(OS招待講演) Hidden Profile型討議実験へのテキスト分析の応用

抄録

模擬陪審員実験で収集したチャットログに対して、MatLabのLSTMネットワークモデルを用いた集団決定予測を行った。LSTMは深層学習による分類手法の一つで、シーケンスデータの長期的な依存関係学習に向く。 実験参加者には架空の殺人事件に関する情報が与えられ、４名の討議集団で有罪・無罪・推定無罪の３択で集団決定を行った。各討議集団のチャットから集団決定を予測したところ、82.3%の正確さで予測可能であった。ただし、学習時のテストデータに、有罪・無罪・推定無罪判決が十分に含まれる必要があった。 この実験では、各メンバーに配布された情報により条件が設定されていた。そこで、配布情報による発話の変化を探索するためにLDAトピックモデルによる分析を行った。各発話に与えられる各トピック比率を変数と見なし、情報条件「共有性(高・低)Ｘ情報(アリバイ・ダミー)」による分散分析を行ったところ、トピック比率に実験条件の影響が示された。トピック比率には、討議前後に測定された意味関連性記憶（虚記憶）とも関連性が示唆された。 以上の結果より、心理学実験研究に機械学習を導入する妥当性とその効用について議論する。