Kredit:CC0 Public Domain
En undersøgelse udført af et hold fra Nanyang Technological University, Singapore (NTU Singapore) psykologer har fundet en sammenhæng mellem ekstraverte personer og deres ordvalg.
Resultaterne fremhæver behovet for at udvikle stærkere sproglige indikatorer til brug i online personlighedsforudsigelsesværktøjer, som hurtigt bliver vedtaget af virksomheder for at forbedre digitale marketingstrategier.
I dag, marketingvirksomheder bruger prædiktive algoritmer til at hjælpe dem med at forudsige, hvad forbrugerne ønsker baseret på deres onlineadfærd. Virksomheder er også ivrige efter at udnytte data og maskinlæring til at forstå de psykologiske aspekter af forbrugeradfærd, som ikke kan observeres direkte, men kan give værdifuld indsigt om, hvordan man forbedrer målrettet annoncering.
For eksempel, en "ekstravert forbruger" kan blive tiltrukket af marketingbudskaber, der matcher deres personlighed, og detailhandelsmærker kunne derefter vælge at målrette mod sådanne forbrugere ved at bruge et mere udadvendt og kreativt sprog til at reklamere for deres produkter.
Imidlertid, personlighedsforudsigelsesværktøjer, der er tilgængelige i dag, og som bruges af marketingfirmaer, er ikke helt nøjagtige på grund af mangel på teoretisk forsvarlige designs.
Hovedforsker af undersøgelsen, Lektor Lin Qiu fra psykologiprogrammet på NTU School of Social Sciences sagde:"Nuværende maskinlæringsalgoritmer til personlighedsforudsigelse kan virke som en sort boks - der er mange sproglige indikatorer, der kan inkluderes i deres design, men mange af dem er afhængige af den anvendte type computerapplikation. Dette kan føre til skævheder og overtilpasning, en fejl, der påvirker ydeevnen af maskinlæringsalgoritmerne. Dette rejser spørgsmålet - hvordan skal vi skabe robuste og nøjagtige personlighedsforudsigelser?"
Undersøgelsen fandt en sammenhæng mellem ekstraverte personer og deres tendens til at bruge bestemte kategorier af ord. Resultaterne viste en lille styrke af sammenhængen mellem ekstraversion og brugen af "positive følelsesord" og "sociale procesord."
Positive følelsesord defineres af psykologer – ved hjælp af tekstanalyseværktøjer – som ord, der beskriver en behagelig følelsesmæssig tilstand, såsom 'kærlighed, "'glad, " eller 'velsignet, "eller som indikerer positivitet eller optimisme, såsom 'smuk' eller 'pænt'." Sociale procesord inkluderer ord, der indeholder personlige stedord undtagen "jeg, "og ord, der viser sociale hensigter, såsom 'møde, " 'del' og 'snak."
"Det er første gang, der er etableret et forhold mellem ekstraverte personer og deres tendens til at bruge de to kategorier af ord. Da det er en lille sammenhæng, vi mener, at stærkere sproglige indikatorer er nødvendige for at forbedre maskinlæringstilgange, midt i stigende interesse for sådanne værktøjer i forbrugermarkedsføring, " Sagde professor Qiu.
NTU-holdet sagde, at resultaterne, som blev offentliggjort i Journal of Research in Personality i december 2020, kan give marketingfolk velfunderede sproglige forudsigelser til design af maskinlæringsalgoritmer, forbedring af ydeevnen af softwareværktøjer til personlighedsforudsigelse.
Hvordan undersøgelsen blev udført
Tidligere individuelle undersøgelser gennemgået af NTU-holdet har vist, at ekstraversion, eller den generelle tendens til at opleve positive følelser og nyde sociale interaktioner, er relateret til brugen af ord beskrevet af psykologer som "positive følelser" eller "sociale proces"-ord. Men styrken af dette rapporterede forhold har varieret væsentligt mellem de forskellige undersøgelser, der udforsker det.
For at fastslå effektiviteten af sådanne sproglige forudsigelser, NTU-teamet gennemgik 37 undersøgelser, der kiggede på det samme emne, for at udføre en metaanalyse. Ekstraversion blev bestemt ved hjælp af internationalt anerkendte personlighedstype spørgeskemaer.
Bevæger sig fremad, NTU-forskerholdet vil undersøge sammenhængen mellem ekstraversion og andre ordkategorier.
Mens maskinlæring og prædiktiv analyse kan give virksomheder og marketingfolk en ekstra fordel i deres forretningsstrategier, Der skal tænkes mere i designet af sådanne analytiske modeller, sagde NTU-forskerholdet.
De håber, at deres arbejde vil give klarhed over de typer ord, der kan hjælpe med at guide udviklingen af mere præcise maskinlæringsværktøjer til personlighedsforudsigelse.