人体测量估计中的人类偏差

体重和身高等身体测量是健康的关键指标。能够可靠地通过视觉评估身体测量是提升对超重和肥胖认知的一步，因此对公共卫生十分重要。然而，目前尚不清楚人类从图像中评估体重和身高的准确程度，以及他们在何时和如何出错。为弥补这一差距，我们从网络上收集了 1,682 张人物图像，每张都标注了真实体重和身高，并请众包工作者估计每张图像的体重和身高。我们进行了考虑图像特征及评估图像众包工作者特征的分面分析，揭示了若干新发现：（1）即使在聚合后，众包群体的整体准确度仍然较低。（2）我们发现朝向参考值的强烈收缩偏差证据，即轻（矮）者的体重（身高）被高估，而重（高）者的体重（身高）被低估。（3）我们使用贝叶斯模型估计工作者的个人参考值，发现参考值与工作者自身的身高和体重强相关，表明工作者更善于估计与自身相似的人。（4）高个者的体重比较矮者被低估得更多；然而，知道身高仅轻微降低体重误差。（5）女性图像的准确度高于男性图像，但女性与男性工作者在准确度上无差异。（6）若对先前的猜测给予反馈，众包工作者会随时间改善。最后，我们探索了多种偏差校正模型以提升众包群体准确度，但发现仅带来有限提升。总体而言，随着肥胖相关疾病不断增加，本工作为身体测量估计中的偏差提供了重要见解。