Второй год реализуется в Казанском университете финансируемый Российским научным фондом исследований проект «Нейросетевая психометрическая модель когнитивноповеденческих предикторов жизненной активности личности на базе соцсетей», которым руководит профессор кафедры клинической психологии и психологии личности Института психологии и образования Леонид Попов.
Но не только психологи заинтересовались темой, появление которой было востребовано логикой развития современного информационного общества. «Нейросетевая психометрическая модель когнитивноповеденческих предикторов жизненной активности личности на базе соцсетей» — это совместное исследование психологов Института психологии и образования и ИТ-специалистов Института вычислительной математики и информационных технологий Казанского университета. Особенность исследования — в охвате и анализе миллионного количества людей с задействованием элементов искусственного интеллекта.
Координатор реализации психологической части проекта, завкафедрой общей психологии ИПО КФУ Павел Устин уточнил, что психология социальных сетей – одно из наиболее интенсивно развивающихся направлений.
— Социальные сети – виртуальная площадка, которая связывает миллионы пользователей со всего мира и расширяет границы их взаимодействия друг с другом. Практически соцсети становятся аналогом кибернетического моделирования психологических процессов.
Ученые завершили первый этап исследования. Согласно полученным предварительным данным, чем больше ваша активность в соцсетях, тем менее вы успешны в профессиональной сфере.
Обобщение полученных результатов изложены ими в статье «Когнитивно-поведенческая концепция и возможности ее реализации в жизненной активности студентов», которая выйдет в «Психологическом журнале» в ближайшее время.
Что же было сделано за два года исследований?
Учеными КФУ была разработана и апробирована информационно-аналитическая система автоматизированного мониторинга персональных страниц пользователей социальных сетей – ИАС АМПУ с выделением персональных профилей пользователей по заданным критериям профессиональной успешности с использованием нейросетевых алгоритмов и методов Big Data.
— На основе методов математической статистики, data mining, машинного обучения и нейронных сетей разработан модуль о соискателях и модуль поиска их персональных страниц в соцсетях. Общий объем выборки составил 1 331 717 человек. После всех процедур фильтрации и поиска открытых профилей в соцсети, исследовательский объем выборки был доведен до 81 800 испытуемых.
Ученые на основании информации, предоставляемой на сайтах по поиску работы, разработали систему должностей и карьерного роста. Модель включала в себя 28 профессиональных областей и 621 вид профессиональной деятельности.
Далее учеными были получены результаты исследования количественных характеристик профиля соискателей в соцсетях по когнитивно-поведенческим предикторам профессиональной успешности личности: «Друзья», «Подписчики», «Фотографии», «Видеозаписи», «Аудиозаписи», «Интересные страницы», «Степень заполнения страницы», «Посты», «Репосты» «Лайки».
Ученые установили, что в среднем наибольшие количественные показатели данных метрик соответствует представителям групп с низкой и средней профессиональной успешностью.
IT-специалисты провели многочисленные эксперименты с различными архитектурами нейронных сетей и нашли наиболее результативную нейросетевую архитектуру: трехслойную нейронную сеть.
В результате обучения нейронной сети точность прогнозирования с помощью вышеуказанных количественных метрик («друзья», «фотографии» и т.д.) точность прогнозирования на тестовой выборке составила 83%.
С помощью разработанного нейросетевого модуля для прогнозирования профессиональной успешности учеными КФУ была показана и доказана возможность прогнозирования профессиональной успешности через четыре предиктора: количество друзей, количество подписчиков, количество фотографий, количество видеозаписей на странице пользователя.
По результатам исследования содержательных характеристик различных метрик психологи пришли к интересным результатам.
— Если рассматривать «Видеозаписи» у определенного профиля в соцсетях как когнитивно-поведенческий предиктор профессиональной успешности личности, то в десятку популярных жанров у наиболее профессионально успешных людей вошли «Криминал», «Sci-Fi», «Mystery». У наименее профессионально успешных – «Семейные», «Sci-Fi», «Анимация».
По анализу метрики персонального профиля «Аудиозаписи» установлено, что самый популярный жанр среди наименее профессионально успешных – это русский рэп (лидирует с большим отрывом). В топ-10 популярных жанров аудиозаписей среди наиболее профессионально успешных входят: иностранный и русский рок, альтернатива.
К тому же, резюмировали ученые, по метрике «Интересные страницы» тоже можно сделать вывод об успешности людей: чем выше успешность, тем меньше количество юмористических сообществ.
— На сегодняшний день выделенные нами разнообразные показатели (маркеры, метрики) позволяют с большей или меньшей вероятностью прогнозировать поведение личности на основе ее виртуальных следов в социальных сетях.
Прототипы разработанных и апробированных нейросетевых модулей при анализе различных метрик персонального профиля соцсетей будут использованы для последующего обучения нейросетевой психометрической модели прогнозирования активности личности в образовательной и профессиональной деятельности.
Стоит отметить, что разработок подобного уровня в России пока не проводилось.
