En ny undersøgelse fra Princeton University fremhæver sammenhængen mellem brug af smartphones, associeret adfærdsdata, og personlighedstræk.
Med titlen “At forudsige personlighed ud fra adfærdsmønstre indsamlet med smartphones“, undersøgelsen undersøger i hvor høj grad individer’ personlighedsdimensioner (vurderet på bredt domæne og snævert facetteniveau, pr. forskning) kan forudsiges baseret på seks adfærdsklasser:
1) kommunikation og social opførsel;
2) musikforbrug;
3) brug af applikationer;
4) mobilitet;
5) samlet telefonaktivitet;
6) dag- og nataktivitet, i en stor prøve.
De krydsvaliderede resultater viser, hvilke Big Five personlighedsdimensioner er forudsigelige, og hvilke specifikke adfærdsmønstre er tegn på, hvilke dimensioner, afslører kommunikation og social opførsel som den mest forudsigelige samlet.
Resultaterne fremhæver også fordelene og farerne ved den omfattende indsamling af smartphone-data, siger forskerteamet.
Vores digitale fodaftryk
Måske kender du ordet godt. Digital fodaftryk, undertiden kaldet “digital skygge“, betyder det unikke sæt af vores sporbare digitale aktiviteter, handlinger, bidrag og kommunikation over internettet eller på digitale enheder. En af bekymringerne om privatlivets fred vedrørende digitale fodaftryk, der stammer fra sociale netværksplatforme, er, at de kan afsløre forskellige psykologiske egenskaber hos enkeltpersoner, inklusive personlighedstræk.
Som forklaret af forskerteamet, “Det er vist, at de store fem personlighedsegenskaber forudsiger en bred vifte af livsresultater inden for sundhedsområdet, politisk deltagelse, personlige og romantiske forhold, købsadfærd, og akademisk og jobpræstation. Datadrevne konklusioner om enkeltpersoners personlighedstræk giver store muligheder for forskning; men de har også store konsekvenser for individuelt privatliv, fordi de giver mulighed for personlighedsbaseret målretning og manipulation“.
Dette billede bliver mere kompliceret med brugen af smartphones. Smartphones er i stand til at indsamle “en langt bredere, finkornet udvalg af daglig opførsel” hentet fra sociale medier. Smartphones, i almindelighed, udgør store risici for privatlivets fred:
On-board sensorer af en smartphone og enhedens logfunktioner (f.eks, app-brug logfiler, forbrug af medier og websteder, placering, kommunikation, skærmaktivitet) kan udnyttes af apps for at registrere daglig opførsel, der udføres både på enhederne selv og i nærheden af dem.
Datasæt indsamlet via smartphones kan være frugtbare med henblik på pshykologisk forskning, der giver værdifulde fund. Men, disse data indeholder normalt mange private oplysninger og bør ikke indsamles uden eksplicit tilladelse fra enkeltpersoner. Desværre, illusionen om samtykke bliver endnu skyere, da de fleste brugere forbliver uvidende om de data, de leverer, eller bliver ofte narret til at give endnu flere detaljer.
Brugere har også en tendens til at kæmpe “at forstå de nuværende tilladelsessystemer, der er uspecifikke og ineffektive til at forhindre indsamling af personlige data fra smartphones.” Endvidere, mange appudviklere opdager kreative sidekanaler til rutinemæssigt at udtrække data fra mobile enheder, uanset enhedsejers tilladelse.
Relaterede: Service om beskyttelse af personlige oplysninger sletter brugerdata fra tusinder af databaser
“At forudsige personlighed ud fra adfærdsmønstre indsamlet med smartphones”: resultaterne
Resultaterne afslører, at forskerteamet med succes forudsagde niveauer af Big Five-personlighedstræk ved hjælp af adfærdsmønstre, der stammer fra smartphone-brugsdata, for mere end halvdelen af domæner og facetter, eller 57% af alle personlighedsdimensioner. Resultaterne antyder også forskelle i, hvor godt egenskabsdimensionerne blev forudsagt.
