El 2013, investigadors de la Universitat de Cambridge van publicar un estudi de referència que analitzava 58.000 usuaris de Facebook. Van descobrir que "agradar" contingut predia les puntuacions de personalitat Big Five amb una precisió significativa. L'Extraversió, l'Obertura i el Neuroticisme van mostrar les correlacions més fortes, amb l'Extraversió assolint aproximadament .40. L'estudi, de Kosinski, Stillwell i Graepel (doi:10.1073/pnas.1218772110), va demostrar que el comportament digital passiu porta un senyal real de personalitat —i va obrir un conjunt de preguntes sobre el que això significa per a la inferència, la privadesa i l'ètica de les dades de personalitat—.
El que la recerca Big Five mostra sobre els senyals de personalitat en les xarxes socials
Extraversió (Presència). Els usuaris amb alta extraversió publiquen amb més freqüència, mantenen xarxes socials més grans i s'involucren més amb el contingut d'altres. Les mides de l'efecte oscil·len normalment entre r = .30 i .45, fent de la Presència la dimensió Big Five més detectada de manera fiable en les dades de xarxes socials. Per a un relat complet del que implica la Presència, vegeu el que significa l'Extraversió més enllà del binari introvertit-extravertit.
Obertura a l'Experiència (Visió). Les persones amb alta obertura s'involucren amb contingut divers, comparteixen articles sobre temes culturals o intel·lectuals i utilitzen vocabulari més complex. Les prediccions basades en text produeixen correlacions d'aproximadament .30 a .40. Per a més informació sobre com es manifesta la Visió en el comportament creatiu i intel·lectual, vegeu creativitat i personalitat: el que mostra la recerca Big Five.
Neuroticisme (Profunditat). Moderadament predictible. Els usuaris amb alt neuroticisme publiquen més durant les tardes i les nits, utilitzen vocabulari emocional negatiu i mostren una freqüència de publicació variable (r = .20–.35). Per a una comprensió més profunda de la Profunditat com a dimensió, vegeu el que significa el Neuroticisme en el treball.
Conscienciositat (Disciplina). Més difícil de detectar. Els usuaris amb alta conscienciositat mantenen perfils complets i publiquen regularment, però la força del senyal és més feble (r = .15–.25).
Amabilitat (Vincle). El tret més difícil de detectar. Els usuaris amb alta amabilitat es comporten cooperativament en línia, però els senyals són subtils i difícils de distingir d'altres trets (r = .10–.20).
El cas Cambridge Analytica: com la recerca sobre personalitat es va convertir en manipulació
El investigador Aleksandr Kogan va construir una aplicació de proves de Facebook que recollia dades de personalitat dels usuaris i dels seus amics sense consentiment explícit. Cambridge Analytica va obtenir aquestes dades i va afirmar utilitzar el perfil psicogràfic per a la segmentació política a les eleccions dels EUA del 2016 i el referèndum del Brexit.
Aquest cas va demostrar dos punts crítics: la bretxa entre la recerca acadèmica i la manipulació comercial era més petita del que s'havia anticipat, i els marcs de consentiment per a les dades de comportament necessitaven una reconsideració fonamental. L'escàndol de Cambridge Analytica es va convertir en un moment definitori en la consciència pública de com les dades de personalitat poden ser weaponitzades —i com les correlacions que són modestes a nivell individual encara es poden explotar a escala poblacional—.
No obstant això, les correlacions acadèmiques són prou modestes com que la segmentació a nivell individual basada en perfils de personalitat introdueix un soroll substancial. L'escàndol va amplificar preocupacions legítimes sobre el consentiment i l'ús de dades que la recerca sola potser no hauria warranted. Per a una discussió relacionada sobre com les avaluacions de personalitat es poden manipular o usar malament, vegeu es pot falsificar una prova de personalitat i biaix de desitjabilitat social en les proves de personalitat.
El que les publicacions de xarxes socials no poden revelar de manera fiable sobre la personalitat
Les publicacions de xarxes socials prediuen de manera fiable les tendències de personalitat agregades però no prediuen:
Intencions i decisions específiques. Els trets de personalitat expliquen tendències a llarg termini, no actes específics. Les puntuacions d'alta extraversió no prediuen si algú assistirà a un esdeveniment particular o votarà d'una manera determinada. Per a un tractament detallat del que la ciència de la personalitat no pot concloure sobre els individus, vegeu ciència de la personalitat: límits i el que no pot predir.
