自然言語処理AIによる主観的ウェルビーイング即時検知エンジンの開発及び有効性検証

2022年度については研究計画初年度として、開発中の自然言語処理人工知能(AI)を本研究の目的目標である主観的ウェルビーイング(SWB)の即時検知に向けて機能拡張を行い、データを読み込み、第一回の機械学習を行った。具体的には、現在の心的状態を自由記述させるとともに、SWBを定量評価するアンケートデータを2,000標本収集し、AIの読み込む自由記述テキストの複雑な構文が、数百次の高次元BERTベクトルに置換できることを確認した。さらに、BERTベクトルで表現されるデータと同一回答者がアンケートで答えた主観評価によるSWB度の値を教師データとして、SWB推論AIモデルが学習できることを確認した。ただし、いわゆるプレイン・バニラ型の機械学習については、自由記述テキストとSWSとの相関予測が全般としては、予測精度があまり上がらないことが判明した。そのため、全標本のうち、人生満足尺度及び前野幸福四因子で測定されたSWSの上位10%及び下位10%の回答者を切り出し、自由記述テキストとSWSの相関について分析及び検証を進めた。その結果として、特にSWBが高い上位10%のクラスターについて、心的状態を表現する自由記述テキストの構文の抽象度及びモダリティに特徴が現れることが明らかとなった。この研究成果については、2023年7月に開催されるポジティブ心理学に関する国際研究大会での発表が予定されている。

2022年度については研究計画初年度として、開発中の自然言語処理人工知能(AI)を本研究の目的目標である主観的ウェルビーイング(SWB)の即時検知に向けて機能拡張を行い、データを読み込み、第一回の機械学習を行った。具体的には、現在の心的状態を自由記述させるとともに、SWBを定量評価するアンケートデータを2,000標本収集し、AIの読み込む自由記述テキストの複雑な構文が、数百次の高次元BERTベクトルに置換できることを確認した。さらに、BERTベクトルで表現されるデータと同一回答者がアンケートで答えた主観評価によるSWB度の値を教師データとして、SWB推論AIモデルが学習できることを確認した。ただし、いわゆるプレイン・バニラ型の機械学習については、自由記述テキストとSWSとの相関予測が全般としては、予測精度があまり上がらないことが判明した。そのため、全標本のうち、人生満足尺度及び前野幸福四因子で測定されたSWSの上位10%及び下位10%の回答者を切り出し、自由記述テキストとSWSの相関について分析及び検証を進めた。その結果として、特にSWBが高い上位10%のクラスターについて、心的状態を表現する自由記述テキストの構文の抽象度及びモダリティに特徴が現れることが明らかとなった。この研究成果については、2023年7月に開催されるポジティブ心理学に関する国際研究大会での発表が予定されている。