如何用智能手表获得的数据来预测情绪？（上）_风闻

编者按

本期推送的是Peter A Gloor等人在JOURNAL OF SYSTEMS SCIENCE AND SYSTEMS ENGINEERING上发表的ARISTOTLE SAID “HAPPINESS IS A STATE OF ACTIVITY”——PREDICTING MOOD THROUGH BODY SENSING WITH SMARTWATCHES一文的上篇。该文章介绍了通过使用连接智能手表的身体感应应用程序测量和预测幸福的状态。研究中收集个人的情绪状态，并将其与身体感应数据（如加速度、心率、光照水平数据和位置）关联起来，他们发现快乐和活跃度与心跳和光照水平呈负相关。当人们在周末活动更激烈，感觉不太活跃时，往往会更快乐。还发现，责任心低、神经质强、随和度高的人更容易快乐。此外，较低的经验开放度和较高的愉悦感和责任感可以预测更多的信息。同时，还发现追踪人们的地理坐标可能在预测快乐和激活方面起着重要的作用。

这是社论前沿第S1450次推送

微信号：shelunqianyan

我们常常在不知不觉中把自己弄得暴跳如雷；或者我们可能会在没有明显原因的情况下，对队友感到愤怒和不安。如果我们有一个预警系统，在我们感到压力之前提醒我们，这样我们就可以通过休息或在公园散步来冷静下来呢？如果公司能为员工提供有效的非金钱激励来参加健康计划呢？如今，越来越多的雇主为减肥或帮助解决其他健康问题提供经济激励，尽管只有一小部分人决定与公司合作并共享个人数据（Cawley & Price， 2013；Cazier，Shao等人；2007，Sarowar Sattar，Li等人，2013）。

基于你的身体告诉你你有多快乐或不快乐的前提，本研究提出了一个身体感应系统，它能自动识别个人的情绪状态并提出纠正措施。利用商业上可买到的Pebble智能手表，本研究建立了一个身体感应系统，可以测量个人情绪状态和人与人之间的互动。本文中着重探讨快乐状态和激活状态与通过可穿戴手表直接收集的指标之间的关系。

通过一个叫做happimeter的应用程序的开发和应用，此次研究探索了两种情绪状态之间的联系，感觉快乐和感觉被激活或被唤起，以及基于智能手表的传感器数据。心理学家通常把快乐称为积极的情感，一种情绪或情绪状态，通常由积极的想法和感情而组成的（Batson，Shaw等人，1992；Beedie,Terry等人，2005；Lu，2001a）。

这项研究的目的是测试基于传感器的变量（如平均心跳、光照水平、加速度和GPS坐标）对积极情绪状态和幸福感的预测能力。为了校准基于传感器的变量，构建了一个应用程序，可以让佩戴智能手表的人一天四到七次回答一个简短的问题，记录他们的快乐和激活水平（Russell，1980）。

01

如何定义幸福？

积极心理学研究（SELIGMAN，2004）将幸福定义为积极情绪的频繁存在，例如快乐、兴趣和骄傲，以及很少出现（虽然不存在）诸如悲伤、焦虑和愤怒等负面情绪。根据OECD 《主观幸福感测量指南》(OECD 2013)，“主观幸福感包括三个不同方面：对一个人生活的认知评估、积极情绪（快乐、自豪）和消极情绪（痛苦、愤怒，担忧）。幸福通常被描述为满足人类某些重要需求或欲望后的一种心理状态，它可以从积极影响、生活满足和没有消极影响的角度来操作（Diener&Scollon 2014；Lu，2001b）。

幸福感受基因、政治和个人三个层面的影响，一个人的幸福感有一部分是由他或她的基因所解释的，而这是个人无法做的。第二个层次是一个人所处的政治环境。个体可以影响幸福感，但这些外部变量需要很长时间才能改变。影响的第三个层面是个人层面，在这个层面上，个人可以采取行动来定义一个让自己更快乐的情境。预测幸福感的个人变量包括慷慨、积极情感和没有消极情感（2016年世界幸福报告）在许多研究中，关于主观幸福感的调查结果的一致性和有效性已经被证明。例如，在社交活动中，快乐的人笑得更多，朋友和家人更认为他们快乐（Frey&Stutzer，2002）。

在一项被称为哈佛大学捐款研究（Harvard Grant Study）的成人正常发育纵向研究中，Vaillant（2012）提出了一个非常基本的问题：我们如何才能长寿和幸福？从1938年开始，他们对268名哈佛大学本科生进行了75年的跟踪调查，跟踪了他们的智力水平、饮酒量、人际关系和收入等因素。这项研究为越来越多的积极心理学研究提供了强有力的支持，这些研究将社会关系与长寿、较低的压力水平和幸福感联系起来。尽管有其局限性，从不包括女性开始，这项研究仍然对决定幸福的因素进行了相当全面的概述。正如Vaillant所说：“一个男人可以有一个成功的事业，金钱和良好的身体健康，但没有支持，爱的关系，他就不会幸福。”（Vaillant ，2012）

