[논문 리뷰] Cooperative Phoneotypes: Exploring Phone-based Behavioral Markers of Cooperation

Vivek K. Singh, Rishav Agarwal|arXiv (Cornell University)|2016. 09. 12.

Evolutionary Game Theory and CooperationSocial Sciences참고 문헌 54인용 수 21

한 줄 요약

이 논문은 '협력적 폰타입(cooperative phoneotypes)'을 도입한다—모바일 폰의 센서 기반 신호를 활용해 개인의 협력 수준을 추론하는 방법이다. 54명의 참가자가 참여한 10주간의 현장 연구를 바탕으로, 전화 패턴, 메시지 행동 등의 폰 기반 신호가 협력 태도를 AUC-ROC 0.945로 예측함을 입증하였다. 이는 인구통계학 기반 모델보다 유의미하게 뛰어난 성능을 보였다.

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.

연구 동기 및 목표

• 모바일 폰 사용 패턴이 협력 성향의 행동 지표로 기능할 수 있는지 탐색하기 위해.
• 설문조사나 실험실 실험에 의존하지 않고 데이터 기반의 자동화된 방법으로 개인의 협력 가능성을 평가하는 데 목적이 있다.
• 협력 수준을 추정할 때 폰 기반 신호와 인구통계적 요소의 예측 능력을 비교하기 위해.
• 협력 태도와 가장 강하게 연관된 특정 폰 기반 행동 특성들을 특정하기 위해.
• 사회적, 개인적, 상업적 맥락에서 협력적인 개인을 확장 가능하고 저비용으로 식별할 수 있도록 하기 위해.

제안 방법

• 10주 동안 54명의 참가자로부터 수동적이고 지속적인 폰 사용 데이터(통화, 메시지, 앱 사용, 위치)를 수집하였다.
• 폰타입 특징를 추출하였으며, 통화 빈도, 통화 지속 시간, 메시지 빈도, 시간대 패턴, 사회망 중심성 등을 포함하였다.
• 참가자들은 협력 태도의 기준이 되는 '신뢰 게임(trust game)' 기반 설문지를 작성하여 기준 협력 수준을 확보하였다.
• 수행된 기계 학습 모델(랜덤 포레스트)을 사용해 폰 기반 특징를 바탕으로 협력 점수를 예측하도록 학습시켰다.
• 모델 성능 평가에 AUC-ROC를 사용하였으며, 폰 기반 모델과 기초 인구통계학 모델 간의 성능을 비교하였다.
• 특징 중요도 분석을 통해 협력과 관련된 핵심 행동 지표를 규명하였다.

실험 결과

연구 질문

• RQ1 모바일 폰 사용 패턴은 개인의 협력 가능성을 신뢰성 있게 예측할 수 있는가?
• RQ2 어떤 특정 폰 기반 행동 신호가 협력과 가장 강하게 연관되어 있는가?
• RQ3 인구통계학 기반 모델에 비해 폰 기반 모델은 협력 수준 예측에서 어떤 성능을 보이는가?
• RQ4 통합된 '폰타입'이 협력 행동 특성을 효과적으로 표현할 수 있는가?
• RQ5 실제 세계의 모바일 폰 데이터에서 도출된 협력의 가장 두드러진 행동 지표는 무엇인가?

주요 결과

• 통화 빈도, 메시지 빈도, 시간대 패턴과 같은 다수의 폰 기반 신호가 참가자의 협력 태도와 유의미하게 관련되어 있었다(p < 0.05).
• 폰 기반 예측 모델은 AUC-ROC 0.945를 기록하여 협력적인 개인을 식별하는 데 강력한 분류 성능를 보였다.
• 폰타입 모델은 협력 수준 예측에서 기초 인구통계학 모델보다 유의미하게 뛰어난 성능를 보였다(p < 0.01).
• 협력의 핵심 행동 지표로는 저녁 시간대에 높은 통화 빈도와 더 넓은 사회적 네트워크와의 메시지 교환이 포함되었다.
• 모델의 성능는 다양한 참가자에게서 뛰어난 안정성을 보였으며, 다양한 사용자 프로필에 일반화 가능함을 시사했다.
• 특징 중요도 분석 결과, 통신의 빈도와 시점이 통화 지속 시간이나 기기 사용 시간보다 더 예측 능력이 뛰어났다.