Sommaire
(Abstrait)
Le chercheur principal HARUNO Masahiko et le Dr MORI Kazuma du Center for Information and Neural Networks (CiNet), the National Institute of Information and Communications Technology (NTIC, President: TOKUDA Hideyuki, Ph.D.), rapportent l'utilisation de l'apprentissage automatique à analyser le comportement sur Twitter et prédire un large éventail de traits de personnalité et d'attributs tels que l'intelligence et l'extraversion. Plus précisément, l'étude utilise le renforcement du gradient par composant pour démontrer que les fonctionnalités du réseau, telles que le nombre de Tweets et le nombre de likes, et l'utilisation des mots sur Twitter sont prédictives de la santé sociale (par exemple, extraversion) et mentale (par exemple, anxiété). personnalités, respectivement. Cette approche peut fournir une nouvelle façon de diagnostiquer la santé mentale et de donner un coup de pouce personnalisé.
La nouvelle étude a été publiée dans Journal de la personnalité en ligne le jeudi 20 août 2020.
(Contexte)
Les services de médias sociaux (SNS) sont rapidement devenus des outils universels de communication. Des recherches antérieures ont montré que les informations sur l'utilisation de Facebook et Twitter peuvent révéler des traits de personnalité de base et de cours basés sur le Big 5. Cependant, quels types d'informations SNS peuvent être utilisés pour identifier des traits de personnalité et des attributs spécifiques sont inconnus. Il existe un intérêt croissant pour les traits de personnalité et les attributs qui peuvent être prédits en analysant les informations SNS et la précision avec laquelle ces informations reflètent l'utilisateur.
(Réalisations)
L'étude du Dr MORI et du chercheur principal HARUNO a découvert qu'un large éventail de traits de personnalité et d'attributs peuvent être prédits en analysant quatre types différents de comportements des utilisateurs sur Twitter (c'est-à-dire les caractéristiques du réseau, le temps, les statistiques de mots et l'utilisation des mots).
Une analyse statistique a révélé des corrélations significatives entre les scores de personnalité et d'attributs mesurés et ceux prédits, avec des coefficients de corrélation autour de 0,25. Cette valeur n'est pas suffisante pour déterminer précisément les traits de personnalité d'un individu, mais avec un échantillon de population suffisamment grand, cette technologie peut fournir des résultats informatifs.
L'étude a recueilli des informations sur les réseaux sociaux auprès de 239 participants (156 hommes, 83 femmes; âge moyen 22,4 ans) qui ont également passé des tests de personnalité mesurant 24 traits de personnalité et attributs (52 sous-échelles). Sur les 52 sous-échelles, les informations Twitter pourraient être utilisées de manière fiable pour en prédire 23. La figure 2A présente une corrélation positive (coefficient de corrélation = 0,44) entre les scores d'extraversion Big 5 mesurés et prédits sur la base d'une procédure de validation croisée 10 fois réalisée 10 fois (valeur p corrigée de Bonferroni de 0,05 / 52).
L'analyse a révélé que plusieurs traits de personnalité sociale tels que l'extraversion, l'empathie et l'autisme pouvaient être prédits à partir des caractéristiques du réseau. D'autres traits de personnalité tels que le statut socio-économique, le tabagisme / la consommation d'alcool et même la dépression ou la schizophrénie étaient prévisibles à partir des caractéristiques de l'utilisation du langage. La prédiction à partir du temps était plus difficile à corréler avec les personnalités mesurées, mais a montré une corrélation significative avec l'intelligence et l'orientation des valeurs sociales.
(Perspectives futures)
Nous étendons l'analyse à des milliers de sujets. La méthode décrite dans cette étude pourrait être utilisée pour des diagnostics de santé mentale et des coups de pouce personnalisés pour agir sur les comportements des gens. Il donnera également un aperçu des mécanismes neuronaux sous-jacents aux différences individuelles dans les traits de personnalité.
La source:
Institut national des technologies de l'information et des communications (NTIC)
Référence du journal:
Mori, K & Haruno, M (2020) Capacité différentielle des informations de réseau et de langage naturel sur les médias sociaux à prédire les traits de santé interpersonnelle et mentale. Journal de la personnalité. doi.org/10.1111/jopy.12578.
