WELD: The First Naturalistic Long-Period Small-Team Workplace Emotion Dataset for Ubiquitous Affective Computing
Dieser Beitrag stellt WELD vor, den ersten naturalistischen, mehrjährigen Datensatz passiver Gesichtsausdrucksdaten aus einem stabilen Arbeitsplatz mit kleinem Team, der etablierte emotionale Muster validiert, neue Erkenntnisse über emotionale Regime und die Vorhersage von Personalfluktuationen liefert und systematische Verzerrungen bei Modellen zur Gesichtsausdruckerkennung für asiatische Gesichter aufdeckt.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen zu verstehen, wie sich eine Gruppe von Freunden über einen langen Urlaub hinweg fühlt. Die meisten früheren Studien waren wie das Aufnehmen eines einzelnen Fotos von jedem Freund jede Stunde lang, und zwar nur für einen Tag, oder das Auffordern, wöchentlich einen Fragebogen auszufüllen. Diese Methoden verpassen den chaotischen, realen Fluss der Emotionen: den langsamen Aufbau von Stress, die plötzliche Freude an einem Freitag oder wie die schlechte Laune einer Person die gesamte Gruppe über Wochen hinweg allmählich mit sich ziehen kann.
WELD ist ein neuer, riesiger „Emotionsfilm", der dieses Problem löst. Es ist der erste Datensatz, der über zwei Jahre hinweg (30 Monate) einen echten Arbeitsplatz gefilmt hat und die echten, ungeskripteten Emotionen von 49 Mitarbeitern eines chinesischen Softwareunternehmens einfängt.
Hier ist eine Aufschlüsselung dessen, was WELD besonders macht, unter Verwendung einfacher Analogien:
1. Die Kamera des „stillen Beobachters"
Anstatt die Menschen zu bitten, das zu unterbrechen, was sie tun, und zu sagen: „Ich fühle mich jetzt glücklich", nutzten die Forscher die vorhandenen Überwachungskameras, die bereits im Büro hingen.
- Die Analogie: Stellen Sie sich einen Sicherheitsbeamten vor, der nie blinzelt und das Büro 30 Monate lang beobachtet. Er stellt keine Fragen, trägt keine Uhr und unterbricht niemanden. Er beobachtet einfach nur.
- Der Haken: Um den Datenschutz zu schützen, haben die Forscher das eigentliche Video nicht gespeichert. Sie haben nicht einmal die Gesichter gespeichert. Stattdessen betrachtete der Computer das Video, entschied sofort: „Diese Person wirkt zu 20 % glücklich, zu 5 % wütend, zu 75 % neutral", und warf das Video dann weg. Er behielt nur die Mathematik (die Prozentsätze) und einen falschen Namen (wie „P01") bei.
2. Der „emotionale Wetterbericht"
Die Studie behandelt Emotionen wie das Wetter. So wie Meteorologen über Jahre hinweg Regen und Temperatur verfolgen, um Muster zu finden, verfolgt WELD das „emotionale Wetter".
- Der Wochenend-Boost: Die Daten bestätigten, was wir alle fühlen: Menschen sind an Wochenenden deutlich glücklicher. Die „emotionale Temperatur" stieg im Vergleich zu Werktagen um etwa 43 %.
- Der Mittags-Tiefpunkt: Es gibt einen vorhersehbaren täglichen Rhythmus. Menschen fühlen sich gegen Mittag am besten, machen dann aber direkt nach dem Mittagessen (gegen 13:00 Uhr) einen steilen Absturz, bevor sie sich später am Tag wieder erholen.
- Das „Lockdown"-Rätsel: Als die Stadt 2022 in den Lockdown ging, erwarteten die Forscher, dass alle traurig werden würden. Doch die Daten zeigten etwas Tückisches: Die Gruppe war bereits seit Monaten trauriger geworden, bevor der Lockdown begann. Der Lockdown verursachte den Abstieg nicht; er fiel nur zufällig mit dem Tiefpunkt eines langen, langsamen Abstiegs zusammen. Dies zeigt, warum man Langzeitdaten benötigt, um die wahre Geschichte zu erkennen.
3. Die „emotionale Schwerkraft"
Eine der überraschendsten Erkenntnisse ist, wie schwer es ist, aus einer schlechten Stimmung herauszukommen.
- Die Analogie: Denken Sie an Emotionen wie an einen Ball, der einen Hang hinunterrollt.
