Skip to main content
Top

2021 | OriginalPaper | Chapter

12. Emotion AI: Neue Formen der Emotionsmessung durch Künstliche Intelligenz

Authors : Rebeca Marichalar Quezada, Michael Bartl, Gabriel Garrecht

Published in: Künstliche Intelligenz erfolgreich umsetzen

Publisher: Springer Fachmedien Wiesbaden

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Menschliche Emotionen spielen in allen Bereichen des Lebens eine zentrale Rolle. Auch deshalb haben Emotionen und deren Messung schon lange das Interesse verschiedener Forscher geweckt. In unserem Beitrag bauen wir auf bestehenden Emotionstheorien auf und erläutern das Konzept der emotionalen künstlichen Intelligenz, auch bekannt als Emotion AI. Der Fokus dieses Beitrags liegt insbesondere auf dem Vergleich traditioneller und moderner, KI-basierter Methoden zur Emotionserkennung. Anhand eines Experiments im Onlineshopping werden dafür eine klassische Selbstauskunftsmethode mit der automatisierten und KI-basierten Emotionserkennungssoftware TAWNY verglichen, die gleichermaßen zur Messung des Nutzererlebnisses eingesetzt werden. Außerdem zeigen wir auf, wie sich, insbesondere in der Markt- und Konsumentenforschung, zahlreiche Einsatzmöglichkeiten für die Emotion AI Technologie ergeben.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Footnotes
1
Skala von -4 bis 4; 0 als Mitte und neutraler Punkt der Skala.
 
