این اثبات این است که فیس بوک شما را بهتر از دوستانتان می داند

هیچ کس ما را بهتر از خانواده و دوستانمان نمی شناسد ، درست است؟ چه کسی می تواند پیش بینی کند که چگونه در برابر اخبار خوب و بد عکس العمل نشان خواهیم داد یا اینکه پای یا بستنی را برای دسر انتخاب خواهیم کرد.

فیس بوک ، برای یکی. محققان دانشگاه کمبریج و دانشگاه استنفورد مطالعه کردند که چگونه Facebook Likes با پاسخ های خود افراد در تست های شخصیت و همچنین خانواده و دوستان نزدیک آنها مطابقت دارد. با داشتن تعداد کافی اشیا، ، مارک ها ، مردم ، موسیقی یا کتاب ، کامپیوتر در پیش بینی شخصیت یک شخص بهتر از بیشتر افراد نزدیک به آنها است - به استثنای همسران. (به نظر می رسد که آنها هنوز هم بهترین ما را می شناسند.)

وو یویو ، دانشجوی دکترای مرکز روان سنجی در دانشگاه کمبریج ، و همکارانش قبلاً تحقیق کرده بودند که چگونه مدل های رایانه ای می توانند صفات جمعیت شناختی و روانشناختی را پیش بینی کنند مردم. اما با الهام از فیلم Her ، آنها کنجکاو شدند که مدل ها در ارزیابی ویژگی های شخصیتی چگونه عمل می کنند. آنها از 86220 نفر در فیس بوک خواستند تا یک نظر سنجی از 100 س questionال شخصیت را تعیین کنند که مشخص می کند آنها در کجای پنج ویژگی به اصطلاح بزرگ قرار دارند: گشودگی ، وظیفه شناسی ، برون گرایی ، موافقت و روان رنجوری. آنها سپس لایک های فیس بوک خود را تجزیه و تحلیل کردند و مدلی را ایجاد کردند که در آن لایک ها با صفات مرتبط بودند. به عنوان مثال دوستانی که از مدیتیشن ، گفتگوهای TED و سالوادور دالی استفاده می کنند ، بیشترین امتیاز را در باز بودن کسب می کنند ، در حالی که کسانی که ستاره واقعیت Snookie ، رقص و مهمانی را دوست داشتند ، برونگرا بودند. دوست دارد ، و این اطلاعات کافی بود تا کامپیوتر بتواند پیش بینی کننده شخصیت بهتر از یک قاضی متوسط ​​انسان (به عبارت دیگر دوست) و تقریباً به اندازه همسر باشد. هرچه تعداد لایک ها بیشتر باشد ، رایانه بهتر می شود. فقط 10 لایک طول کشید تا کامپیوتر بتواند از یک همکار کار خود بهتر عمل کند ، به عنوان مثال 70 کار بهتر از یک دوست و 150 نتیجه بهتر از یک عضو خانواده است.

"ما می دانیم که افراد در پیش بینی افراد بسیار خوب هستند ویژگی های شخصیتی ، زیرا این یک امر مهم در همه تعاملات ماست. " "اما ما از اینكه کامپیوترها فقط با استفاده از یك نوع داده های دیجیتالی مانند" لایك های فیس بوك "قادر به انجام كار بهتر از بیشتر دوستان بودند ، شگفت زده شدیم."

رایانه ها پیش بینی خوبی هستند زیرا می توانند همه لایک ها را بگیرند. میشال کوسینسکی ، همکار نویسنده Youyou ، از گروه علوم کامپیوتر استنفورد ، می گوید: "در ارزش اسمی و با آنها برابر باشید." افراد تمایل دارند اطلاعات را فراموش نکنند ، اگر این موضوع مهم نیست و بیشتر به وقایع به یادماندنی یا اخیر اهمیت می دهند ، و به طور بالقوه ارزیابی های ما را مغرضانه می کنند. اما رایانه ها می توانند با هر یک از اطلاعات به طور عینی رفتار کنند.

هنوز ، استراتژی رایانه همیشه کاملاً دقیق نیست. این نمی تواند تغییرات روحی و روانی و دیدگاه های مردم را در نظر بگیرد و با توجه به اینکه افراد بدنامی پویایی دارند ، این می تواند یک مشکل باشد. (به عنوان مثال افرادی که در مقیاس برون گرایی نمره بالاتری گرفتند ، دوست داشتند که با افراد جدید ملاقات کنند اما همچنین به طور غیر قابل توضیح از Tiffany & amp. Co. دوست داشتند ، در حالی که کسانی که با وجدان بیشتری بودند از دوچرخه کوهستان و موتورسیکلت ترجیح می دادند.) اما کوسینسکی فکر می کند که این نوع مدل سازی رایانه ای می تواند به فرایندهایی مانند برنامه ریزی شغلی و استخدام شغل کمک کند. افرادی که تازه وارد بازار کار می شوند می توانند از چنین شخصیت پردازی بهره مند شوند ، که می تواند آنها را به صنایع و مشاغل مناسب در این بخش ها پیوند دهد. به عنوان مثال ، روحیه ای آزاد که دوست دارد مسافرت ، کاوش و ریسک کند ، به عنوان یک حسابدار خوشحال نخواهد بود ، در حالی که یک فرد درونگرا برای موقعیت بازاریابی یا روابط عمومی ایده آل نخواهد بود.

کوسینسکی همچنین حدس می زند که کامپیوترها می توانند استخدام های شغلی را ساده کنند. بسیاری از شرکت ها از پرسشنامه شخصیت به ویژه هنگام جستجوی مدیران سطح بالا استفاده می کنند ، اما این پرسشنامه ها می توانند نادرست و غیر قابل اعتماد باشند ، زیرا نامزدها برای دادن پاسخ هایی که فکر می کنند شرکت می خواهد ببینند تشویق می شوند. اگر داده های فیس بوک نشانه ای از آن باشد ، کامپیوترها می توانند مشخصات شخصیتی دقیق تری نسبت به این پرسشنامه ها ارائه دهند.

کوسینسکی تشخیص می دهد که استفاده از چنین مدل هایی مشکل است. وی گفت: "ما باید واقعاً محتاط باشیم و اطمینان حاصل كنیم كه اگر كارفرما بدون رضایت صریح آزمایش را شروع كند ، مردم را ناراحت نمی كنیم و کاری را كه موجب سلب اعتماد بین متقاضی و كارفرما شود ، انجام نمی دهیم." "اما مطمئناً امیدواریم که بتوان از این فناوری ها برای زندگی بهتر انسان استفاده کرد."