[論文レビュー] The Effect of Pets on Happiness: A Data-Driven Approach via Large-Scale Social Media

Yuchen Wu, Jianbo Yuan+2 more|arXiv (Cornell University)|Oct 27, 2016

Human-Animal Interaction Studies参考文献 7被引用数 6

ひとこと要約

本研究は、Instagramデータを用いたデータ駆動型で大規模な手法を提案し、ペットが人間の幸福に与える影響を分析する。畳み込みニューラルネットワーク（CNN）を用いたペット検出とセルフィーに基づく幸福度スコアの評価を組み合わせることで、ペット所有者と非所有者を特定し、人口統計的グループにわたるペット所有と関連する統計的に有意な幸福度の上昇を明らかにした。

ABSTRACT

Psychologists have demonstrated that pets have a positive impact on owners' happiness. For example, lonely people are often advised to have a dog or cat to quell their social isolation. Conventional psychological research methods of analyzing this phenomenon are mostly based on surveys or self-reported questionnaires, which are time-consuming and lack of scalability. Utilizing social media as an alternative and complimentary resource could potentially address both issues and provide different perspectives on this psychological investigation. In this paper, we propose a novel and effective approach that exploits social media to study the effect of pets on owners' happiness. The proposed framework includes three major components: 1) collecting user-level data from Instagram consisting of about 300,000 images from 2905 users; 2) constructing a convolutional neural network (CNN) for pets classification, and combined with timeline information, further identifying pet owners and the control group; 3) measuring the confidence score of happiness by detecting and analyzing selfie images. Furthermore, various factors of demographics are employed to analyze the fine-grained effects of pets on happiness. Our experimental results demonstrate the effectiveness of the proposed approach and we believe that this approach can be applied to other related domains as a large-scale, high-confidence methodology of user activity analysis through social media.

研究の動機と目的

• ペット関連の幸福に関する伝統的なアンケートベースの心理的研究のスケーラビリティの限界を克服すること。
• ソーシャルメディアを補完的データソースとして用いることで、データ駆動型の大規模な幸福度測定手法を開発すること。
• 異なる人口統計的グループにわたるペット所有が幸福度に与える複雑な影響を調査すること。
• 深層学習をソーシャルメディアデータに適用することで、心理的・行動的研究の有効性を検証すること。

提案手法

• 2,905人のユーザーから約30万枚の画像を含むユーザー単位のInstagramデータを収集し、大規模なデータセットを構築する。
• 視覚的コンテンツとタイムラインパターンに基づいて、畳み込みニューラルネットワーク（CNN）を訓練し、ペット関連の画像を分類し、ペット所有者を同定する。
• セルフィー画像における顔の分析を用いて、感情表現の自動検出により、ユーザーの幸福度の信頼性スコアを推定する。
• 年齢、性別、場所などの人口統計的要因を統合し、幸福度のばらつきを細分化した分析を可能にする。
• ペット所有者と非所有者の対照群を比較し、ペット所有が幸福度スコアに与える影響を隔離する。
• 観察された幸福度の差の有意性を評価するため、統計的モデリングを適用する。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルメディアのコンテンツから推定される自己報告の幸福度は、ペット所有によって上昇するか？
• RQ2 年齢や性別などの異なる人口統計的グループにおいて、ペット所有が幸福度に与える影響はどのように変化するか？
• RQ3 ソーシャルメディアの画像に適用された深層学習モデルは、ユーザーの幸福度を信頼性高く検出・定量できるか？
• RQ4 ソーシャルメディアデータは、伝統的なアンケートベースの心理的調査の代替として、スケーラブルかつ妥当な代替手段としてどの程度有効か？
• RQ5 異なる種類のペットが、ソーシャルメディア行動に反映されるユーザーの幸福度に及ぼす相対的影響は何か？

主な発見

• ペット所有者は非所有者に比べ、統計的に有意に高い幸福度の信頼性スコアを示しており、ペット所有による明確な肯定的気分への影響が確認された。
• CNNベースのペット検出モデルは、ユーザーのタイムラインからのペット関連コンテンツを高精度に同定でき、信頼性の高いグループ分類が可能である。
• セルフィー分析から得られた幸福度スコアは、人口統計的サブグループにわたって一貫したパターンを示しており、この手法の頑健性が裏付けられた。
• 人口統計的変数の統合により、若年層や特定の性別グループに強い影響が見られるなど、幸福度への影響の複雑な違いが明らかになった。
• 提案されたフレームワークはスケーラビリティと信頼性を示しており、伝統的なアンケートベースの心理的調査の代替手段として実用的であることが示された。
• 結果は、ソーシャルメディアデータに深層学習を適用することで、人間の感情的ウェルビーイングを検出する有効で大規模な手法としての有効性を支持している。