В статье рассматривается понятие «цифровой след» и подходы его к анализу; описываются автоматизированные формы их масштабного сбора.
Анализируются методики моделирования психологического портрета пользователя по цифровым следам; крупные международные и отечественные научные проекты и исследования.
Разработана методология моделирования психологического портрета на основе разнородных данных.
Ключевые слова: цифровой след, психологический портрет, научные исследования.
В связи развитием цифровой экономики, формируется новая отрасль психологии — киберпсихология, которая объединяет методологию, теорию и практику исследования видов, способов и принципов использования людьми социальных сервисов Интернета.
В рамках исследований, посвященных сфере интернет-коммуникаций, стоит задача изучения и предсказания цифрового поведения личности.
Материалом психологических исследований такого поведения являются цифровые следы личности, которые остаются после любых действий человека в интернете. Цифровой след — это уникальный информационный след, оставляемый человеком в Интернете, с помощью которого можно идентифицировать конкретного пользователя или устройство [5].
Цифровой след можно разделить на пассивный и активный. К пассивному следу относятся посещаемые ресурсы и просматриваемая или загружаемая из сети информация (текстовая, фото-, аудио- и видеоинформация). К активному следу относится информация этих же форматов, но размещаемая и продуцируемая самим человеком в сети.
К автоматизированным формам масштабного сбора «Цифровых следов» относятся программы-краулеры («crawling» — ползание), которые последовательно собирают открытые данные из любых источников в Интернете, в том числе из социальных сетей или специальные программы-приложения, подключающиеся через программный интерфейс социальной сети, API (Application Programming Interface) и работающие внутри ее интерфейса, например как автоматические опросники развлекательного характера, возвращающие пользователям обратную связь по результатам тестирования [1].
Существует большое количество научных проектов, в которых психологи, лингвисты, программисты и специалисты по обработке данных используют возможности сбора информации в социальных сетях для оценки психологического благополучия и физического здоровья с опорой на анализ языка социальных медиа.
Один из них — это проект Центра позитивной психологии Университета Пенсильвании «World Well-Being Project». В нем используются данные из уникальной базы пользователей социальной сети «Фейсбук», собранные научными сотрудниками Кембриджского университета Д. Стилвелла и М. Косински.
Они создали программу, которая работала на их сайте и позволяла пользователям участвовать в заполнении психологических опросников, возвращавших им обратную связь с результатами. Также, с согласия этих пользователей программа загружала демографическую информацию из их профиля и публично доступные тексты их статусов из сети «Фейсбук», а также «лайки» страниц.
Основные результаты проекта «World Well-Being Project» связаны с тем, какие языковые проявления (слова, эмоциональная валентность) свойственны людям с различными психологическими чертами или демографическими характеристиками. Находя сперва корреляции между психологическими, демографическими и языковыми данными, а также особенностями поведения в социальной сети (фотографиями профиля, степенью активности и т. д.), исследователи затем строят предсказательные модели.
В работе Михала Косински и его соавторов (Д. Стилвелла и Т. Грейпела), «Private traits and attributes are predictable from digital records of human behavior», был представлен революционный подход к работе с данными о поведении людей в сети Интернет [2].
Желающие пройти психологическое тестирование с обратной связью на сайте проекта «Mypersonality.org» в 40 % случаев давали разрешение исследователям получить ряд характеристик их аккаунта в сети «Фейсбук». Кроме того, несколько вопросов задавалось им дополнительно.
Из 25 доступных психологических опросников для рассматриваемой статьи были взяты результаты трех — одной из версий «Большой пятерки личностных черт», теста Дж. Равена и опросника удовлетворенности жизнью Э. Динера SWLS.
Модели описания личности
Одной из хорошо изученных и часто используемых в киберпсихологии моделей описания личности является Пятифакторная модель (Big Five Personality Model). В ее основе лежат исследования Г. Олпорта, Г. Айзенка и Р. Кэттела, которые полагали, что личность характеризуется индивидуальными различиями в степени и форме адаптации к социальной среде с учетом ее биологических свойств.
Данная модель предполагает, что личность человека включает в себя пять общих и относительно независимых черт (диспозиций): экстраверсию, доброжелательность (способность прийти к согласию), сознательность (добросовестность), нейротизм (эмоциональная нестабильность) и открытость опыту.
С. Титов, П. Новиков, Л. Марарица в исследовании Full-scale Personality Prediction on VKontakte Social Network and its Applications, использовали приложение DigitalFreud для сбора цифровых и психологических данных. Пользователям было предложено пройти несколько психологических тестов и предоставить доступ к данным своего цифрового следа [4].
Авторы сходятся во мнении, что исследования, посвященные прогнозированию психосоциальных и поведенческих характеристик на основе цифровых следов из социальных сетей, как правило, применяют общую методологию, состоящую из следующих этапов:
- Пользователи заполняют анкеты для самоотчета, обеспечивают доступ к их цифровым следам в социальных сетях;
- Цифровые следы собираются и анализируются с использованием автоматизированных подходов для извлечения наборов атрибутов профиля или признаков (статистика активности);
- Прогностическая сила признаков исследуется вместе с индивидуальными характеристиками участников, оцениваемыми с помощью самоотчетов, с использованием разнообразного набора прогностических методов [3].
Таблица 1
Последовательность составления психологического портрета личности на основе разнородных данных
|
Социальная сеть |
Исследование |
Программные средства |
Опросники |
Тип данных |
|
ВКонтакте |
С. Титов, П. Новиков, Л. Марарица: «Full-scale Personality Prediction on VKontakte Social Network and its Applications» |
приложение DigitalFreud |
Пятифакторная модель личности; ценностный опросник Шварца; тест на объем словарного запаса (вербальный интеллект) Головина В. В; прогрессивные матрицы Равена (интеллект) |
дата рождения, родной город, статус, интересы (музыка, фильмы, книги), жизненная позиция (политические предпочтения, мировоззрение, главное в жизни, главное в людях, отношение к курению и алкоголю), Информация о подписках |
|
|
R. Lambiotte и M. Kosinski: «Tracking the Digital Footprints of Personality» (Распознавание цифровых следов личности) |
приложение MyPersonality |
Пятифакторная модель личности |
возраст, пол, интеллект, политические и религиозные взгляды, сексуальная ориентация, «лайки» |
|
|
H. Yang, M. Zhou, L. Gou KnowMe and ShareMe: «Understanding Automatically Discovered Personality Traits from Social Media and User Sharing Preferences» (KnowMe и ShareMе) |
экспериментальная система KnowMe |
Пятифакторная модель личности; базовые жизненные ценности; фундаментальные потребности |
«твиты» |
Литература:
- Анализ структурированных и неструктурированных данных с помощью Content Analytics // Центр компетенции по технологии IBM Big Data. — М., 2014. — 66 с.
- Базарова, К. Т. Социально-психологические факторы развития лидерских качеств руководителя: автореф. дис. канд. псих. наук: 19.00.05. — М., 2008.
- Мурзина, Ю. С. Позняков В. П. Цифровое поведение и личностные особенности интернет-пользователей // Социальная и экономическая психология. — 2018. — № 3. — С. 6–21.
- Низомутдинов, Б.А., Тропников, А.С., Углова, А. Б. Автоматизированный сбор данных социальных сетей для разработки факторной модели сетевой самопрезентации // International Journal of Open Information Technologies. — 2020. — № 1. — С. 64–71.
- Golbeck, J., Robles, C., Edmondson, M., Turner, K.: Predicting personality from twitter.com’11, 149–156.
