈しやすい様々なトピックを特定した。いいね!」だけを用いて、個人の割引率をランダムよりもはるかに高い精度(�=0.30まで)で予測することができた。また、未来志向の人と現在志向の人をかなりの精度で見分けることができた(最大65%)。Facebookの「いいね!」を予測因子として用いる方が、個人の薬物使用行動に関する情報を用いるよりもはるかに正確であったが、両方の予測因子を組み合わせることで、予測精度がわずかに向上した。
ソーシャルメディアの行動から割引率を予測することは、個人の意思決定を改善するための重要な機会を提供するが、潜在的な操作やプライバシーに関連する落とし穴も伴う。
はじめに
時間選好(または遅延割引)は、個人が即時的な報酬と遅延的な報酬のどちらを選ぶかを特徴付ける。選択肢が与えられたとき、個人は即時の報酬に比べて将来の報酬を低く評価する(すなわち、割り引く)傾向がある。そのため、より大きな遅延報酬よりも、より小さな即時報酬を選好する[1]。時間選好は、私たちの健康や人生を形作る意思決定の方法に大きな役割を果たしている。時間選好性の高い人は、現在と直近の未来における幸福を重視し(「今日型人間」)、時間選好性の低い人は、より遠い未来における幸福を重視する(「明日型人間」)。
時間選好は、人間の意思決定のさまざまな領域と直接結びついている。時間選好は、所得 [2] などの経済的要因だけでなく、犯罪行動 [3]、政治的関与 [4]、喫煙 [5]、 [6]、薬物乱用 [7]、糖尿病 [8]、肥満 [9] などの健康リスク要因とも関連している。時間選好と行動との関連は、潜在的に自傷的な行動パターンをとるリスクのある人々をターゲットにすることの有用性を強調している。
ここで、�は報酬の主観的価値、�は報酬の量、�は月単位の遅延である。割引率�は、個人の時間選好の程度を表し、�が高いほど、個人が将来を急 速に割り引くことを示し、�が低いほど、報酬を待つ忍耐強さを示す。曲線の双曲線的な特性は、目先の結果が遠い将来 の結果よりも強く割り引かれることを意味する[11]。
ソーシャルメディアは個人情報の豊富な情報源である。ユビキタスでアクセスしやすいため、個々のユーザーの特性や行動を大規模に評価することができる。これまでの研究で、フェイスブックのデータを使って様々な個人的な結果を予測することが可能であることが実証されている。うつ病[13]、肥満、糖尿病[14]などの健康障害や、投票行動[15]、個人所得[16]は、フェイスブックの習慣から予測可能である。開放性、神経質[17]、サイコパス、ナルシシズム[18]などの性格特性も、フェイスブックのデータから推測することができる。特に、フェイスブックの「いいね!」に基づくモデルは、パーソナリティを推定するための良いプロキシであり[19]、ウェブ閲覧履歴やオンライン購入と同様に、デジタル行動の非常に一般的なクラスを表している[20], [21]。
近年、機械学習(ML)による性格特性の自動検出は、研究と実践の両方で重要性を増している。本研究ではテキストベースのML手法に焦点を当てているが、音声や視覚入力のような他のデータにも様々な手法を適用することができる(異なる入力モダリティに対するML手法のレビューについては[22]を参照)。潜在ディリクレ割り当て(LDA)では、意味的に関連する単語のトピックを構築する古典的なオープンボキャブラリーメソッドを使用した[22]。テキストデータに基づく他の新しい深層学習手法は、転移学習手法である[23]。例えば、Word2Vecのような事前に訓練された文脈のない単語埋め込みや、BERT(Bidirectional Encoder Representations from Transformers;例えば[24])のような文脈化された拡張がある。また、[23]はBERTを心理言語学的特徴と組み合わせて、性格予測を行う。
理論的な観点からは、[25]によるレンズモデルが、デジタルフットプリントまたはキューから性格を予測するための有用な基礎を提供します。デジタル・キューは、個人の性格を反映し、観察者がこの個人の性格について判断するために使用される [26]。このような判断を行うため、つまり性格を予測するためにMLを適用する場合、アルゴリズムが観察者の役割を引き受ける。先行研究では、オンライン環境におけるレンズモデルの適用性が評価されている。例えば、[27]はフェイスブックのユーザー・プロフィールのどの手掛かりがビッグファイブの性格特性の性格判断に考慮されるかを調査した。[28]は、フェイスブック上の関連する手がかりと、自己監視、正直、外向性、良心性との関係を分析した。