- Glückliche Zustände sind wie ein Ball auf einer steilen Böschung: Er rollt sehr schnell hinunter (verändert sich). Ein glücklicher Tag wird oft schnell zu einem neutralen oder schlechten Tag.
- Schlechte Zustände sind wie ein Ball, der in einem tiefen, schlammigen Loch stecken bleibt. Sobald die Gruppe in eine „feindselige" oder „gedrückte" Stimmung gerät, neigt sie dazu, dort für 16 bis 18 Tage zu bleiben. Es erfordert enorme Anstrengung, aus diesem Loch herauszuklettern.
- Das Ergebnis: Negative Emotionen dauern in diesem Arbeitsplatz etwa 5- bis 6-mal länger an als positive.
4. Die „Kugel für die Fluktuation" (und warum sie tückisch ist)
Die Forscher versuchten vorherzusagen, wer seinen Job kündigen würde, indem sie nur den ersten Monat ihrer emotionalen Daten verwendeten.
- Die Falle: Zunächst schien ein Computermodell vorherzusagen, wer kündigen würde, mit einer Genauigkeit von 79 %. Doch die Forscher erkannten, dass dies ein Trick war. Das Modell riet lediglich: „Menschen, die früh gehen, haben normalerweise kurze, volatile emotionale Geschichten." Es sagte nicht die Zukunft voraus; es stellte lediglich fest, dass Menschen, die früh kündigten, nicht genug Zeit hatten, um eine lange Geschichte aufzubauen.
- Der echte Test: Als sie eine ehrlichere statistische Methode (Überlebensanalyse) verwendeten, sank die Genauigkeit auf 52 % – im Wesentlichen ein Münzwurf. Dies lehrt uns, dass man nicht einfach durch den Blick auf den ersten Monat der Gesichtsausdrücke vorhersagen kann, wer kündigen wird.
5. Der „wütendes Gesicht"-Fehler
Die Studie fand auch einen Fehler in den „Augen" des Computers.
- Das Problem: Die Software, die zur Erkennung von Emotionen verwendet wurde, wurde hauptsächlich an westlichen Gesichtern trainiert. Als sie die asiatischen Mitarbeiter in dieser Studie betrachtete, hielt sie sie ständig für wütend, selbst wenn sie nur neutral waren.
- Die Lösung: Der Computer ordnete neutralen Gesichtern eine „19 % wütend"-Bewertung zu, während es nahe bei 5 % hätte sein sollen. Die Studie nutzt dies, um zu zeigen, dass wir vorsichtig sein müssen, wenn wir diese Tools auf verschiedene Kulturen anwenden, da sie Menschen möglicherweise unfair als wütend etikettieren, obwohl sie es nicht sind.
6. Die „Privatsphäre-Festung"
Da diese Daten so sensibel sind, bauten die Forscher eine „vierstufige Festung", um die Mitarbeiter zu schützen:
- Ebene 1 (Der Tresor): Das Rohvideo wird von der Öffentlichkeit niemals gesehen.
- Ebene 2 (Die Maske): Selbst die Forscher, die die Daten analysieren, sehen keine Gesichter, nur Zahlen.
- Ebene 3 (Die Öffentlichkeit): Das einzige, was der Öffentlichkeit zugänglich gemacht wird, ist eine winzige, anonymisierte Zusammenfassung (wie „P01 fühlte sich am Dienstag so").
- Ebene 4 (Der Ausgang): Wenn ein Mitarbeiter sagt: „Ich möchte, dass meine Daten gelöscht werden", löschen die Forscher sie sofort, selbst wenn dies bedeutet, die Analyse erneut durchzuführen.
Zusammenfassung
WELD ist wie eine Zeitmaschine für Emotionen. Es beweist, dass man, um zu verstehen, wie sich Menschen bei der Arbeit fühlen, nicht nur ein Schnappschuss machen kann; man muss den ganzen Film ansehen. Es zeigt, dass schlechte Laune klebrig ist, dass Computer gegenüber bestimmten Gesichtern voreingenommen sein können und dass die Vorhersage, wer kündigen wird, viel schwieriger ist, als es aussieht. Am wichtigsten ist, es zeigt, dass wir mit den richtigen Datenschutzvorkehrungen viel über menschliches Verhalten lernen können, ohne jemals ein einziges Gesicht zu sehen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.