文献

J-GLOBAL ID：202202211219555715   整理番号：22A0436102

機械学習アプローチを用いた社会喫煙分類の検討【JST・京大機械翻訳】

Examination of social smoking classifications using a machine learning approach

著者 (3件)： Franzwa Faith (Reed College, Department of Psychology, 3203 SE Woodstock Blvd., Portland, OR 97202, United States) ,  Harper Leia A. (Reed College, Department of Psychology, 3203 SE Woodstock Blvd., Portland, OR 97202, United States) ,  Anderson Kristen G. (Adolescent Health Research Program, Reed College, Department of Psychology, 3203 SE Woodstock Blvd., Portland, OR 97202, United States)
資料名： Addictive Behaviors  (Addictive Behaviors)
巻： 126  ページ： Null  発行年： 2022年 
JST資料番号： A1213A  ISSN： 0306-4603  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 社会的喫煙の特発性定義は文献において増殖し,交差研究比較を困難にする。このプロジェクトは,従来のモデリング技術ならびに多層パーセプトロン人工ネットワークを用いた社会的喫煙の4つの異なる分類を研究し,区別し,不均一,多次元データに適した新しい機械学習アプローチである。方法:太平洋北西およびアマゾン機械的Turk,年齢18~25(男性48%,女性37%,非2人;73%白人;24%ヒスパニックまたはラテンックス)の大学から募集した成人33人が,タバコ使用に関連する共通変数を評価する自己報告尺度のセットを完了した。参加者はまた,社会的喫煙状況を描写する,十分に検証されたオーディオシミュレーション(喫煙模擬中毒デジタル誘導)を完了し,これらの状況においてタバコまたはアルコールを使用する意欲を報告した。4つの社会的喫煙定義の3つを通して,社会的喫煙者は,非社会的喫煙者よりも,依存,頻度,量,煙への意欲,およびすべての使用動機の尺度で一貫して低かった。全4つのモデルに対する曲線下面積は訓練セット内の優れた識別から優れた識別範囲であった。過去月の煙霧の頻度は,100%の相対的重要性を持つ分類モデルの3つに対して最も重要な予測子であった。社会的喫煙定義は,1つを除いて,グループ間の一般的なタバコ使用変数にわたって大きな変動を示した。機械学習アプローチは,4つの分類すべてを差別化した。社会的スモーラ分類が,目標母集団による適切なエンドサルメントを最大化するために,その後の研究で使用するための推奨事項を作成した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *煙 ,  ネットワーク ,  アルコール ,  *喫煙 ,  たばこ ,  音節 ,  女性 ,  成人 ,  男性 ,  母集団 ,  多層パーセプトロン ,  血中濃度-時間曲線下面積 ,  *機械学習
準シソーラス用語： 予測子 ,  喫煙者 , 【Automatic Indexing@JST】

著者キーワード (4件)： 社会的喫煙 ,  分類 ,  機械学習 ,  自己報告

分類 (1件)： 公衆衛生  (GB02000X)

タイトルに関連する用語 (4件)： 機械学習 ,  社会 ,  喫煙 ,  分類