|
Аннотация.
В статье описывается исследование цифровых следов пользователей в социальной сети и результаты прохождения 16-факторного теста Р. Кеттелла. Метод исследования заключается в применении статистических инструментов и релевантных алгоритмов машинного обучения к анкетным данным полученным со страниц пользователей. Основные результаты эксперимента заключаются в выявлении корреляции между факторами, оцениваемыми тестом Р. Кеттела, и цифровыми следами, а также построении предсказательных моделей. Лучшие результаты среди методов машинного обучения для предсказывания результатов теста Р. Кеттелла показали алгоритмы градиентного бустинга с максимальным значением метрики F1-micro 0,606, которое удалось достичь на факторе «эмоциональная чувствительность» (фактор I). Практическая значимость работы заключается в разработке инструмента для автоматизированного предсказания результатов теста Р. Кеттелла на основе цифровых следов пользователя. Теоретическая значимость заключается в разработке метода для автоматизации оценки выраженности личностных особенностей пользователей социальных сетей по их цифровым следам.
Ключевые слова:
машинное обучение, корреляционный анализ, социальные медиа, психологический тест, тест Р. Кеттелла, профилирование.
Стр. 56-66. DOI 10.14357/20718632240106
EDN ESXDTN Литература
1. Kern M.L., Friedman H.S. Personality and Pathways of Influence on Physical Health // Social and Personality Psychology Compass. 2011. № 5. P. 76–87. Doi: 10.1111%2Fj.1751-9004.2010.00331.x. 2. Luo J., Zhang B., Estabrook R., Graham E. K., Driver C. C., Schalet B. D., Turiano N. A., Spiro A., Mroczek, D. K. Personality and health: Disentangling their between-person and within-person relationship in three longitudinal studies // Journal of Personality and Social Psychology. 2020. Vol. 122. № 3. P. 493–522. Doi: 10.1037/pspp0000399. 3. Luo J., Zhang B., Cao M., Roberts, B.W. The Stressful Personality: A Meta-Analytical Review of the Relation Between Personality and Stress // Personality and Social Psychology Review. 2022. №27(2). P. 128–194. Doi: 10.1177/10888683221104002. 4. Ho S., Wong A. The role of customer personality in premium banking services // Journal of Financial Services Marketing. 2022. № 28. P. 1–21. Doi: 10.1057/s41264-022-00150-3. 5. Agyei J., Sun S., Abrokwah E., Penney E.K., Ofori-Boafo R. Mobile Banking Adoption: Examining the Role of Personality Traits // SAGE Open. 2020. Vol.10. №2. .Doi: 10.1177/2158244020932918 6. Netzer O., Lemaire A., Herzenstein M. When Words Sweat: Identifying Signals for Loan Default in the Text of Loan Applications // Journal of Marketing Research. 2019. Vol. 56. №6. P. 960–980. Doi: 10.1177/0022243719852959. 7. Wu W., Chen L., He L. Using personality to adjust diversity in recommender systems // HT 2013 Proceedings of the 24th ACM Conference on Hypertext and Social Media. 2013. P. 225–229. Doi: 10.1145/2481492.2481521. 8. Smith, T.A. The role of customer personality in satisfaction, attitude-to-brand and loyalty in mobile services // Spanish Journal of Marketing - ESIC. 2020. Vol. 24. №. 2. P. 155–175. Doi: 10.1108/SJME-06-2019-0036. 9. Camoiras-Rodriguez Z., Varela C. The influence of consumer personality traits on mobile shopping intention // Spanish Journal of Marketing - ESIC. 2020. Vol. 24. № 3. P. 331–353. Doi: 10.1108/SJME-02-2020-0029. 10. Abramov M.V., Tulupyev A.L., Suleymanov A.A. Analysis of users’ protection from socio-engineering attacks: social graph creation based on information from social network websites // Scientific and Technical Journal of Information Technologies, Mechanics and Optics. 2018. Vol. 18. № 2. P. 313–321. Doi: 10.17586/2226-1494-2018-18-2-313-321. 11. Тулупьева Т.В., Абрамов М.В., Тулупьев А.