スマートフォンの使い方はあなたの性格を予測することができます

プリンストン大学による新しい研究は、スマートフォンの使用の相互関係を強調しています, 仲間、同僚 行動データ, と性格特性.

タイトル “スマートフォンで収集した行動パターンから性格を予測する“, 研究は、個人がどの程度まで掘り下げます’ 性格の次元 (広い領域と狭いファセットレベルで評価, 研究によると) 6つのクラスの行動に基づいて予測することができます:

1) コミュニケーションと社会的行動;
2) 音楽の消費;
3) アプリケーションの使用;
4) 可動性;
5) 全体的な電話活動;
6) 日- と夜間の活動, 大きなサンプルで.

相互検証された結果は、 ビッグファイブの性格の側面 予測可能であり、どの特定の行動パターンがどの次元を示しているか, コミュニケーションと社会的行動を全体として最も予測的なものとして明らかにする.

結果はまた、スマートフォンデータの広範な収集によってもたらされる利点と危険性を浮き彫りにします, 研究チームは言う.

私たちのデジタルフットプリント

おそらくあなたはその用語に精通しているでしょう. デジタルフットプリント, 時々呼ばれる “デジタルシャドウ“, 私たちの追跡可能なデジタル活動のユニークなセットを意味します, 行動, インターネットまたはデジタルデバイスを介した貢献とコミュニケーション. ソーシャルネットワークプラットフォームから派生したデジタルフットプリントに関するプライバシーの懸念の1つは、個人のさまざまな心理的特性を明らかにできることです。, 性格特性を含む.

研究チームによって説明されたように, “ビッグファイブの性格特性は、健康の領域で幅広い人生の結果を予測することが示されています, 政治参加, 個人的でロマンチックな関係, 購買行動, 学業および職務遂行能力. 個人の性格特性に関するデータ主導の推論は、研究の絶好の機会を提供します; ただし、パーソナリティベースのターゲティングと操作が可能になるため、個人のプライバシーにも大きな影響があります。“.

この写真はスマートフォンを使用するとさらに複雑になります. スマートフォンは収集することができます “はるかに広い, 日常の行動のきめ細かい配列” ソーシャルメディアから取得. スマートフォン, 一般に, プライバシーに大きなリスクをもたらす:

スマートフォンのオンボードセンサーとデバイスのログ機能 (例えば, アプリ使用ログ, メディアとウェブサイトの消費, 位置, コミュニケーション, スクリーンアクティビティ) アプリで利用して、デバイス自体とデバイスの近くの両方で実行された毎日の行動を記録できます.

スマートフォンを介して収集されたデータセットは、心理学的研究の目的で実り多いものになる可能性があります, 貴重な発見を生み出す. でも, このデータには通常、大量の個人情報が含まれているため、個人の明示的な同意なしに収集しないでください。. 不運にも, ほとんどのユーザーは自分が提供しているデータに気づいていないため、同意の錯覚はさらに曇っています, または、多くの場合、だまされてさらに詳細を提供します.

ユーザーも苦労する傾向があります “スマートフォンからの個人データの収集を防ぐのに不特定で効果のない現在の許可システムを理解する.” さらに, 多くのアプリ開発者は、モバイルデバイスから定期的にデータを抽出するためのクリエイティブなサイドチャネルを発見しています, デバイス所有者の許可に関係なく.

関連している: Privacy Bee Serviceは、数千のデータベースからユーザーデータを削除します

“スマートフォンで収集した行動パターンから性格を予測する”: 結果

その結果、調査チームはスマートフォンの使用状況データから導き出された行動パターンを使用して、ビッグファイブの性格特性のレベルを予測することに成功したことが明らかになりました。, ドメインとファセットの半分以上, また 57% すべての人格の次元の. 結果はまた、特性の次元がどれだけうまく予測されたかの違いを示唆しています.

例えば, 予測において “秩序と義務感への愛” 誠実性の特性の側面, 充電ケーブルを使用していないときのスマートフォンの平均バッテリーレベルは、重要なデータストリームでした:

誠実性 (rmd = 0.31, rsd = 0.13) また、ベースラインを超えて正常に予測されました, そのファセットがそうであったように, 能力を除いて (rmd = 0.19, rsd = 0.11). 予測パフォーマンスの観点から, 秩序のファセット愛が最初にランク付けされました (rmd = 0.31, rsd = 0.13), 義務感が続く (rmd = 0.29, rsd = 0.10), 野心 (rmd = 0.26, rsd = 0.12), 規律 (rmd = 0.22, rsd = 0.12), と注意 (rmd = 0.20, rsd = 0.12), レポートは示しています.

感情の安定とその人格の側面について, のんきと自己意識の側面だけが有意に予測されました.

要約すれば, すべての行動クラスは、性格特性スコアの予測に何らかの影響を及ぼしました. でも, コミュニケーションと社会的行動およびアプリの使用に関連する行動は、モデルで最も重要であることが示されました.

結論は, アプリの使用法を含む特定のクラスの動作が判明しました, 音楽の消費, コミュニケーションと社会的行動, モビリティ行動, 全体的な電話活動, 昼間vs. 夜間の活動, そうだった “さまざまなビッグファイブの特性の次元について明確に有益です.”

でも, 調査結果は次のとおりであることに注意してください。 “控えめな見積もり“. それにもかかわらず, 結果は、スマートフォンのセンサーとログからデータを簡単に取得できることを示しています。, このようにして得られた行動データから行うことができる性格予測の特異性と同様に.

---

予測世界に住む

の 2016, 非常に独特なプロジェクトが開始されました, 不思議な吹き替え 予測世界. このプロジェクトは、PsycometricsCenterによって開始された共同データ視覚化プロジェクトでした。, シド・リー・パリ, とUbisoft. プロジェクトは「インタラクティブなオンライン体験, ユーザーは、行動のデジタル記録を使用して、サイバーシステムが自分についてどれだけ予測できるかを発見します。.」

PredictiveWorldがApplyMagicSauce APIを使用して、ユーザーに属するFacebookデータから心理的予測を生成したことは注目に値します。. また、プロジェクトに関与した研究者によって構築された特注のバックエンドデータインフラストラクチャを利用しました. チームによって説明されたように, “掃除した, 何百ものオープンリソースを操作およびマージして、以下を含むデータベースを作成しました 6.3 10億のデータポイント– 6,347,671,708 正確には.”

研究者が基本的に行ったことは、性別や給与などのさまざまな要素間の関係を確立することでした, 場所と犯罪リスク, 性格と長寿. ユーザーは、予測を操作して結果を変更し、変数間の関係を把握することもできます. チームはまた、以上から統計を確認して抽出しました 70 科学研究に基づいて修正を調整するための査読記事.

同様の予測システムは、ウエストワールドシリーズの第3シーズンで示されました.