Detecting Inappropriate Respondents in Web Surveys by Machine Learning - Deletion Criteria, Correction Methods, and Prevention

• Project/Area Number: 23K02859
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 10020:Educational psychology-related
• Research Institution: University of Tsukuba
• Principal Investigator: 尾崎 幸謙 筑波大学, ビジネスサイエンス系, 准教授 (50574612)
• Co-Investigator(Kenkyū-buntansha): 増田 真也 慶應義塾大学, 看護医療学部(藤沢), 教授 (80291285)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2025: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000); Fiscal Year 2024: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000); Fiscal Year 2023: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
• Keywords: Web調査 / 機械学習 / 不適切回答者 / 不注意回答者 / 指示項目

Outline of Research at the Start

Web調査は学術調査・市場調査等で広く社会で使われている。一方で，Web調査には調査項目を適切に読まずに回答する不注意回答者が一定程度存在することが知られており，この存在のためにデータ分析結果が毀損されている。本研究は，不適切回答者を除外する方法や除外後の結果を補正する方法を，研究代表者が開発した機械学習による方法をベースとして開発し，さらに，調査概要の動画説明による不適切回答予防効果も検証する。