Comportament sensible al context. Les persones expressen la personalitat de manera diferent en contextos diversos. L'activitat professional a LinkedIn pot diferir substancialment dels comptes personals de Twitter, no perquè els trets hagin canviat sinó perquè es manifesten de manera diferent contextualment.
Precisió individual. Les correlacions com r = .35 o r = .40 es tradueixen en una precisió de predicció a nivell individual substancialment més feble del que suggereixen aquestes xifres. La incertesa al voltant de les inferències de personalitat des de les xarxes socials continua sent gran. Les preocupacions de replicació i precisió en la ciència de la personalitat de manera més àmplia s'aborden a la crisi de replicació de la ciència de la personalitat.
| Senyal de xarxes socials | Dimensió Big Five predicta | Estimació de correlació típica |
|---|---|---|
| Freqüència de publicació, contingut social | Extraversió (Presència) | r ≈ .35–.45 |
| Diversitat de contingut, compromís cultural | Obertura (Visió) | r ≈ .30–.40 |
| Publicació a última hora, vocabulari emocional | Neuroticisme (Profunditat) | r ≈ .20–.35 |
| Completesa del perfil, regularitat de publicació | Conscienciositat (Disciplina) | r ≈ .15–.25 |
| To cooperatiu, evitació de conflictes | Amabilitat (Vincle) | r ≈ .10–.20 |
Per què Cèrcol utilitza les avaluacions de Testimoni en lloc dels senyals de xarxes socials
La recerca demostra que les dades de comportament porten informació de personalitat però no demostra que aquesta inferència sigui precisa, justa o èticament fonamentada per a l'avaluació individual. El model de Cèrcol es basa en la participació explícita: autoinforme combinat amb una avaluació de companys de Testimonis que coneixen l'individu en context.
La distància entre "detectable en dades agregades de xarxes socials" i "adequat per a l'avaluació individual" és més gran del que es reconeix normalment. La inferència a partir de xarxes socials circumval·la el coneixement i el consentiment de l'individu; es basa en comportaments col·lapsats de context i conformats per la plataforma que potser no reflecteixen com es presenta realment una persona en els contextos que importen per a la seva feina. L'avaluació de Testimoni per iguals adopta l'enfocament oposat: observacions estructurades de persones que han treballat directament amb l'individu, en els contextos específics on la personalitat importa més.
Per a una comparació dels enfocaments d'avaluació i la seva validesa, vegeu la pàgina de ciència de Cèrcol, que explica els fonaments psicomètrics subjacents a ambdós instruments.
Conèixer el teu perfil — en els teus propis termes — amb Cèrcol
La visió de la recerca sobre personalitat a les xarxes socials és que el teu comportament digital reflecteix la teva personalitat tant si ho pretens com si no. Però hi ha una diferència significativa entre tenir la teva personalitat inferida de les teves publicacions sense el teu coneixement, i escollir activament entendre el teu propi perfil a través d'una avaluació validada que tu controles.
L'avaluació gratuïta Big Five de Cèrcol et dona un perfil precís en les cinc dimensions —Presència, Visió, Profunditat, Disciplina i Vincle— basada en 120 ítems validats i la teva pròpia participació deliberada. Pots veure exactament el que mostren les dades i usar-les en els teus propis termes. L'avaluació de Testimoni per iguals afegeix una capa d'observació conductual de companys que et coneixen en context —molt més informativa que qualsevol inferència passiva de xarxes socials—.
Fes l'avaluació gratuïta de Cèrcol a cercol.team
Fonts
- Kosinski, M., Stillwell, D., & Graepel, T. (2013). Private traits and attributes are predictable from digital records of human behavior. PNAS, 110(15), 5802–5805. doi:10.1073/pnas.1218772110
- Escàndol de dades Facebook–Cambridge Analytica — Wikipedia
- Trets de personalitat Big Five — Wikipedia
Lectures addicionals
- Què és l'Extraversió? Més enllà del binari introvertit-extravertit
- Creativitat i personalitat: el que mostra la recerca Big Five
- Què és el Neuroticisme? Comprendre la profunditat emocional en el treball
- Es pot falsificar una prova de personalitat?
- Biaix de desitjabilitat social en les proves de personalitat
- Ciència de la personalitat: límits i el que no pot predir
- La crisi de replicació de la ciència de la personalitat