論文の概要: Exploring Personality and Online Social Engagement: An Investigation of
MBTI Users on Twitter
- arxiv url: http://arxiv.org/abs/2109.06402v1
- Date: Tue, 14 Sep 2021 02:26:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-15 15:52:45.017895
- Title: Exploring Personality and Online Social Engagement: An Investigation of
MBTI Users on Twitter
- Title（参考訳）: パーソナリティとオンラインソーシャルエンゲージメントの探求 - twitterにおけるmbtiユーザ調査
- Authors: Partha Kadambi
- Abstract要約: 自称マイアーズ・ブリッグス性格特性(MBTI)を用いたTwitterのプロフィール3848件について検討する。
我々は、ディープラーニングに基づく最先端のNLPアーキテクチャであるBERTを利用して、タスクに最も予測力を持つさまざまなテキストソースを分析します。
MBTIシステムの全次元に対して, 伝記, ステータス, お気に入りツイートが有意な予測力を持っていることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Text-based personality prediction by computational models is an emerging
field with the potential to significantly improve on key weaknesses of
survey-based personality assessment. We investigate 3848 profiles from Twitter
with self-labeled Myers-Briggs personality traits (MBTI) - a framework closely
related to the Five Factor Model of personality - to better understand how
text-based digital traces from social engagement online can be used to predict
user personality traits. We leverage BERT, a state-of-the-art NLP architecture
based on deep learning, to analyze various sources of text that hold most
predictive power for our task. We find that biographies, statuses, and liked
tweets contain significant predictive power for all dimensions of the MBTI
system. We discuss our findings and their implications for the validity of the
MBTI and the lexical hypothesis, a foundational theory underlying the Five
Factor Model that links language use and behavior. Our results hold optimistic
implications for personality psychologists, computational linguists, and other
social scientists aiming to predict personality from observational text data
and explore the links between language and core behavioral traits.
- Abstract（参考訳）: 計算モデルによるテキストに基づくパーソナリティ予測は,調査に基づくパーソナリティアセスメントの重要な弱点を著しく改善する可能性を持つ新興分野である。
我々は,Mers-Briggs Personal traits (MBTI) を自称したTwitterのプロフィール3848件を調査し,オンラインソーシャルエンゲージメントからテキストベースのデジタルトレースをいかにしてユーザパーソナリティ特性を予測することができるかを明らかにする。
我々は、ディープラーニングに基づく最先端のNLPアーキテクチャであるBERTを利用して、タスクに最も予測力を持つさまざまなテキストソースを分析します。
MBTIシステムの全次元に対して, 伝記, ステータス, お気に入りツイートが有意な予測力を持っていることがわかった。
本研究は,言語使用と行動の関連づける5因子モデルの基礎的理論である mbti と lexical hypothesis の有効性に関する知見とその意義について考察する。
本研究は,パーソナリティ心理学者,計算言語学者,その他の社会科学者に対して,観察テキストデータからパーソナリティを予測し,言語と行動のコア特性の関係を探索することを目的とした。
関連論文リスト
- Neuron-based Personality Trait Induction in Large Language Models [115.08894603023712]
大規模言語モデル (LLM) は、様々な性格特性をシミュレートする能力が増している。
LLMにおけるパーソナリティ特性誘導のためのニューロンに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2024-10-16T07:47:45Z) - Revealing Personality Traits: A New Benchmark Dataset for Explainable Personality Recognition on Dialogues [63.936654900356004]
パーソナリティ認識は,対話やソーシャルメディア投稿などのユーザデータに含まれる性格特性を識別することを目的としている。
本稿では,人格特性の証拠として推論過程を明らかにすることを目的とした,説明可能な人格認識という新しい課題を提案する。
論文 参考訳（メタデータ） (2024-09-29T14:41:43Z) - Can ChatGPT Read Who You Are? [10.577227353680994]
チェコ語で書かれたテキストを代表とする総合的なユーザスタディの結果を155人のサンプルで報告した。
本研究は,ChatGPTによる性格特性推定と人間による評価とを比較し,テキストから人格特性を推定する際のChatGPTの競争性能を報告する。
論文 参考訳（メタデータ） (2023-12-26T14:43:04Z) - PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for
Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。
実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2023-10-31T08:23:33Z) - Editing Personality for Large Language Models [73.59001811199823]
本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。
このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
論文 参考訳（メタデータ） (2023-10-03T16:02:36Z) - Large Language Models Can Infer Psychological Dispositions of Social Media Users [1.0923877073891446]
GPT-3.5とGPT-4は、ゼロショット学習シナリオにおいて、ユーザのFacebookステータス更新からビッグファイブの性格特性を導出できるかどうかを検証する。
その結果, LLM-inferred と self-reported trait score の間には r =.29 (range = [.22,.33]) の相関が認められた。
予測は、いくつかの特徴について、女性と若い個人にとってより正確であることが判明し、基礎となるトレーニングデータやオンライン自己表現の違いから生じる潜在的なバイアスが示唆された。
論文 参考訳（メタデータ） (2023-09-13T01:27:48Z) - CharacterChat: Learning towards Conversational AI with Personalized
Social Support [61.20396854093821]
本稿ではS2Conv(Social Support Conversation)フレームワークを紹介する。
一連のサポートエージェントと、ペルソナ互換の仮想サポーターと個人をリンクする対人マッチングメカニズムから構成される。
我々は、ペルソナと記憶によって駆動される会話モデルを含む総合的なS2Convシステムである characterChat を提案する。
論文 参考訳（メタデータ） (2023-08-20T14:24:26Z) - Knowledge Graph-Enabled Text-Based Automatic Personality Prediction [8.357801312689622]
テキストベースの自動パーソナリティ予測(APP)は、生成/交換されたテキストコンテンツに基づいて個人個人のパーソナリティを自動予測する。
本稿では,ビッグファイブの人格特性に依存するテキストベースのAPPに対して,知識グラフを利用した新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-03-17T06:01:45Z) - Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文 参考訳（メタデータ） (2021-06-20T10:48:49Z) - Matching Theory and Data with Personal-ITY: What a Corpus of Italian
YouTube Comments Reveals About Personality [11.38723572165938]
私たちはイタリア語でYouTubeコメントの新しいコーパスを作成し、そこでは作家が個性的な特徴をラベル付けしている。
この特徴はMBTIという心理学研究における主要な個性理論の1つに由来する。
本研究は, TwiStyだけでなく, コーパス上での個性予測の課題について検討する。
論文 参考訳（メタデータ） (2020-11-11T12:45:33Z) - My tweets bring all the traits to the yard: Predicting personality and
relational traits in Online Social Networks [4.095574580512599]
本研究は,オンラインソーシャルネットワーク(OSN)における全体像プロファイルの予測モデルを提供することを目的とする。
我々はまずOSNアカウントから幅広い機能を抽出する機能エンジニアリング手法を考案した。
そして,抽出した特徴に基づいて,ユーザの心理的特徴のスコアを予測する機械学習モデルを設計した。
論文 参考訳（メタデータ） (2020-09-22T20:30:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。