Computational Personality Assessment: A Data- Driven Machine Learning Approach Using Engineered Behavioral Features
Questo articolo presenta una pipeline di apprendimento automatico basata sui dati che migliora significativamente l'accuratezza della classificazione tra introversi ed estroversi al 91,90% attraverso l'ingegnerizzazione di tre caratteristiche comportamentali composte e la valutazione di 13 algoritmi, dimostrando che i K-Nearest Neighbors offre le prestazioni migliori all'interno di un quadro statisticamente robusto.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immagina di cercare di indovinare se un nuovo amico sia un "introverso" (qualcuno che si ricarica stando da solo) o un "estroverso" (qualcuno che trae energia dall'essere con gli altri). Di solito, potresti porgli domande come: "Ti piacciono le feste?" o "Ti senti stanco dopo una grande folla?". Ma le persone non sono sempre oneste, o potrebbero anche non conoscere la risposta stessa. È qui che entra in gioco la psicologia computazionale. Questo è un campo in cui gli scienziati usano computer e matematica per trovare schemi nel modo in cui le persone agiscono, piuttosto che solo in ciò che dicono. Esplorano il machine learning, che è fondamentalmente l'insegnare a un computer a imparare dagli esempi, per individuare questi indizi nascosti della personalità. La grande domanda è: possiamo costruire un programma per computer che osservi le abitudini quotidiane di una persona — come quanto spesso esce o quanto tempo passa da sola — e indovini accuratamente il suo tipo di personalità senza che debba compilare un noioso sondaggio?
Questo articolo è come una storia di investigazione dove i detective sono scienziati informatici e gli indizi sono impronte digitali. I ricercatori, Meera Solgama e Zeelkumar Bhavsar, hanno deciso di costruire un rilevatore di personalità super intelligente. Non si sono limitati a dare al computer dati grezzi; hanno agito come maestri chef, prendendo ingredienti semplici (come "tempo passato da soli" o "paura del palco") e mescolandoli insieme per creare tre nuovi ingredienti "ingegnerizzati". Li hanno chiamati Social Ratio (Rapporto Sociale), Social Engagement (Impegno Sociale) e Recovery Need (Bisogno di Recupero). Pensatelo in questo modo: invece di misurare solo quanto zucchero c'è in una torta, hanno creato un nuovo sapore chiamato "Equilibrio di Dolcezza" che vi dice esattamente come lo zucchero interagisce con la farina. Hanno testato 13 diversi "cervelli" informatici (algoritmi) per vedere quale riuscisse a percepire meglio la differenza tra introversi ed estroversi.
I risultati sono stati piuttosto entusiasmanti. Il cervello informatico che ha vinto la corsa si chiamava K-Nearest Neighbors (K-NN). Ha dato la risposta corretta il 91,90% delle volte. I ricercatori hanno scoperto che i loro speciali ingredienti "ingegnerizzati" erano la salsa segreta. Quando hanno testato il computer usando solo i vecchi, semplici ingredienti, questo ha indovinato circa il 79,5% delle volte. Ma una volta aggiunti i loro tre nuovi mix, l'accuratezza è balzata del 12,4%. Si è scoperto che l'algoritmo K-NN era il migliore perché i nuovi ingredienti facevano apparire i dati come due pile distinte e ordinate di biglie — una pila per gli introversi e una per gli estroversi — rendendo facile per il computer smistarli.
Interessante è che l'articolo suggerisce che non serva sempre il cervello informatico più complicato e futuristico per risolvere il problema. Mentre altri studi utilizzavano reti neurali profonde (che sono come enormi e complesse ragnatele), questo modello K-NN più semplice funzionava altrettanto bene, se non meglio, perché i dati erano così ben organizzati. I ricercatori hanno anche eseguito rigorosi test matematici (chiamati t-test accoppiati) per assicurarsi che la differenza tra i migliori modelli non fosse solo fortuna. Hanno scoperto che i primi tre modelli erano effettivamente in pareggio statistico, il che significa che, se volete sceglierne uno diverso per velocità o semplicità, potete farlo senza perdere molta accuratezza.
Tuttove, gli autori sono cauti nel non dire che questo sia una bacchetta magica. Puntano il dito sul fatto che i loro dati derivano da risposte auto-riferite, il che significa che le persone potrebbero essere state un po' di parte. Inoltre, la personalità non è solo un semplice interruttore "sì o no"; è più come una scala mobile. L'articolo suggerisce che, sebbene questo metodo funzioni molto bene per questo specifico set di dati, dobbiamo fare attenzione prima di applicarlo a tutti ovunque senza ulteriori test. Ma in generale, hanno dimostrato che, pensando in modo creativo su come combinare i punti dati, possiamo costruire strumenti che comprendono il comportamento umano un po' meglio rispetto al passato.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.