Como Você Se Sente Online

As emoções são uma parte intrínseca da experiência do usuário em redes sociais que podem evocar comportamentos negativos como cyberbullying e trolling. Detectar as emoções dos usuários de redes sociais pode permitir responder e mitigar esses problemas. Trabalhos anteriores sugerem que isso pode ser alcançado em smartphones: as emoções podem ser detectadas via sensores embutidos durante tarefas prolongadas de entrada. Estendemos essas ideias para um contexto de redes sociais que apresenta entrada esparsa intercalada com navegação mais passiva e atividades de consumo de mídia. Para isso, apresentamos dois estudos. No primeiro, provocamos as emoções dos participantes usando imagens e vídeos e capturamos dados de sensores de um dispositivo móvel, incluindo dados de um sensor passivo inovador: seu rastreador ocular embutido. Usando esses dados, construímos modelos de aprendizado de máquina que predizem o afeto binário autorrelatado, alcançando 93,20% de precisão máxima. Um estudo complementar estende esses resultados para um cenário mais ecologicamente válido em que os participantes navegam em seus feeds de redes sociais. O estudo resulta em alta precisão para valência binária autorrelatada (94,16%) e excitação (92,28%). Apresentamos uma discussão sobre os sensores, características e escolhas de design do estudo que contribuem para esse alto desempenho e que futuros designers e pesquisadores podem usar para criar sistemas eficazes e precisos de detecção de afeto baseados em smartphones.