03

幸福是如何衡量的？

测量个体的情绪状态是情感科学中最困难的问题之一（Mauss & Robinson，2009）。在世界幸福数据库（Veenhoven 2013）中，幸福指数是基于对一个Likert评分的调查问题的回答，比如：“总而言之，你对现在的生活有多满意或不满意？“在20世纪80年代末，牛津大学的研究人员设计了一个广义的个人幸福指数，即29项牛津幸福指数（OHI）。随后，Hills和 Argyle（2002）提出了另一种量表，牛津幸福感问卷（OHQ）（Argyle，2001；Hills& Argyle，1998）。OHQ由单个项目组成，可在六点Likert量表上回答，并嵌入更大的问卷中。参与者被问到他们对一些关于幸福的陈述有多同意或不同意。

在一些旨在用单一项目量表评估幸福感的研究中，研究人员发现，短量表和长量表一样有效，将一个量表延长到某个点后，发现实际上削弱了它的有效性（Bell & Lumsden 1980）。如果研究人员主要对测量生活满意度得分感兴趣，让受访者回答多个问题可能没有好处，通过一个项目来测量幸福感被证明是可靠、有效和可行的（Abdel Khalek ，2006）。

基于这些结果，在本研究中，我们采用了更复杂的方法，即基于经验的抽样（Hulburt & Schwitzgebel 2013）。用户每天随机在智能手表上接受四到七次调查，以评估其幸福感。这种方法的优点是，要求参与者在特定时间停止，并快速实时报告他们的情绪状态，这有助于减少回忆过去事件的偏差和情绪评级而产生的偏见，例如，消极记忆的消退速度快于积极记忆的消退速度（Skowronski，Walker等人，2014）。

麻省理工学院媒体实验室最近进行的一项研究测试了一种基于计算机视觉的系统，该系统能自动鼓励、识别和统计路人的微笑（Hernandez，Hoque等人，2012）。在对参与者的后续调查中，作者发现，这个系统让人们的笑容比他们预期的要多，它让测试者和周围的其他路人暂时感觉心情好一些。通过他们的系统收集到的定量数据表明，人们在周末、校园活动和毕业日前后微笑的次数更多，而在考试期间微笑的次数更少。

自我效能感和其测量可能会导致更高的表现，这表明类似的效应也可能对幸福感的自我感知起作用。例如，通过培养女孩的自我效能感，可以提高女孩解决数学问题的能力。看到自己成功的表现会提高自我效能感，这种自我效能感的提高会导致实际表现的提高。同样地，看在哪里，什么时候，和谁一起快乐，可能会引导个体积极地寻找这些情况，从而真正提高个体的快乐。

以往的研究都是用传统的调查和问卷来衡量个体的感受，由于调查对象和研究者都需要花费大量的时间和成本，因此存在明显的不足。基于网络的调查具有降低数据收集成本和提高数据质量的优点，但由于参与度低和选择性强，可能存在偏差。在我们的研究中，我们通过简化问题并将其中一些问题嵌入到可穿戴设备中来限制这种风险，从而将一项枯燥乏味的活动（如将调查填写到一个具有即时回报的游戏中）（例如，向用户提供关于幸福水平的反馈）转化为一种游戏。此外，调查还依赖于一个关键假设，即人们在回答问题时不会说谎，这并不一定能保证，尤其是当受访者站在研究人员面前或感觉自己被观察到时（Blattman，Jamison等人，2016）。在本次研究的方法中，参与者不会感受到任何同伴的压力，因为他们只是选择一种情绪状态，而没有人在观看。他们可以完全控制共享的内容，并且由于仪表板上立即提供的报告，他们可以立即获得奖励。

04

基于智能手表的人体传感系统

虽然自我效能感被大肆宣传（Biglan 1987），并被赋予了自己的目的，但在最近的研究中发现，因果关系和相关性被混淆了。仅仅相信一个人数学好并不能使他成为数学明星。我们推测可能存在一种类似的复杂关系，仅仅相信一个人是幸福的，并不能让他幸福。先前的研究分析了电子邮件档案（Gloor，2016）和使用社交标识的人际互动（Olguin ，waber 等人，2009）已经表明，个人和团队的沟通模式可以从沟通档案中自动计算出来，积极的情绪状态和特定的互动模式与更高质量的团队合作相关（Grawitch，Munz等人，2003）。考虑到其他身体信号，如面部表情或人类语言的识别，也实现了情绪状态的计算机识别（Freitas，Peres等人，2017；Hernandez Matamoros，Bonarini等人，2016；Mencattini，Martinelli等人，2014；Mistry等人，2016）。

在这项研究中，开发了一种轻便、无干扰的传感器系统。研究也在将智能手表与每个人的智能手机相连，以访问手机的位置、数据传输能力。智能手表还提供心率的数据。智能手表使用其内置的加速计、光传感器、麦克风和耳速传感器来收集数据，而位置则由智能手机检测。两台设备的数据直接上传到服务器。

其他研究人员一直在使用智能手机追踪主人长时间的情绪，并将其与所在位置联系起来（Doherty，Lemieux等人，2014年；Sandstrom，Lathia等人，2016年）。不过，在使用智能手机内置传感器测量情绪变化方面存在一些潜在的局限性。例如，收集的位置可能不准确，因为人们可能在不同于当前位置的地方为手机充电（例如，当智能手机在宿舍时，他们可能正在上课）。此外，使用智能手机收集准确的心跳测量数据可能会产生偏差，因为这可能需要特定的动作，例如用手指按相机，这会触发情绪反应的可能变化。