WELD: The First Naturalistic Long-Period Small-Team Workplace Emotion Dataset for Ubiquitous Affective Computing
本文介绍了 WELD，这是首个源自稳定小型团队工作场所的、包含多年被动面部表情数据的自然主义数据集，该数据集验证了既有的情绪模式，揭示了关于情绪体制与离职预测的新见解，并暴露了面部表情识别模型在识别亚洲人脸时存在的系统性偏差。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，试图理解一群朋友在长假期间的情绪变化。以往的大多数研究，就像只在一天的时间里每小时给每位朋友拍一张照片，或者让他们每周填写一次调查问卷。这些方法错过了情绪在现实生活中杂乱无章的流动：压力的缓慢积累、周五突如其来的喜悦，或者一个人的坏心情如何在数周内逐渐拖累整个群体。
WELD 是一部全新的、宏大的“情绪电影”，旨在解决这一问题。它是首个在真实工作场所拍摄超过两年（30 个月）的数据集，捕捉了中国某软件公司 49 名员工真实、未经排练的情绪。
以下是 WELD 独特之处的分解说明，辅以简单的类比：
1. “沉默观察者”摄像机
研究人员没有让人们停下手中的工作说“我现在感觉很开心”，而是利用了办公室内已有的监控摄像头。
- 类比：想象一位从不眨眼的保安，连续 30 个月注视着办公室。他们不提问，不佩戴手表，也不打扰任何人，只是观察。
- 关键点：为了保护隐私，研究人员没有保存原始视频，甚至没有保存人脸图像。相反，计算机观看视频，瞬间判断“此人看起来 20% 开心、5% 愤怒、75% 中性”，然后丢弃视频。它只保留了数学数据（百分比）和一个假名（如"P01"）。
2. “情绪天气预报”
该论文将情绪视为天气。就像气象学家追踪多年的降雨和温度以寻找规律一样，WELD 追踪“情绪天气”。
- 周末提振：数据证实了我们的共同感受：人们在周末明显更快乐。与工作日相比，“情绪温度”上升了约 43%。
- 午餐低谷：存在一种可预测的每日节奏。人们在中午左右感觉最好，但在午餐后（约下午 1 点）情绪急剧下滑，随后在当天晚些时候恢复。
- “封锁”之谜：当 2022 年城市实施封锁时，研究人员预计大家会变得悲伤。但数据显示了一个棘手的情况：在封锁开始前的几个月，群体的情绪已经在持续走低。封锁并没有导致情绪下滑，它只是恰好与漫长缓慢下滑曲线的底部重合。这说明了为什么你需要长期数据才能看到真实的故事。
3. “情绪重力”
最令人惊讶的发现之一是摆脱坏情绪有多难。
- 类比：将情绪想象成在山上滚动的球。
- 快乐状态：就像球在陡峭的斜坡上：它滚落（变化）得非常快。快乐的一天往往很快转变为中性或糟糕的一天。
- 糟糕状态：就像球卡在深深的泥坑里。一旦群体陷入“敌对”或“压抑”的情绪，他们往往会在那里停留16 到 18 天。要爬出那个泥坑需要巨大的努力。
- 结果：在这家工作场所，负面情绪的持续时间大约是正面情绪的 5 到 6 倍。
4. “离职水晶球”（以及为何它很棘手）
研究人员试图仅利用员工第一个月的情绪数据来预测谁会辞职。
- 陷阱：起初，一个计算机模型似乎能以 79% 的准确率预测谁会辞职。但研究人员意识到这是一个骗局。该模型只是在猜测：“早期离职的人通常拥有短暂且波动的情绪历史。”它并没有预测未来，只是注意到那些早期离职的人没有足够的时间建立长期的历史。
- 真实测试：当他们使用更诚实的统计方法（生存分析）时，准确率降至 52%——基本上等同于抛硬币。这告诉我们，仅通过观察员工第一个月的面部表情，很难轻易预测谁会辞职。
5. “愤怒面孔”故障
该论文还发现了计算机“眼睛”中的一个缺陷。
- 问题：用于识别情绪的软件主要是在西方面孔上训练的。当它观察本研究中的亚洲员工时，即使他们只是中性表情，也总认为他们在生气。
- 修正：计算机给中性面孔分配了"19% 愤怒”的评级，而实际上应该接近 5%。论文利用这一点表明，我们在对不同文化使用这些工具时必须小心，因为它们可能会不公平地将并非生气的人标记为生气。
6. “隐私堡垒”
由于这些数据非常敏感，研究人员建立了一座“四层堡垒”来保护员工：
- 第一层（金库）：原始视频从未向公众展示。
- 第二层（面具）：即使是分析数据的研究人员也看不到人脸，只能看到数字。
- 第三层（公众）：向公众发布的唯一内容是一个微小的、匿名化的摘要（例如"P01 在周二感觉如何”）。
- 第四层（退出）：如果员工说“我想删除我的数据”，研究人员会立即删除它，即使这意味着要重新进行分析。
总结
WELD 就像一台情绪时光机。它证明，要理解人们在工作中的感受，你不能只拍一张快照；你必须观看整部电影。它揭示了坏情绪具有粘性，计算机可能对某些面孔存在偏见，以及预测谁会辞职比看起来要困难得多。最重要的是，它表明有了适当的隐私保护措施，我们可以在从未看到任何一张面孔的情况下，深入了解人类行为。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。