کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7249047 1471994 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predicting the Big 5 personality traits from digital footprints on social media: A meta-analysis
ترجمه فارسی عنوان
پیش بینی ویژگی های شخصیتی بزرگ 5 از رد پای دیجیتال در رسانه های اجتماعی: متا آنالیز
کلمات کلیدی
رسانه های اجتماعی، فاصله دیجیتال، 5 علامت بزرگ، شخصیت، داده کاوی، مدل سازی پیش بینی کننده
ترجمه چکیده
استفاده روزافزون از رسانه های اجتماعی در میان کاربران اینترنت یک منبع وسیع و جدید از داده های بوم شناختی تولید شده از کاربر را ایجاد می کند، مانند پست های متنی و تصاویر، که می توانند برای اهداف تحقیق جمع آوری شوند. همگرایی در حال افزایش بین علوم اجتماعی و کامپیوتر موجب شده است محققان روشهای خودکار را برای استخراج و تجزیه و تحلیل این ردپاهای دیجیتال برای پیش بینی صفات شخصیتی توسعه دهند. این پیش بینی های مبتنی بر رسانه های اجتماعی پس از آن می تواند برای اهداف مختلف مورد استفاده قرار گیرد، از جمله خیاطی خدمات آنلاین برای بهبود تجربه کاربر، افزایش سیستم های توصیه می شود، و به عنوان یک ابزار غربالگری و قابل اجرا برای سلامت عمومی. در این مقاله، ما مجموعه ای از متاآنالیزها را برای تعیین قدرت پیش بینی ردپای دیجیتالی جمع آوری شده از رسانه های اجتماعی بر صفات شخصیتی بزرگ 5 انجام می دهیم. علاوه بر این، تاثیر انواع مختلف ردپای دیجیتال بر دقت پیش بینی را بررسی می کنیم. نتایج تجزیه و تحلیل ها نشان می دهد که قدرت پیش بینی کننده ردپای دیجیتال بر صفات شخصیتی مطابق با معیارهای استاندارد محدودیت بالاتری است برای رفتار پیش بینی شخصیت، با همبستگی های بین 0.29 (موافق بودن) و 0.40 (غلط). به طور کلی، یافته های ما نشان می دهد که دقت پیش بینی ها در صفات 5 بزرگ سازگار است و این دقت هنگامی که تجزیه و تحلیل شامل جمعیت شناسی و چندین ردپای دیجیتال است، بهبود می یابد.
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی علوم اعصاب رفتاری
پیش نمایش مقاله
پیش بینی ویژگی های شخصیتی بزرگ 5 از رد پای دیجیتال در رسانه های اجتماعی: متا آنالیز
چکیده انگلیسی
The growing use of social media among Internet users produces a vast and new source of user generated ecological data, such as textual posts and images, which can be collected for research purposes. The increasing convergence between social and computer sciences has led researchers to develop automated methods to extract and analyze these digital footprints to predict personality traits. These social media-based predictions can then be used for a variety of purposes, including tailoring online services to improve user experience, enhance recommender systems, and as a possible screening and implementation tool for public health. In this paper, we conduct a series of meta-analyses to determine the predictive power of digital footprints collected from social media over Big 5 personality traits. Further, we investigate the impact of different types of digital footprints on prediction accuracy. Results of analyses show that the predictive power of digital footprints over personality traits is in line with the standard “correlational upper-limit” for behavior to predict personality, with correlations ranging from 0.29 (Agreeableness) to 0.40 (Extraversion). Overall, our findings indicate that accuracy of predictions is consistent across Big 5 traits, and that accuracy improves when analyses include demographics and multiple types of digital footprints.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Personality and Individual Differences - Volume 124, 1 April 2018, Pages 150-159
نویسندگان
, , ,