Literature
go back to reference Bartl, M., & Füller, J. (2020). The rise of emotion AI: Decoding flow experiences in sports. In 21st century sports (S. 219–229). Cham: Springer.CrossRef Bartl, M., & Füller, J. (2020). The rise of emotion AI: Decoding flow experiences in sports. In 21st century sports (S. 219–229). Cham: Springer.CrossRef
go back to reference Canetti, L., Bachar, E., & Berry, E. M. (2002). Food and emotion. Behavioural Processes, 60(2), 157–164.CrossRef Canetti, L., Bachar, E., & Berry, E. M. (2002). Food and emotion. Behavioural Processes, 60(2), 157–164.CrossRef
go back to reference Ekman, P., & Cordaro, D. (2011). What is meant by calling emotions basic. Emotion Review, 3(4), 364–370.CrossRef Ekman, P., & Cordaro, D. (2011). What is meant by calling emotions basic. Emotion Review, 3(4), 364–370.CrossRef
go back to reference Ekman, P., & Friesen, W. (1978). Facial action coding system: A technique for the measurement of facial movement. Palo Alto: Consulting Psychologists Press. Ekman, P., & Friesen, W. (1978). Facial action coding system: A technique for the measurement of facial movement. Palo Alto: Consulting Psychologists Press.
go back to reference Fenn, J., & LeHong, H. (2015). Hype cycle for emerging technologies. Stamford: Gartner. Fenn, J., & LeHong, H. (2015). Hype cycle for emerging technologies. Stamford: Gartner.
go back to reference Hahn, A., & Bartl, M. (2019). Wie affective computing kostengünstig, schnell, zuverlässig, valide und skalierbar Nutzer-Emotionen messen kann um empathische Marktforschung anzureichern. Paper präsentiert zum 54. Kongress der Deutschen Marktforschung am 20.–21.05.2019 in Hamburg. Hahn, A., & Bartl, M. (2019). Wie affective computing kostengünstig, schnell, zuverlässig, valide und skalierbar Nutzer-Emotionen messen kann um empathische Marktforschung anzureichern. Paper präsentiert zum 54. Kongress der Deutschen Marktforschung am 20.–21.05.2019 in Hamburg.
go back to reference Hahn, A., & Maier, M. (2018). Affective Computing: Potenziale für empathisches digitales Marketing. Marketing Review St. Gallen, 4, 52–65. Hahn, A., & Maier, M. (2018). Affective Computing: Potenziale für empathisches digitales Marketing. Marketing Review St. Gallen, 4, 52–65.
go back to reference Hahn, A., Bartl, M., & Klug, K. (2020). Digital Empathy: Wie Künstliche Intelligenz und Affective Computing die Marktforschung verändern. In M. Pusler (Hrsg.), Dem Konsumenten auf der Spur: Erfolgreiches Marketing durch zeitgemäße Marktforschung. Freiburg: Haufe. Hahn, A., Bartl, M., & Klug, K. (2020). Digital Empathy: Wie Künstliche Intelligenz und Affective Computing die Marktforschung verändern. In M. Pusler (Hrsg.), Dem Konsumenten auf der Spur: Erfolgreiches Marketing durch zeitgemäße Marktforschung. Freiburg: Haufe.
go back to reference Jackson, S. A., & Csikszentmihalyi, M. (1999). Flow in sports. Champaign: Human Kinetics. Jackson, S. A., & Csikszentmihalyi, M. (1999). Flow in sports. Champaign: Human Kinetics.
go back to reference Jacob-Dazarola, R., Ortiz Nicolás, J., & Cardenas, L. (2016). Behavioral measures of emotion. In H. L. Meiselman (Hrsg.), Emotion measurement (S. 101–124). Amsterdam: Woodhead Publishing.CrossRef Jacob-Dazarola, R., Ortiz Nicolás, J., & Cardenas, L. (2016). Behavioral measures of emotion. In H. L. Meiselman (Hrsg.), Emotion measurement (S. 101–124). Amsterdam: Woodhead Publishing.CrossRef
go back to reference Kassam, K. S., Markey, A. R., Cherkassky, V. L., Loewenstein, G., & Just, M. A. (2013). Identifying emotions on the basis of neural activation. PloS one, 8(6), e66032.CrossRef Kassam, K. S., Markey, A. R., Cherkassky, V. L., Loewenstein, G., & Just, M. A. (2013). Identifying emotions on the basis of neural activation. PloS one, 8(6), e66032.CrossRef
go back to reference McDuff, D. (2017). New methods for measuring advertising efficacy. In Digital advertising: Theory and research (3. Aufl.). New York: Routledge. McDuff, D. (2017). New methods for measuring advertising efficacy. In Digital advertising: Theory and research (3. Aufl.). New York: Routledge.
go back to reference Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. Cambridge, MA: MIT Press. Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. Cambridge, MA: MIT Press.
go back to reference Phelps, E. A., Lempert, K. M., & Sokol-Hessner, P. (2014). Emotion and decision making: Multiple modulatory neural circuits. Annual Review of Neuroscience, 37, 263–287.CrossRef Phelps, E. A., Lempert, K. M., & Sokol-Hessner, P. (2014). Emotion and decision making: Multiple modulatory neural circuits. Annual Review of Neuroscience, 37, 263–287.CrossRef
go back to reference Picard, R. W. (1997). Affective computing. Cambridge, MA: MIT press. Picard, R. W. (1997). Affective computing. Cambridge, MA: MIT press.
go back to reference Russell, J. A. (1980). A circumplex model of affect. Journal of Personality and Social Psychology, 39(6), 1161–1178.CrossRef Russell, J. A. (1980). A circumplex model of affect. Journal of Personality and Social Psychology, 39(6), 1161–1178.CrossRef
go back to reference Russell, J. A., Weiss, A., & Mendelsohn, G. A. (1989). Affect grid: A single-item scale of pleasure and arousal. Journal of Personality and Social Psychology, 57(3), 493–502.CrossRef Russell, J. A., Weiss, A., & Mendelsohn, G. A. (1989). Affect grid: A single-item scale of pleasure and arousal. Journal of Personality and Social Psychology, 57(3), 493–502.CrossRef
go back to reference Zajonc, R. B. (1980). Feeling and thinking: Preferences need no inferences. American pyschologist, 35(2), 151.CrossRef Zajonc, R. B. (1980). Feeling and thinking: Preferences need no inferences. American pyschologist, 35(2), 151.CrossRef
Metadata
Title
Emotion AI: Neue Formen der Emotionsmessung durch Künstliche Intelligenz
Authors
Rebeca Marichalar Quezada
Michael Bartl
Gabriel Garrecht
Copyright Year
2021
DOI
https://doi.org/10.1007/978-3-658-34670-6_12