如何用智能手錶獲得的數據來預測情緒？（上）_風聞

編者按

本期推送的是Peter A Gloor等人在JOURNAL OF SYSTEMS SCIENCE AND SYSTEMS ENGINEERING上發表的ARISTOTLE SAID “HAPPINESS IS A STATE OF ACTIVITY”——PREDICTING MOOD THROUGH BODY SENSING WITH SMARTWATCHES一文的上篇。該文章介紹了通過使用連接智能手錶的身體感應應用程序測量和預測幸福的狀態。研究中收集個人的情緒狀態，並將其與身體感應數據（如加速度、心率、光照水平數據和位置）關聯起來，他們發現快樂和活躍度與心跳和光照水平呈負相關。當人們在週末活動更激烈，感覺不太活躍時，往往會更快樂。還發現，責任心低、神經質強、隨和度高的人更容易快樂。此外，較低的經驗開放度和較高的愉悦感和責任感可以預測更多的信息。同時，還發現追蹤人們的地理座標可能在預測快樂和激活方面起着重要的作用。

這是社論前沿第S1450次推送

微信號：shelunqianyan

我們常常在不知不覺中把自己弄得暴跳如雷；或者我們可能會在沒有明顯原因的情況下，對隊友感到憤怒和不安。如果我們有一個預警系統，在我們感到壓力之前提醒我們，這樣我們就可以通過休息或在公園散步來冷靜下來呢？如果公司能為員工提供有效的非金錢激勵來參加健康計劃呢？如今，越來越多的僱主為減肥或幫助解決其他健康問題提供經濟激勵，儘管只有一小部分人決定與公司合作並共享個人數據（Cawley & Price， 2013；Cazier，Shao等人；2007，Sarowar Sattar，Li等人，2013）。

基於你的身體告訴你你有多快樂或不快樂的前提，本研究提出了一個身體感應系統，它能自動識別個人的情緒狀態並提出糾正措施。利用商業上可買到的Pebble智能手錶，本研究建立了一個身體感應系統，可以測量個人情緒狀態和人與人之間的互動。本文中着重探討快樂狀態和激活狀態與通過可穿戴手錶直接收集的指標之間的關係。

通過一個叫做happimeter的應用程序的開發和應用，此次研究探索了兩種情緒狀態之間的聯繫，感覺快樂和感覺被激活或被喚起，以及基於智能手錶的傳感器數據。心理學家通常把快樂稱為積極的情感，一種情緒或情緒狀態，通常由積極的想法和感情而組成的（Batson，Shaw等人，1992；Beedie,Terry等人，2005；Lu，2001a）。

這項研究的目的是測試基於傳感器的變量（如平均心跳、光照水平、加速度和GPS座標）對積極情緒狀態和幸福感的預測能力。為了校準基於傳感器的變量，構建了一個應用程序，可以讓佩戴智能手錶的人一天四到七次回答一個簡短的問題，記錄他們的快樂和激活水平（Russell，1980）。

01

如何定義幸福？

積極心理學研究（SELIGMAN，2004）將幸福定義為積極情緒的頻繁存在，例如快樂、興趣和驕傲，以及很少出現（雖然不存在）諸如悲傷、焦慮和憤怒等負面情緒。根據OECD 《主觀幸福感測量指南》(OECD 2013)，“主觀幸福感包括三個不同方面：對一個人生活的認知評估、積極情緒（快樂、自豪）和消極情緒（痛苦、憤怒，擔憂）。幸福通常被描述為滿足人類某些重要需求或慾望後的一種心理狀態，它可以從積極影響、生活滿足和沒有消極影響的角度來操作（Diener&Scollon 2014；Lu，2001b）。

幸福感受基因、政治和個人三個層面的影響，一個人的幸福感有一部分是由他或她的基因所解釋的，而這是個人無法做的。第二個層次是一個人所處的政治環境。個體可以影響幸福感，但這些外部變量需要很長時間才能改變。影響的第三個層面是個人層面，在這個層面上，個人可以採取行動來定義一個讓自己更快樂的情境。預測幸福感的個人變量包括慷慨、積極情感和沒有消極情感（2016年世界幸福報告）在許多研究中，關於主觀幸福感的調查結果的一致性和有效性已經被證明。例如，在社交活動中，快樂的人笑得更多，朋友和家人更認為他們快樂（Frey&Stutzer，2002）。

在一項被稱為哈佛大學捐款研究（Harvard Grant Study）的成人正常發育縱向研究中，Vaillant（2012）提出了一個非常基本的問題：我們如何才能長壽和幸福？從1938年開始，他們對268名哈佛大學本科生進行了75年的跟蹤調查，跟蹤了他們的智力水平、飲酒量、人際關係和收入等因素。這項研究為越來越多的積極心理學研究提供了強有力的支持，這些研究將社會關係與長壽、較低的壓力水平和幸福感聯繫起來。儘管有其侷限性，從不包括女性開始，這項研究仍然對決定幸福的因素進行了相當全面的概述。正如Vaillant所説：“一個男人可以有一個成功的事業，金錢和良好的身體健康，但沒有支持，愛的關係，他就不會幸福。”（Vaillant ，2012）

