Uso de aprendizaje automático para predecir diferencias individuales en reactividades psicológicas a interacciones...

Área de la Ciencia:

• Psicología
• Ciencias Sociales Computacionales

Sus antecedentes:

• Las diferencias individuales en las reactividades psicológicas son cruciales en la investigación de interacciones sociales.
• Estudios previos identificaron diferencias individuales significativas pero carecieron de predictores robustos.

Objetivo del estudio:

• Determinar si las diferencias individuales en las reactividades a las interacciones sociales pueden predecirse.
• Identificar variables clave a nivel individual para predecir estas reactividades.

Principales métodos:

• Se aplicó aprendizaje automático a tres grandes conjuntos de datos de muestreo de experiencias (N=5047).
• Se extrajeron diferencias individuales en reactividades utilizando modelos multinivel (pendientes aleatorias).
• Se predijeron reactividades utilizando sociodemografía, personalidad y actitudes, validadas mediante validación cruzada y muestras independientes.

Principales resultados:

• Los modelos de aprendizaje automático mostraron un rendimiento predictivo general limitado para las diferencias individuales en las reactividades.
• Los modelos complejos superaron marginalmente a un modelo de referencia en la mayoría de los análisis.
• Las explicaciones aditivas SHapley identificaron patrones e interacciones predictivas.

Conclusiones:

• La replicación de los hallazgos de aprendizaje automático en diferentes resultados y muestras es esencial.
• Los patrones predictivos identificados merecen una mayor investigación.
• Los resultados informan conceptualizaciones dinámicas de la personalidad y las limitaciones del ML actual para datos dentro de la persona.