Wie fühlst du dich online

Emotionen sind ein wesentlicher Bestandteil der Nutzererfahrung in sozialen Medien und können negative Verhaltensweisen wie Cybermobbing und Trolling hervorrufen. Die Erkennung der Emotionen von Social-Media-Nutzern kann es ermöglichen, auf diese Probleme zu reagieren und sie zu mildern. Frühere Arbeiten deuten darauf hin, dass dies auf Smartphones möglich sein könnte: Emotionen können über eingebaute Sensoren während längerer Eingabeaufgaben erkannt werden. Wir erweitern diese Ansätze auf einen sozialen Medienkontext mit spärlichen Eingaben, die von passiveren Browsing- und Medienkonsumaktivitäten unterbrochen werden. Zu diesem Zweck führen wir zwei Studien durch. In der ersten lösen wir Emotionen der Teilnehmenden durch Bilder und Videos aus und erfassen Sensordaten von einem mobilen Gerät, einschließlich Daten eines neuartigen passiven Sensors: des integrierten Eye-Trackers. Auf Basis dieser Daten erstellen wir maschinelle Lernmodelle, die selbstberichtete binäre Affekte vorhersagen und eine Spitzen-Genauigkeit von 93,20 % erreichen. Eine anschließende Studie überträgt diese Ergebnisse auf ein ökologisch validieres Szenario, in dem Teilnehmende ihre Social-Media-Feeds durchsuchen. Die Studie liefert hohe Genauigkeiten für sowohl selbstberichtete binäre Valenz (94,16 %) als auch Erregung (92,28 %). Wir diskutieren die Sensoren, Merkmale und Studiendesignentscheidungen, die zu dieser hohen Leistung beitragen und von künftigen Entwicklern und Forschern genutzt werden können, um wirksame und genaue smartphones-basierte Affekterkennungssysteme zu schaffen.