社交媒体信息可以预测广泛的个性特征和属性

原理调查员Haruno Masahiko和Mori Kazuma博士在信息和神经网络（Cinet），国家信息和通信技术研究所，报告使用机器学习来分析Twitter上的行为，预测各种人格特质智能和途径等属性。Specifically, the study uses component-wise gradient boosting to demonstrate that network features, such as the number of Tweets and the number of likes, and word usage on Twitter are predictive of social (e.g., extraversion) and mental health (e.g., anxiety) personalities, respectively. This approach may provide a new way for mental health diagnostics and personalized nudges.

这项新研究发表在人格杂志2020年8月20日周四上线。

社交媒体服务（SNS）很快成为通信的普遍工具。以前的研究表明信息关于Facebook和Twitter使用情况的调查可以揭示基于五大性格特征的基本性格特征。然而，哪些类型的社交网络信息可以用来确定特定的人格特征和属性还不得而知。人们越来越关注通过分析SNS信息可以预测哪些性格特征和属性，以及这些信息在多大程度上准确地反映了用户。

Mori博士和原则研究员Haruno的研究发现，通过分析Twitter上的四种不同类型的用户的行为（即网络功能，时间，单词统计和单词使用），可以预测各种人格特征和属性。

一个统计分析发现测量的性格和属性得分与预测得分之间存在显著相关性，相关系数约为0.25。这个值不足以精确地确定一个人的个性特征，但如果有足够大的人口样本，这项技术可以提供信息丰富的结果。

该研究从239名参与者收集了社交媒体信息（156名男子，83名女性;平均年龄22.4岁），他还采用了24个人格特征和属性（52个分量）的人格测试。在52个分量中，可以可靠地使用Twitter信息来预测其中23个。图2a基于10倍的交叉验证程序，在测量的和预测的大5型偏移分数之间展示了正相关（相关系数= 0.44），（Bonferroni校正P值为0.05 / 52）。

分析显示，一些社会人格特征，如外向性、同理心和自闭症，可以从网络特征中预测(图2B)。其他人格特征如社会经济地位、吸烟/饮酒，甚至抑郁或精神分裂症可以通过语言使用特征预测(图2C和D)。时间的预测更难与测量的人格相关联，但确实显示出与智力和社会价值取向显著相关。

我们正在将分析扩展到数千个科目。该研究中描述的方法可用于精神健康诊断和个性化推动人们的行为。它也会让我们了解个体差异背后的神经机制个性特征。

---

---