[論文レビュー] Cooperative Phoneotypes: Exploring Phone-based Behavioral Markers of Cooperation

Vivek K. Singh, Rishav Agarwal|arXiv (Cornell University)|Sep 12, 2016

Evolutionary Game Theory and CooperationSocial Sciences参考文献 54被引用数 21

ひとこと要約

本稿では、モバイル端末のセンシングに基づく行動信号を用いて個人の協力度を推定する『協力的フォノタイプ』を提案する。54名の参加者を対象とした10週間のフィールドスタディの結果、電話通話のパターンやメッセージ送信行動などの電話ベースの信号が、AUC-ROC 0.945の精度で協力的態度を予測でき、人口統計学的モデルを著しく上回ることを示した。

ABSTRACT

Cooperation is a fundamental human concept studied across multiple social and biological disciplines. Traditional methods for eliciting an individual's propensity to cooperate have included surveys and laboratory experiments and multiple such studies have connected an individual's cooperation level with her social behavior. We describe a novel approach to model an individual's cooperation level based on her phoneotype i.e. a composite of an individual's traits as observable via a mobile phone. This phone sensing-based method can potentially complement surveys, thus providing a cheaper, faster, automated method for generating insights into cooperation levels of users. Based on a 10-week field study involving 54 participants, we report that: (1) multiple phone-based signals were significantly associated with participant's cooperation attitudes; and (2) combining phone-based signals yielded a predictive model with AUCROC of 0.945 that performed significantly better than a comparable demography-based model at predicting individual cooperation propensities. The results pave the way for individuals and organizations to identify more cooperative peers in personal, social, and commerce related settings.

研究の動機と目的

• モバイル端末の使用パターンが協力の行動マーカーとして機能するかどうかを検討すること。
• アンケートや実験室研究に依存せずに、データ駆動型で自動的に個人の協力的傾向を評価する手法を開発すること。
• 協力的レベルを推定するうえで、電話ベースの信号と人口統計的要因の予測性能を比較すること。
• 協力的態度と強く関連する具体的な電話ベースの行動的特徴を特定すること。
• 社会的・個人的・商業的文脈において、スケーラブルで低コストな協力的個人の特定を可能にすること。

提案手法

• 本研究では、54名の参加者から10週間にわたり、受動的かつ継続的な電話使用データ（通話、メッセージ、アプリ使用、位置情報）を収集した。
• フォノタイプ特徴量として、通話頻度、通話時間、メッセージ頻度、時間帯ごとのパターン、および社会的ネットワークにおける中心性を抽出した。
• 参加者には「信頼ゲーム」に基づく協力的アンケートを実施し、協力的レベルの基準値を確立した。
• ランダムフォレストを用いた教師あり機械学習モデルを、電話ベースの特徴量を用いて協力スコアを予測するように学習させた。
• AUC-ROCを用いてモデルの性能を評価し、電話ベースのモデルとベースラインの人口統計学的要因のみのモデルを比較した。
• 特徴量の重要度分析を実施し、協力と関連する行動マーカーを同定した。

実験結果

リサーチクエスチョン

• RQ1 モバイル端末の使用パターンは、個人の協力的傾向を信頼性高く予測できるか？
• RQ2 どの特定の電話ベースの行動的信号が協力と最も強く関連しているか？
• RQ3 電話ベースのモデルは、人口統計学的モデルに比べて、協力の予測性能で優れているか？
• RQ4 統合された「フォノタイプ」は、協力的行動的特徴を効果的に表現できるか？
• RQ5 現実世界のモバイル端末データから得られる、協力の顕著な行動的マーカーは何か？

主な発見

• 通話頻度、メッセージ頻度、時間帯パターンといった複数の電話ベースの信号が、参加者の協力的態度と有意に関連していた（p < 0.05）。
• 電話ベースの予測モデルはAUC-ROC 0.945を達成し、協力的個人を識別するうえで優れた判別性能を示した。
• フォノタイプモデルは、人口統計学的ベースラインモデルよりも協力的レベルの予測性能で顕著に優れていた（p < 0.01）。
• 協力的行動の主なマーカーとして、夕方の通話頻度の上昇と、より広い社会的ネットワークとのメッセージ交換の多さが特定された。
• モデルの性能は多様な参加者に対して安定しており、さまざまなユーザープロファイルに一般化可能であることが示された。
• 特徴量の重要度分析から、通信頻度とタイミングが、通話時間やデバイス使用時間よりも予測に優れていた。