03

幸福是如何衡量的？

測量個體的情緒狀態是情感科學中最困難的問題之一（Mauss & Robinson，2009）。在世界幸福數據庫（Veenhoven 2013）中，幸福指數是基於對一個Likert評分的調查問題的回答，比如：“總而言之，你對現在的生活有多滿意或不滿意？“在20世紀80年代末，牛津大學的研究人員設計了一個廣義的個人幸福指數，即29項牛津幸福指數（OHI）。隨後，Hills和 Argyle（2002）提出了另一種量表，牛津幸福感問卷（OHQ）（Argyle，2001；Hills& Argyle，1998）。OHQ由單個項目組成，可在六點Likert量表上回答，並嵌入更大的問卷中。參與者被問到他們對一些關於幸福的陳述有多同意或不同意。

在一些旨在用單一項目量表評估幸福感的研究中，研究人員發現，短量表和長量表一樣有效，將一個量表延長到某個點後，發現實際上削弱了它的有效性（Bell & Lumsden 1980）。如果研究人員主要對測量生活滿意度得分感興趣，讓受訪者回答多個問題可能沒有好處，通過一個項目來測量幸福感被證明是可靠、有效和可行的（Abdel Khalek ，2006）。

基於這些結果，在本研究中，我們採用了更復雜的方法，即基於經驗的抽樣（Hulburt & Schwitzgebel 2013）。用户每天隨機在智能手錶上接受四到七次調查，以評估其幸福感。這種方法的優點是，要求參與者在特定時間停止，並快速實時報告他們的情緒狀態，這有助於減少回憶過去事件的偏差和情緒評級而產生的偏見，例如，消極記憶的消退速度快於積極記憶的消退速度（Skowronski，Walker等人，2014）。

麻省理工學院媒體實驗室最近進行的一項研究測試了一種基於計算機視覺的系統，該系統能自動鼓勵、識別和統計路人的微笑（Hernandez，Hoque等人，2012）。在對參與者的後續調查中，作者發現，這個系統讓人們的笑容比他們預期的要多，它讓測試者和周圍的其他路人暫時感覺心情好一些。通過他們的系統收集到的定量數據表明，人們在週末、校園活動和畢業日前後微笑的次數更多，而在考試期間微笑的次數更少。

自我效能感和其測量可能會導致更高的表現，這表明類似的效應也可能對幸福感的自我感知起作用。例如，通過培養女孩的自我效能感，可以提高女孩解決數學問題的能力。看到自己成功的表現會提高自我效能感，這種自我效能感的提高會導致實際表現的提高。同樣地，看在哪裏，什麼時候，和誰一起快樂，可能會引導個體積極地尋找這些情況，從而真正提高個體的快樂。

以往的研究都是用傳統的調查和問卷來衡量個體的感受，由於調查對象和研究者都需要花費大量的時間和成本，因此存在明顯的不足。基於網絡的調查具有降低數據收集成本和提高數據質量的優點，但由於參與度低和選擇性強，可能存在偏差。在我們的研究中，我們通過簡化問題並將其中一些問題嵌入到可穿戴設備中來限制這種風險，從而將一項枯燥乏味的活動（如將調查填寫到一個具有即時回報的遊戲中）（例如，向用户提供關於幸福水平的反饋）轉化為一種遊戲。此外，調查還依賴於一個關鍵假設，即人們在回答問題時不會説謊，這並不一定能保證，尤其是當受訪者站在研究人員面前或感覺自己被觀察到時（Blattman，Jamison等人，2016）。在本次研究的方法中，參與者不會感受到任何同伴的壓力，因為他們只是選擇一種情緒狀態，而沒有人在觀看。他們可以完全控制共享的內容，並且由於儀表板上立即提供的報告，他們可以立即獲得獎勵。

04

基於智能手錶的人體傳感系統

雖然自我效能感被大肆宣傳（Biglan 1987），並被賦予了自己的目的，但在最近的研究中發現，因果關係和相關性被混淆了。僅僅相信一個人數學好並不能使他成為數學明星。我們推測可能存在一種類似的複雜關係，僅僅相信一個人是幸福的，並不能讓他幸福。先前的研究分析了電子郵件檔案（Gloor，2016）和使用社交標識的人際互動（Olguin ，waber 等人，2009）已經表明，個人和團隊的溝通模式可以從溝通檔案中自動計算出來，積極的情緒狀態和特定的互動模式與更高質量的團隊合作相關（Grawitch，Munz等人，2003）。考慮到其他身體信號，如面部表情或人類語言的識別，也實現了情緒狀態的計算機識別（Freitas，Peres等人，2017；Hernandez Matamoros，Bonarini等人，2016；Mencattini，Martinelli等人，2014；Mistry等人，2016）。

在這項研究中，開發了一種輕便、無干擾的傳感器系統。研究也在將智能手錶與每個人的智能手機相連，以訪問手機的位置、數據傳輸能力。智能手錶還提供心率的數據。智能手錶使用其內置的加速計、光傳感器、麥克風和耳速傳感器來收集數據，而位置則由智能手機檢測。兩台設備的數據直接上傳到服務器。

其他研究人員一直在使用智能手機追蹤主人長時間的情緒，並將其與所在位置聯繫起來（Doherty，Lemieux等人，2014年；Sandstrom，Lathia等人，2016年）。不過，在使用智能手機內置傳感器測量情緒變化方面存在一些潛在的侷限性。例如，收集的位置可能不準確，因為人們可能在不同於當前位置的地方為手機充電（例如，當智能手機在宿舍時，他們可能正在上課）。此外，使用智能手機收集準確的心跳測量數據可能會產生偏差，因為這可能需要特定的動作，例如用手指按相機，這會觸發情緒反應的可能變化。