你在网络上的感受如何

情绪是社交媒体用户体验的内在组成部分，可能引发如网络欺凌和恶意喷子等负面行为。检测社交媒体用户的情绪有助于应对和缓解这些问题。以往研究表明，在智能手机上实现这一目标是可行的：通过在长时间输入任务中内置传感器检测情绪。我们将这些理念扩展到一个社交媒体环境，该环境特点是输入稀疏，交织着更多被动浏览和媒体消费活动。为此，我们开展了两项研究。第一项中，我们通过图片和视频引发参与者情绪，同时从移动设备捕获传感器数据，包括一个新颖的被动传感器——内置眼动追踪器。基于这些数据，我们构建了机器学习模型预测自我报告的二元情感，最高准确率达93.20%。后续研究将结果扩展到更具生态效度的情景，让参与者浏览自己的社交媒体信息流。该研究对自我报告的二元情感价（94.16%）和唤醒度（92.28%）均获得了高准确率。我们讨论了促成高性能的传感器、特征和研究设计选择，供未来设计者和研究者借鉴，以创建有效且准确的基于智能手机的情感检测系统。