Л. Социоинженерные атаки: социальные сети и оценки защищенности пользователей. Издательство: Санкт-Петербургский государственный университет аэрокосмического приборостроения. 2018. 266 с. ISBN 978-5-8088-1317-5. 12. Кудинов С. И., Кудинов С. С. Психодиагностика личности. Издательство: Российский университет дружбы народов (РУДН). 2018. 232 с. ISBN: 978-5-209-08188-3 13. Bushmelev F., Khlobystova A., Abramov M., Livshits L. Deep Machine Learning Techniques in the Problem of Estimating the Expression of Psychological Characteristics of a Social Media User // Artificial Intelligence in Models, Methods and Applications. AIES 2022. Studies in Systems, Decision and Control. 2023. Vol 457. P. 315–324. Doi:10.1007/978-3-031-22938-1_22 14. Frolova M.S., Korepanova A.A., Abramov M.V. Assessing the Degree of the Social Media User's Openness Using an Expert Model Based on the Bayesian Network // 2021 XXIV International Conference on Soft Computing and Measurements (SCM). 2021. P. 52–55. Doi: 10.1109/SCM52931.2021.9507111. 15. Ignatiev N., Smirnov I., Stankevich M. Predicting Depression with Text, Image, and Profile Data from Social Media // International Conference on Pattern Recognition Applications and Methods. 2022. P. 753–760. Doi: 10.5220/0010986100003122 16. Choi T., Sung Y., Lee J., Choi S. Get behind my selfies: The Big Five traits and social networking behaviors throughselfies // Personality and Individual Differences. 2017. Vol. 109. P. 98–101. Doi: 10.1016/j.paid.2016.12.057. 17. Kosinski M., Stillwell D., Graepel T. Private traits and attributes are predictable from digital records of human behavior // Proceedings of the National Academy of Sciences. 2013. Vol. 110. № 15. P. 5802–5805. Doi: 10.1073/pnas.1218772110. 18. Li L., Li A., Hao B., Guan Z., Zhu T. Predicting Active Users' Personality Based on Micro-Blogging Behaviors // PLOS ONE. 2014. Vol. 9. № 1. Doi: 10.1371/journal.pone.0084997. 19. Райгородский Д.Я. Практическая психодиагностика. Методики и тесты. Учебное пособие. Самара: Издательский дом «БАХРАХ-М». 2001. 672 С. ISBN 5-89570-005-5. 20. Matz S., Chan Y.W.F., Kosinski M. Models of Personality // Emotions and Personality in Personalized Services. 2016. P. 35 - 54. Doi: 10.1007/978-3-319-31413-6_3. 21. Singh S., Farley S., Donahue J. Grandiosity on display: Social media behaviors and dimensions of narcissism // Personality and Individual Differences. 2018. Vol. 134. P. 308–313. Doi: 10.1016/j.paid.2018.06.039. 22. Chow T., Wan H. Is there any ‘Facebook Depression’? Exploring the moderating roles of neuroticism, Facebook social comparison and envy // Personality and Individual Differences. 2017. Vol. 119. P. 277–282. Doi: 10.1016/j.paid.2017.07.032. 23. Souri A., Hosseinpour S., Rahmani A.M. Personality classification based on profiles of social networks’ users and the five-factor model of personality. // Human-centric Computing and Information Science. 2018. Vol. 24, № 8. Doi: 10.1186/s13673-018-0147-4. 24. Titov S., Mararitsa L. Full-scale Personality Prediction on VKontakte Social Network and its Applications // 25th Conference of Open Innovations Association (FRUCT). 2019. P. 317–323. Doi: 10.23919/FRUCT48121.2019.8981513. 25. Олисеенко В.Д., Абрамов М.В. Предсказание результатов 16-факторного теста Р. Кеттелла на основе анализа текстовых постов пользователей социальной сети // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23, № 2. С. 279–288. doi: 10.17586/2226-1494-2023-23-2-279-288 26. Grandini M., Bagli E., Visani G. Metrics for Multi-Class Classification: an Overview. 2020. Doi: 10.48550/arXiv.2008.05756. 27. Tanha J., Abdi Y., Samadi N. Boosting methods for multiclass imbalanced data classification: an experimental review. Journal of Big Data. 2020. Vol. 7. № 1. P. 70. Doi: 10.1186/s40537-020-00349-y.
|