しかし、デジタルフットプリントを時間選好の文脈で使用した先行研究はない。しかし、個人の時間嗜好を予測できれば、有用な介入策の開発が容易になるかもしれない。例えば、時間選好は不健康な行動と関連しているため、割引率を調整したり(例えば[29])、割引率を活用したり(例えば[30])することで、より健康的な意思決定を促進することができる。また、予測された時間嗜好は、パーソナライズされた推薦システムに情報を提供することができる。
本研究では、フェイスブックのデータを使って、個人の割引率�と、個人が「今日派」なのか「明日派」なのかを予測する。そのために、同意を得た個人サンプル(�=2,378)が時間選好に関するアンケートに回答し、フェイスブックの「いいね!」を共有することに同意した。時間選好を推定するために、各個人に即時の金銭的報酬と遅延報酬の選択肢を提示した。
Facebookの「いいね!」とは別に、個人の時間選好を予測する可能性を検討するために、もう1つの新しいアプローチを用いた。時間選好は、ヘロインの使用[31]、喫煙、アルコール摂取[32]などの嗜癖行動と強く関連しているため、我々は、物質の使用、またはフェイスブックの「いいね!」との組み合わせが、個人の割引率の予測因子としても機能するかどうかを調査した。アンケートでは、参加者に物質使用習慣(喫煙、飲酒、薬物使用)について尋ねた。これにより、物質使用行動、「いいね!」、およびその両方の組み合わせの予測力を比較することができた。
セクションの抜粋
時間選好測定
参加者は、異なる時間遅延で提供される様々な金銭的金額から、繰り返し選択を提示された。選択肢には常に、より小さな即時報酬とより大きな遅延報酬が含まれていた。1,000ドル、950ドル、900ドル、850ドル、750ドル、600ドル、500ドル、400ドル、250ドル、150ドル、100ドル、60ドル、20ドル、10ドル、1ドルの15種類の即時報酬が提示された。本研究の対象が国際的であることを考慮し、参加者には、最も馴染みのある通貨(英ポンド、カナダドル、ユーロ)を選択する選択肢が与えられた。
相関分析
図1は、LDAによって生成された「いいね!」トピックと、時間嗜好性(将来のすべての時点における平均�値で表される)との間のピアソンの相関分析結果である。600個のLikeトピックのうち、11個が時間嗜好と有意に相関している(ボンフェローニ補正�<0.0001以下)。時間選好と最も正の相関がある(すなわち、「今日の人」により好まれる)「いいね!」トピックは、有名ラッパーの名前(例:「Gucci Mane」、「Lil Wayne」、「Drake」)やバスケットボールであった。
考察
今回の調査結果は、フェイスブックのデータから個人の時間嗜好を予測できることを示唆している。Facebookの「いいね!」を利用することで、個人の平均割引率を比較的高い精度で予測することができた(�=0.27、範囲0.20-0.35)。したがって、最大65%の精度で「今日の人」と「明日の人」を見分けることができた(範囲63%~68%)。好き」は、物質使用に関する質問票よりも優れた時間選好の予測因子であった。
CRediT著者貢献声明
クリストフ・F・クルツ 概念化、方法論、データキュレーション、視覚化、原案執筆、形式分析。Adriana N. ケーニッヒ 概念化、方法論、原案執筆。
利益相反宣言
著者らは、本論文で報告された研究に影響を及ぼすと思われる競合する金銭的利益や個人的関係はないことを宣言する。
謝辞
Sebastian Sauer、Florian Karl、Clemens Stachl、Arthur Attema、および貴重な論点を提供してくれたSummer School on Behavioral and Experimental Health Economics, Rotterdam 2019の参加者に感謝する。データを収集してくれたDavid StillwellとMichal Kosinskiに感謝する。
クリストフ・F・クルツ博士は、ルートヴィヒ・マクシミリアン大学ミュンヘン校医療経済・医療経営研究所の博士研究員である。
参考文献(70)
ShavitT.
