大規模な言語モデルを用いたソーシャルメディア活動から人格を推論する:クロスモデル合意,時間的安定性,自己報告による収束的妥当性
Davide Marengo1, Christian Montag2,3,4, Michele Settanni1
1Department of Psychology, University of Turin, Turin, Italy.
大型言語モデル (LLM) はデジタルフットプリントから人格特性を推測できますが,信頼性と有効性は強化する必要があります. モデルと時間点の推論を集約することで 性格の評価の精度が向上します
科学分野:
- コンピュータ社会科学
- 心理学的評価
- 人工知能
背景:
- 大型言語モデル (LLM) は,デジタルデータから不注意な人格特性の推論の可能性を示しています.
- LLMに基づく人格評価の信頼性と有効性については,さらなる調査が必要です.
研究 の 目的:
- LLMがソーシャルメディアデータから得られた人格特性の推論の信頼性と妥当性を評価する.
- ジェミニ 1.5 ProとGPT-4oのパーソナリティ評価のパフォーマンスを比較する.
主な方法:
- 2年間のフェイスブック投稿 (N=1214人のイタリア人ユーザー) から,Gemini 1.5 ProとGPT-4oを用いて,ビッグファイブの人格特性を推論した.
- 10項目のパーソナリティ・インベントリーを使用して,自己報告したパーソナリティとのLLM予測を比較した.
主要な成果:
- LLMの予測は変動性を示し 合意性や良心性を過小評価し 外向性を過大評価し 神経性やオープン性は自己報告と一致しました
- LLMと時間点の間の推論を集約することで,信頼性と時間的な安定性が向上し,ExtraversionではクロスLLM合意が0.83に達しました.
- 自己報告との相関は控えめで,LLMの推論を組み合わせた場合,最も高い値は0.31でした.
結論:
- 人格評価の信頼性と有効性を向上させるには,モデルと時間点でLLMの推論を集約することが重要です.
- デジタル・フットプリントから パーソナリティを推論するための 有望なツールです
さらに関連する動画
08:53Integrating Computerized Linguistic and Social Network Analyses to Capture Addiction Recovery Capital in an Online Community
Published on: May 31, 2019
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
関連する概念動画
Introduction to Personality Psychology
Early Theories of Personality
The study of...
Self-Report Tests of Personality
Social Cognitive Perspective on Personality
Stereotype Content Model
Five-Factor Theory of Personality
Openness reflects creativity, curiosity, and openness to new experiences. Individuals scoring high in openness are imaginative, have a wide range of interests, and are independent...
Personality Theory by Eysenck and Eysenck
In the extroversion/introversion dimension, highly extroverted people are sociable, outgoing, and easily connect with others. In contrast,...
