Slide 1 / 8
データと手法
データ
- コーパス: CEJC（日本語日常会話コーパス）home2サブセット
- 品質フィルタ: HQ1（高品質フィルタ適用済み）
- サンプルサイズ: N = 120（conversation × speaker）
- 特徴量: 18説明変数（Classical 9 + Novel 9）
手法
- 回帰モデル: Ridge回帰（α = 100）
- 交差検証: 5-fold subject-wise CV
- 統計検定: Permutation test（5,000回、seed = 42）
- 安定性評価: Bootstrap係数安定性分析
- 教師ラベル: 4 LLM教師のitem-level平均（アンサンブル）
N=120の自然会話データに対し、Ridge回帰＋置換検定で特徴量とBig5の関連を頑健に評価する設計である。
Slide 2 / 8
特徴量の分類
| # | Classical（既存研究ベース: PG + FILL = 9個） | Novel（新規提案: IX + RESP = 9個） |
|---|
| 特徴量名 | 概要 | 特徴量名 | 概要 |
|---|
| 1 | PG_speech_ratio | Speech ratio | IX_oirmarker_rate | OIR marker rate |
| 2 | PG_pause_mean | Mean pause duration | IX_oirmarker_after_question_rate | Post-question OIR rate |
| 3 | PG_pause_p50 | Median pause | IX_yesno_rate | Yes/No response rate |
| 4 | PG_pause_p90 | 90th percentile pause | IX_yesno_after_question_rate | Post-question Yes/No rate |
| 5 | PG_resp_gap_mean | Mean response gap | IX_lex_overlap_mean | Lexical overlap |
| 6 | PG_resp_gap_p50 | Median response gap | IX_topic_drift_mean | Topic drift |
| 7 | PG_resp_gap_p90 | 90th percentile response gap | RESP_NE_AIZUCHI_RATE | Post-NE aizuchi rate |
| 8 | FILL_has_any | Filler utterance rate | RESP_NE_ENTROPY | Post-NE response entropy |
| 9 | FILL_rate_per_100chars | Filler rate per 100 chars | RESP_YO_ENTROPY | Post-YO response entropy |
既存研究ベースのClassical 9特徴量と、会話分析・相互行為論に基づくNovel 9特徴量の2群で構成される。
Slide 3 / 8
提案特徴量の分布
📐 CEJC home2 HQ1（N=120）から抽出した18特徴量（Classical 9 + Novel 9）のバイオリンプロット。
18特徴量は適度なばらつきを持ち、個人差を捉える指標として有用である。
Slide 4 / 8
カテゴリ内/間相関
📐 18特徴量間のPearson相関行列。カテゴリ順: PG→FILL→IX→RESP。
同一カテゴリ内で高相関を示す一方、カテゴリ間は独立性が高い。
Slide 5 / 8
コーパス基本情報との関連
📐 性別: Mann-Whitney U検定（M=54, F=66）。年齢: Pearson r / Spearman ρ。
性別・年齢と一部特徴量に有意な関連が認められた。
Slide 6 / 8
アンサンブルBig5 Permutation
📐 4教師のIPIP-NEO-120 item-level平均 → Ridge（α=100）+ 5-fold CV + Permutation test（5,000回）。
4教師item-level平均によるアンサンブルBig5で、O, C, A, Nの4次元が有意（Eのみ非有意）。
Slide 7 / 8
3段階Ridge回帰比較
📐 Stage 1: 人口統計のみ（2変数）→ Stage 2: +Classical（11変数）→ Stage 3: +Novel（20変数）。Ridge（α=100）+ 5-fold CV + Permutation test（5,000回）。
人口統計→Classical→Novelの段階的追加により予測精度が向上し、各特徴量群の追加効果（Δr）を明示する。
Slide 8 / 8
Bootstrap分散分析
📐 Bootstrap 500回リサンプリング（N=120復元抽出）。各特徴量の回帰係数の平均・SD・95%CIを算出。
95%CIがゼロを跨がない特徴量を「影響が強い特徴量」として同定し、SD/CIベースで係数の安定性を評価する。
