Bolehkah Profil Facebook Mengukur Keperibadian?

Adakah profil yang kami sediakan di Facebook merupakan gambaran yang lebih tepat mengenai keperibadian kami daripada yang diperoleh dengan kaedah tradisional yang digunakan oleh ahli psikologi?

Ini adalah soalan yang cuba dijawab oleh kumpulan penyelidik antara disiplin dari University of Pennsylvania. Pada masa ini, ahli psikologi menggunakan pelbagai kaedah termasuk tinjauan dan soal selidik yang dilaporkan sendiri untuk menilai keperibadian.

Dalam satu kajian baru-baru ini, 75,000 orang secara sukarela melengkapkan soal selidik keperibadian umum melalui aplikasi Facebook dan menjadikan kemas kini status Facebook mereka tersedia untuk tujuan penyelidikan. Para penyelidik kemudian mencari corak linguistik keseluruhan dalam bahasa sukarelawan.

Kajian ini diterbitkan dalam jurnal PLOS SATU.

Penyiasat menghasilkan model komputer yang dapat meramalkan usia, jantina dan tindak balas individu terhadap soal selidik keperibadian yang mereka ambil.

Model ramalan ini sangat tepat. Sebagai contoh, para penyelidik betul 92 peratus masa ketika meramalkan jantina pengguna hanya berdasarkan bahasa kemas kini status mereka.

Kejayaan pendekatan "terbuka" ini menunjukkan kaedah baru untuk meneliti hubungan antara sifat dan tingkah laku keperibadian dan mengukur keberkesanan intervensi psikologi.

Kajian penyelidik menggunakan sejarah panjang untuk mempelajari kata-kata yang digunakan orang untuk memahami perasaan dan keadaan mental mereka, tetapi mengambil pendekatan "terbuka" dan bukannya "tertutup" untuk menganalisis data pada intinya.

"Dalam pendekatan 'perbendaharaan kata tertutup'," rakan pasca doktoral Margaret Kern, Ph.D., mengatakan, "psikolog mungkin memilih senarai kata-kata yang mereka anggap memberi isyarat emosi positif, seperti 'puas,' 'bersemangat' atau 'luar biasa' dan kemudian perhatikan kekerapan penggunaan kata-kata ini oleh seseorang sebagai cara untuk mengukur betapa senangnya orang itu.

Namun, pendekatan perbendaharaan kata tertutup mempunyai beberapa batasan, termasuk bahawa mereka tidak selalu mengukur apa yang ingin mereka ukur. "

"Sebagai contoh," kata Ungar, "seseorang mungkin mendapati sektor tenaga menggunakan lebih banyak kata-kata emosi negatif, hanya kerana mereka menggunakan kata" kasar "lebih banyak. Tetapi ini menunjukkan perlunya menggunakan ungkapan berbilang kata untuk memahami maksud yang dimaksudkan.

‘Minyak mentah’ berbeza daripada ‘minyak mentah’, dan, juga, ‘sakit’ berbeza dengan hanya ‘sakit.’ ”

Batasan lain yang melekat pada pendekatan perbendaharaan kata tertutup adalah bahawa ia bergantung pada kumpulan kata yang sudah ditentukan sebelumnya. Kajian semacam itu mungkin dapat mengesahkan bahawa orang yang mengalami kemurungan memang menggunakan kata-kata yang diharapkan (seperti "sedih") lebih kerap tetapi tidak dapat menghasilkan pandangan baru (bahawa mereka kurang bercakap mengenai aktiviti sukan atau sosial daripada orang gembira, misalnya.)

Kajian bahasa psikologi masa lalu semestinya bergantung pada pendekatan perbendaharaan kata tertutup kerana ukuran sampelnya yang kecil menjadikan pendekatan terbuka tidak praktikal. Kemunculan kumpulan data bahasa yang besar yang diberikan oleh media sosial kini memungkinkan untuk melakukan analisis yang berbeza secara kualitatif.

"Sebilangan besar perkataan jarang berlaku - sebarang contoh penulisan, termasuk kemas kini status Facebook, hanya mengandungi sebahagian kecil dari perbendaharaan kata rata-rata," lapor H. Andrew Schwartz, rakan pasca doktoral dalam sains komputer dan maklumat.

"Ini bermakna, untuk semua kecuali kata-kata yang paling umum, anda memerlukan penulisan sampel dari banyak orang untuk menjalin hubungan dengan sifat psikologi. Kajian tradisional mendapati hubungan yang menarik dengan kategori kata yang terpilih seperti ‘emosi positif’ atau ‘kata fungsi.’

Namun, berbilion contoh kata yang terdapat di media sosial memungkinkan kita mencari corak pada tahap yang lebih kaya. "

Pendekatan kosa kata terbuka, sebaliknya, memperoleh kata dan frasa penting dari sampel itu sendiri. Dengan lebih daripada 700 juta perkataan, frasa dan topik yang dibahas dari contoh pesanan status Facebook kajian ini, data yang mencukupi untuk menggali ratusan kata dan frasa umum dan untuk mencari bahasa terbuka yang lebih bermakna berhubungan dengan ciri-ciri tertentu.

