人格构建超越FFM/Big5的预测:基于数字表型的探索
Maya Hocherman1, Yonathan Mizrachi2, Hila Chalutz-BenGal3,4
1LAMBDA Lab, School of Industrial & Intelligent Systems Engineering, Tel Aviv University, Tel Aviv, Israel.
使用智能手机数据的数字表型化可以预测人格特征. 这项研究成功地预测了16个结构中的59个特征中的37.29%,显示了远程人格研究的潜力.
科学领域:
- 心理学 心理学 心理学
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
背景情况:
- 数字表型利用智能手机数据进行持续的现场行为数据收集,扩展传统的体验采样方法 (ESM).
- 这项研究超越了五因素模型 (FFM) /五大人格结构,涵盖了来自16个不同的人格理论的59种特征和类型,包括气质和个人价值观.
研究的目的:
- 通过智能手机数据调查数字表型化在预测广泛的人格构造方面的有效性.
- 为了比较假设测试和机器学习方法来分析人格研究中的数字足迹数据.
- 探索数字表型化在远程心理评估和人群分析方面的潜力.
主要方法:
- 在7-10天内从104名参与者的智能手机收集了数字足迹.
- 采用了演式 (假设测试) 和感应式 (机器学习) 分析方法.
- 利用机器学习模型,包括梯度增强树,决策树,随机森林和支持向量机器.
主要成果:
- 成功预测了16个人格构造中的4个 (25%),包括成人依恋,FFM/Big5,痛苦容忍和创造力,预测准确度 (r) 从0.034到0.53.
- 在59个个体特征和类型中,22个特征和类型的总体预测成功率为37.29%.
- 确定了渐变增强树作为最有效的机器学习模型,特别是与通信相关的数据特征.
结论:
- 智能手机数据的数字表型化显示了推动远程人格心理学研究的巨大潜力.
- 这些发现强调了数字表型在人分析和其他跨学科领域的适用性.
- 这种方法提供了一个可扩展和客观的方法来理解个体的个性差异.
更多相关视频
09:00Author Spotlight: Validation of SICOLE-R for Assessing Cognitive and Reading Skills in Spanish-Speaking Children and Its Role in Personalized Education
Published on: August 16, 2024
10:16Human Circadian Phenotyping and Diurnal Performance Testing in the Real World
Published on: April 7, 2020
相关概念视频
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...
Introduction to Personality Psychology
Early Theories of Personality
The study of...
Cattell's 16 Personality Factors
In contrast, source traits are the...
Self-Report Tests of Personality
Personality Theory by Eysenck and Eysenck
In the extroversion/introversion dimension, highly extroverted people are sociable, outgoing, and easily connect with others. In contrast,...
Social Cognitive Perspective on Personality
