Een nieuwe studie van Princeton University benadrukt de onderlinge relatie tussen het gebruik van smartphones, associëren gedragsgegevens, en persoonlijkheidskenmerken.
Getiteld “Persoonlijkheid voorspellen uit gedragspatronen verzameld met smartphones“, de studie gaat in op de mate waarin individuen’ persoonlijkheidsdimensies (beoordeeld op breed domein en smalle facetniveaus, volgens het onderzoek) kan worden voorspeld op basis van zes gedragsklassen:
1) communicatie en sociaal gedrag;
2) muziekconsumptie;
3) gebruik van applicaties;
4) mobiliteit;
5) algemene telefoonactiviteit;
6) dag- en nachtelijke activiteit, in een groot monster.
De kruislings gevalideerde resultaten laten zien welke Big Five persoonlijkheidsdimensies voorspelbaar zijn en welke specifieke gedragspatronen indicatief zijn voor welke dimensies, communicatie en sociaal gedrag als algemeen meest voorspellend onthullen.
De resultaten benadrukken ook de voordelen en gevaren van de wijdverbreide verzameling van smartphonegegevens, zegt het onderzoeksteam.
Onze digitale voetafdrukken
Misschien kent u de term goed. Digitale voetafdruk, soms genoemd “digitale schaduw“, staat voor de unieke set van onze traceerbare digitale activiteiten, acties, bijdragen en communicatie via internet of op digitale apparaten. Een van de privacykwesties met betrekking tot digitale voetafdrukken afkomstig van sociale netwerkplatforms is dat ze verschillende psychologische kenmerken van individuen kunnen onthullen, inclusief persoonlijkheidskenmerken.
Zoals uitgelegd door het onderzoeksteam, “van de Big Five-persoonlijkheidskenmerken is aangetoond dat ze een breed scala aan levensresultaten voorspellen op het gebied van gezondheid, politieke participatie, persoonlijke en romantische relaties, koopgedrag, en academische en werkprestaties. Datagestuurde gevolgtrekkingen over de persoonlijkheidskenmerken van individuen bieden geweldige mogelijkheden voor onderzoek; maar ze hebben ook grote gevolgen voor de individuele privacy omdat ze persoonlijkheidsgerichte targeting en manipulatie mogelijk maken“.
Dit beeld wordt complexer met het gebruik van smartphones. Smartphones kunnen verzamelen “een veel bredere, fijnmazige reeks dagelijkse gedragingen” overgenomen van sociale media. smartphones, in het algemeen, vormen grote risico's voor de privacy:
De ingebouwde sensoren van een smartphone en de logmogelijkheden van het apparaat (bijv., logboeken voor app-gebruik, media- en websiteconsumptie, plaats, communicatie, schermactiviteit) kan worden gebruikt door apps om dagelijks gedrag vast te leggen dat zowel op de apparaten zelf als in de buurt ervan wordt uitgevoerd.
Gegevensverzamelingen die via smartphones worden verzameld, kunnen vruchtbaar zijn voor pshychologisch onderzoek, waardevolle vondsten opleveren. Echter, deze gegevens bevatten meestal tonnen privégegevens en mogen niet worden verzameld zonder de uitdrukkelijke toestemming van individuen. Helaas, de illusie van toestemming wordt nog troebeler omdat de meeste gebruikers zich niet bewust zijn van de gegevens die ze verstrekken, of worden vaak misleid om nog meer details te geven.
Gebruikers hebben ook de neiging om te worstelen “om de huidige toestemmingssystemen te begrijpen die niet specifiek zijn en niet effectief zijn in het voorkomen van het verzamelen van persoonlijke gegevens van smartphones.” Bovendien, veel app-ontwikkelaars ontdekken creatieve zijkanalen om routinematig gegevens uit mobiele apparaten te halen, ongeacht de toestemming van de apparaateigenaar.
Verwant: Privacy Bee Service verwijdert gebruikersgegevens uit duizenden databases
“Persoonlijkheid voorspellen uit gedragspatronen verzameld met smartphones”: de resultaten
De resultaten tonen aan dat het onderzoeksteam met succes de niveaus van Big Five-persoonlijkheidskenmerken heeft voorspeld met behulp van gedragspatronen die zijn afgeleid van gebruiksgegevens van smartphones, voor meer dan de helft van de domeinen en facetten, of 57% van alle persoonlijkheidsdimensies. De resultaten suggereren ook verschillen in hoe goed de kenmerkdimensies werden voorspeld.