For eksempel, ved at forudsige “kærlighed til orden og følelse af pligt” facet af samvittighedsfuldheden, smartphone's gennemsnitlige batteriniveau, da det ikke var på et ladekabel, var en vigtig strøm af data:
samvittighedsfuldhed (rmd = 0.31, rsd = 0.13) blev også med succes forudsagt over baseline, ligesom dens facetter, undtagen kompetence (rmd = 0.19, rsd = 0.11). Med hensyn til forudsigelsesevne, facetten kærlighed til orden rangeret først (rmd = 0.31, rsd = 0.13), efterfulgt af pligtfølelse (rmd = 0.29, rsd = 0.10), ambition (rmd = 0.26, rsd = 0.12), disciplin (rmd = 0.22, rsd = 0.12), og forsigtighed (rmd = 0.20, rsd = 0.12), rapporten viser.
Hvad angår følelsesmæssig stabilitet og dens personlighedsdimension, kun facetterne af pleje og selvbevidsthed blev forudsagt markant.
Sammenfattende, alle adfærdsklasser havde en vis indflydelse på forudsigelsen af karakteristika for personlighedsegenskaber. Men, adfærd relateret til kommunikation og social opførsel og appbrug viste sig som mest markant i modellerne.
Afslutningsvis, det viser sig, at specifikke klasser af adfærd, herunder appbrug, musikforbrug, kommunikation og social opførsel, mobilitet adfærd, samlet telefonaktivitet, dagtimerne vs. nataktivitet, var “tydeligt informativt om de forskellige Big Five-egenskaber.”
Men, det skal bemærkes, at forskningsresultaterne er “et konservativt skøn“. Ikke desto mindre, resultaterne viser stadig, hvor let det er at hente data fra sensorer og logfiler på smartphones, samt specificiteten af personlighedsforudsigelser, der kan foretages ud fra de således opnåede adfærdsdata.
At leve i en forudsigelig verden
I 2016, et meget specielt projekt blev lanceret, nysgerrig kaldt Forudsigelig verden. Projektet var et samarbejdsdatavisualiseringsprojekt, der blev sat i brug af Psycometrics Center, Sid Lee Paris, og Ubisoft. Projektet blev beskrevet som "en interaktiv online oplevelse, hvor brugerne opdager, hvor meget et cybersystem kan forudsige om dem ved hjælp af digitale poster over deres opførsel."
Det er bemærkelsesværdigt, at Predictive World brugte Apply Magic Sauce API til at generere psykologiske forudsigelser fra Facebook-data tilhørende brugere. Den brugte også en skræddersyet back-end datainfrastruktur konstrueret af forskerne involveret i projektet. Som forklaret af teamet, “vi rengøres, manipuleret og fusioneret hundreder af åbne ressourcer for at oprette en database indeholdende 6.3 milliard datapunkter - 6,347,671,708 at være nøjagtige.”
Hvad forskere grundlæggende gjorde, var at etablere et forhold mellem forskellige faktorer som køn og løn, placering og kriminalitetsrisiko, personlighed og lang levetid. Brugere kan også interagere med forudsigelser for at ændre resultaterne og forstå forholdet mellem variablerne. Holdet gennemgik og uddragte også statistikker fra mere end 70 peer-reviewede artikler for at justere ændringerne på et videnskabeligt forskningsgrundlag.
Et lignende forudsigelsessystem blev vist i den tredje sæson af Westworld-serien.
Milena Dimitrova
En inspireret forfatter og indholdschef, der har været hos SensorsTechForum siden projektets start. En professionel med 10+ års erfaring med at skabe engagerende indhold. Fokuseret på brugernes privatliv og malware udvikling, hun tror stærkt på en verden, hvor cybersikkerhed spiller en central rolle. Hvis almindelig sund fornuft giver ingen mening, hun vil være der til at tage noter. Disse noter senere kan blive til artikler! Følg Milena @Milenyim
Følg mig: