[论文解读] 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 21

一句话总结

本文提出了一种基于手机传感的‘协作话型’（cooperative phoneotypes）方法，通过移动电话中的行为信号推断个体的合作水平。基于对54名参与者的10周实地研究，结果表明，基于手机的信号（如通话模式、消息行为）在预测合作态度方面表现优异，AUC-ROC达到0.945，显著优于基于人口统计学的模型。

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.

研究动机与目标

• 探讨移动电话使用模式是否可作为合作行为的指标。
• 开发一种数据驱动的自动化方法，无需依赖调查或实验室实验，评估个体的合作倾向。
• 比较基于手机的信号与人口统计因素在预测合作水平方面的预测能力。
• 识别与合作态度最密切相关的关键手机行为特征。
• 实现在社会、个人及商业场景中可扩展、低成本的合作个体识别。

提出的方法

• 研究在10周内持续收集了54名参与者的被动手机使用数据（通话、消息、应用使用、位置）。
• 提取了话型特征，包括通话频率、通话时长、消息频率、一天中时间模式以及社交网络中心性。
• 参与者完成了基于‘信任博弈’的合作调查，以确立合作水平的真实基准。
• 使用监督机器学习模型（随机森林）训练预测合作得分，输入为手机特征。
• 通过AUC-ROC评估模型性能，并将基于手机的模型与仅基于人口统计学的基线模型进行比较。
• 进行特征重要性分析，以识别与合作相关的关键行为指标。

实验结果

研究问题

• RQ1 移动电话使用模式能否可靠预测个体的合作倾向？
• RQ2 哪些具体的基于手机的行为信号与合作水平关联最强？
• RQ3 基于手机的模型在预测合作水平方面相较于基于人口统计学的模型表现如何？
• RQ4 综合的‘话型’能否有效表征合作行为特征？
• RQ5 从现实世界手机数据中提取出的合作最显著的行为指标是什么？

主要发现

• 多种基于手机的信号，包括通话频率、消息频率以及一天中时间模式，与参与者合作态度显著相关（p < 0.05）。
• 基于手机的预测模型AUC-ROC达到0.945，表明在识别合作个体方面具有出色的判别能力。
• 话型模型在预测合作水平方面显著优于仅基于人口统计学的基线模型（p < 0.01）。
• 合作的关键行为指标包括晚上时段更高的通话频率，以及与更广泛社交圈的频繁信息交流。
• 模型在不同参与者中表现稳健，表明其在不同用户群体中具有良好的泛化能力。
• 特征重要性分析显示，沟通频率和时间比通话时长或设备使用时间更具预测性。