Ukuran data yang besar ini sangat penting untuk teknik khusus yang digunakan pasukan, yang dikenali sebagai analisis bahasa pembezaan, atau DLA.

Para penyelidik menggunakan DLA untuk mengasingkan kata-kata dan frasa yang berkumpul di sekitar pelbagai ciri yang dilaporkan sendiri dalam soal selidik sukarelawan: usia, jantina dan skor untuk ciri keperibadian "Lima Besar" - ekstraversi, kesepakatan, kesadaran, neurotisme dan keterbukaan.

Model Big Five dipilih kerana ini adalah cara umum dan dipelajari dengan baik untuk mengukur sifat keperibadian, tetapi kaedah penyelidik dapat diterapkan pada model yang mengukur ciri lain, termasuk kemurungan atau kebahagiaan.

Untuk memvisualisasikan hasilnya, para penyelidik membuat awan kata yang merangkum bahasa yang secara statistik meramalkan sifat tertentu, dengan kekuatan korelasi kata dalam kelompok tertentu diwakili oleh ukurannya. Sebagai contoh, awan kata yang menunjukkan bahasa yang digunakan oleh orang-orang ekstra dengan jelas menampilkan kata dan frasa seperti "pesta," "malam yang hebat" dan "pukul saya," sementara awan kata untuk introvert menampilkan banyak rujukan kepada media dan emotikon Jepun.

"Nampaknya jelas bahawa orang yang terlalu cerdik akan banyak bercakap tentang pesta," kata Eichstaedt, "tetapi secara keseluruhan, awan kata ini memberikan jendela yang belum pernah terjadi sebelumnya ke dalam dunia psikologi orang dengan sifat tertentu. Banyak perkara nampak jelas setelah fakta dan setiap item masuk akal, tetapi adakah anda akan memikirkan semuanya, atau bahkan kebanyakannya? "

Martin Seligman, pengarah program menjelaskan: "Apabila saya bertanya pada diri sendiri bagaimana rasanya menjadi ekstrovert?" "Bagaimana rasanya menjadi seorang gadis remaja?" "Bagaimana rasanya menjadi skizofrenia atau neurotik?" Atau "Bagaimana rasanya menjadi 70 tahun? 'Awan kata ini jauh lebih dekat ke tengah-tengah perkara ini daripada semua soal selidik yang ada. "

Untuk menguji seberapa tepat mereka menangkap sifat orang melalui pendekatan perbendaharaan kata terbuka mereka, para penyelidik membahagikan sukarelawan menjadi dua kumpulan dan melihat apakah model statistik yang dikumpulkan dari satu kumpulan dapat digunakan untuk menyimpulkan sifat yang lain. Bagi tiga perempat sukarelawan, para penyelidik menggunakan teknik pembelajaran mesin untuk membina model perkataan dan frasa yang meramalkan tindak balas soal selidik.

Mereka kemudian menggunakan model ini untuk meramalkan usia, jantina dan keperibadian untuk suku yang tinggal berdasarkan catatan Facebook mereka.

"Model itu tepat 92 persen dalam meramalkan jantina sukarelawan dari penggunaan bahasa mereka," kata Schwartz, "dan kami dapat meramalkan usia seseorang dalam tiga tahun lebih dari separuh waktu.

"Ramalan keperibadian kami secara semula jadi kurang tepat tetapi hampir sama baiknya dengan menggunakan hasil soal selidik seseorang dari satu hari untuk meramalkan jawapan mereka terhadap soal selidik yang sama pada hari lain."

Dengan pendekatan perbendaharaan kata terbuka ditunjukkan sama atau lebih ramalan daripada pendekatan tertutup, para penyelidik menggunakan kata awan untuk menghasilkan pandangan baru mengenai hubungan antara kata dan sifat. Sebagai contoh, peserta yang mendapat skor rendah pada skala neurotik (iaitu mereka yang mempunyai kestabilan emosi) menggunakan sebilangan besar kata yang merujuk kepada aktiviti sosial yang aktif, seperti "papan luncur salji", "pertemuan" atau "bola keranjang."

"Ini tidak menjamin bahawa melakukan sukan akan membuat anda kurang neurotik; mungkin neurotisme menyebabkan orang ramai untuk tidak bersukan, ”kata Ungar. "Tetapi ini menunjukkan bahawa kita harus meneroka kemungkinan individu neurotik menjadi lebih stabil secara emosi jika mereka bermain lebih banyak sukan."

Dengan membina model keperibadian prediktif berdasarkan bahasa media sosial, para penyelidik kini dapat lebih mudah mendekati soalan seperti itu. Daripada meminta berjuta-juta orang untuk mengisi kaji selidik, kajian masa depan mungkin dilakukan dengan meminta sukarelawan mengirimkan suapan Facebook atau Twitter mereka untuk kajian tanpa nama.

"Para penyelidik telah mengkaji sifat keperibadian ini selama bertahun-tahun secara teorinya," kata Eichstaedt, "tetapi sekarang mereka mempunyai tingkap sederhana bagaimana mereka membentuk kehidupan moden di zaman Facebook."

Sumber: Universiti Pennsylvania

!-- GDPR -->