社会正義の抗議行動に積極的に参加する意思決定に影響を与えるものは何か?社会への信頼、時間選好、政治への関心の影響
J. Behav. Exp. Econ.
(2014)
三浦哲
時間選好は喫煙行動に影響するか?動的パネル分析
J. Behav. Exp. Econ.
(2019)
GarciaD. et al.
フェイスブックのダークサイド: facebookのダークサイド: ステータスアップデートの意味的表象はパーソナリティのダークトライアドを予測する
Pers. Individ. Differ.
(2014)
HallJ.A. et al.
Facebookにおける自己監視、正直さ、手がかりの使用: ユーザーの外向性と良心性との関係
Comput. Hum. Behav.
(2013)
AppelhansB.M. et al.
健康のための遅延割引の活用: 時間遅延は食品選択に影響を与えるか?
Appetite
(2018)
WangM. et al.
How time preferences differ: 53カ国からのエビデンス
J. Econ. Psychol.
(2016)
ウォルパートD.H.
積み重ねられた汎化
Neural Netw.
(1992)
HirshJ.B. et al.
遅延割引: 性格と認知能力の相互作用
J. Res. Personal.
(2008)
ManningJ.
パーソナリティは時間的割引選好に影響する: 行動と脳の証拠
NeuroImage
(2014)
SourdinP.
コミットメント装置としての年金拠出: 時間非整合性世帯における洗練性の証拠
J. Econ. Psychol.
(2008)
参考文献をもっと見る
引用文献 (3)
ソーシャルメディア上のユーザー嗜好を利用したパーソナライズ検索
2022年、エレクトロニクス(スイス)
BIASeD: 自動化システム設計に非合理性を持ち込む
2022年、arXiv
BIASeD: 自動化システム設計への非合理性の導入
2022, CEURワークショップ議事録
推薦論文 (6)
研究論文
マルチ情報フュージョンに基づく少数ショットのWebサービス分類
次世代コンピュータシステム、第130巻、2022年、231-240頁
アブストラクトを表示
研究論文
地理的に分散したデータセンターにおけるプライバシー保護されたワークフロースケジューリング
次世代コンピュータシステム, 第130巻, 2022年, 46-58頁
抄録を表示
研究論文
Vessel-GAN:説明可能な生成的敵対ネットワークを用いた心筋CT灌流からの血管造影再構成
次世代コンピュータシステム、第130巻、2022年、128-139頁
抄録を表示
研究論文
社会的モノのインターネットにおける注意とモノとコトの関係を用いた事前学習に基づくスマートオブジェクトの推薦
次世代コンピュータシステム, 第129巻, 2022年, 347-357頁
抄録を表示
研究論文
新規エッジコンピューティングネットワークにおける動的ブロックチェーン構築・伝送戦略
次世代コンピュータシステム、第130巻、2022年、19-32頁
抄録を表示
研究論文
ラグランジェ乗数を用いたSLAを考慮した複数仮想マシンのライブマイグレーションの最適化
次世代コンピュータシステム, 第130巻, 2022年, 279-291頁
抄録を表示
クリストフ・F・クルツ博士は、ルートヴィヒ・マクシミリアン大学ミュンヘン校医療経済・医療管理研究所の博士研究員である。
アドリアナ・N. König ルートヴィヒ・マクシミリアン大学医療経済・医療経営研究所の博士候補生。
全文を見る
© 2021 Elsevier B.V. 無断複写・転載を禁じます。
ScienceDirectについて
リモートアクセス
ショッピングカート
広告掲載
お問い合わせとサポート
利用規約
プライバシーポリシー
当社は、サービスの提供・向上、コンテンツや広告のカスタマイズのためにクッキーを使用しています。続行することで、クッキーの使用に同意したことになります。
Copyright © 2023 Elsevier B.V. or its licensors or contributors. ScienceDirect® は Elsevier B.V. の登録商標です。

この記事が気に入ったらサポートをしてみませんか?