Bijvoorbeeld, bij het voorspellen van de “liefde voor orde en plichtsbesef” facet van de gewetensbeheersing, het gemiddelde batterijniveau van de smartphone wanneer deze niet op een oplaadkabel zat, was een cruciale stroom van gegevens:
Nauwgezetheid (rmd = 0.31, rsd = 0.13) werd ook met succes voorspeld boven de basislijn, net als zijn facetten, behalve voor competentie (rmd = 0.19, rsd = 0.11). In termen van voorspellingsprestaties, de facetliefde van orde staat op de eerste plaats (rmd = 0.31, rsd = 0.13), gevolgd door plichtsbesef (rmd = 0.29, rsd = 0.10), ambitie (rmd = 0.26, rsd = 0.12), discipline (rmd = 0.22, rsd = 0.12), en voorzichtigheid (rmd = 0.20, rsd = 0.12), het rapport laat zien.
Wat betreft emotionele stabiliteit en zijn persoonlijkheidsdimensie, alleen de facetten van onbezorgdheid en zelfbewustzijn werden significant voorspeld.
samengevat, alle gedragsklassen hadden enige invloed op de voorspelling van persoonlijkheidskenmerken. Echter, gedragingen gerelateerd aan communicatie en sociaal gedrag en app-gebruik bleken het meest significant in de modellen.
Tenslotte, het blijkt dat specifieke gedragscategorieën inclusief app-gebruik, muziekconsumptie, communicatie en sociaal gedrag, mobiliteitsgedrag, algemene telefoonactiviteit, overdag vs. nachtelijke activiteit, waren “onderscheidend informatief over de verschillende Big Five-karakteristieken.”
Echter, Opgemerkt moet worden dat de bevindingen van het onderzoek zijn “een conservatieve schatting“. Niettemin, de resultaten laten nog steeds het gemak zien van het verkrijgen van gegevens van sensoren en logboeken van smartphones, evenals de specificiteit van persoonlijkheidsvoorspellingen die kunnen worden gedaan op basis van de aldus verkregen gedragsgegevens.
Leven in een voorspellende wereld
In 2016, er is een nogal eigenaardig project van start gegaan, merkwaardig nagesynchroniseerd Predictive Wereld. Het project was een gezamenlijk datavisualisatieproject dat door Psycometrics Center in gang werd gezet, Sid Lee Paris, en Ubisoft. Het project werd beschreven als "een interactieve online ervaring, waarin gebruikers ontdekken hoeveel een cybersysteem over hen kan voorspellen met behulp van digitale gegevens over hun gedrag."
Het is opmerkelijk dat Predictive World de Apply Magic Sauce API heeft gebruikt om psychologische voorspellingen te genereren op basis van Facebook-gegevens van gebruikers. Het maakte ook gebruik van een op maat gemaakte back-end data-infrastructuur die door de bij het project betrokken onderzoekers was gebouwd. Zoals uitgelegd door het team, “wij hebben schoongemaakt, gemanipuleerd en honderden open bronnen samengevoegd om een database te creëren met daarin 6.3 miljard datapunten - 6,347,671,708 Om precies te zijn.”
Wat onderzoekers in feite deden, was een relatie leggen tussen verschillende factoren zoals geslacht en salaris, locatie en misdaadrisico, persoonlijkheid en levensduur. Gebruikers kunnen ook interageren met de voorspellingen om de uitkomsten te veranderen en de relaties tussen de variabelen te begrijpen. Het team heeft ook statistieken van meer dan 70 peer-reviewed artikelen om de aanpassingen op basis van wetenschappelijk onderzoek aan te passen.
Een vergelijkbaar voorspellend systeem werd getoond in het derde seizoen van de Westworld-serie.
Milena Dimitrova
Een bevlogen schrijver en contentmanager die sinds de start van het project bij SensorsTechForum werkt. Een professional met 10+ jarenlange ervaring in het creëren van boeiende inhoud. Gericht op de privacy van gebruikers en malware ontwikkeling, ze gelooft sterk in een wereld waar cybersecurity speelt een centrale rol. Als het gezond verstand heeft geen zin, ze zullen er zijn om aantekeningen te maken. Deze toelichtingen kunnen later om te zetten in artikelen! Volg Milena @Milenyim
Volg mij: