(Lo studio che qui riportiamo è stato realizzato da:

–  Wu Youyoua (Dipartimento di Psicologia, Università di Cambridge)

–  Michal Kosinskib e David Stillwella (Dipartimento di Informatica, Università di Stanford)

 

Le impronte digitali che lasciamo con i nostri comportamenti sulla rete, stanno insegnando ai computer come funzioniamo.

Saper valutare la personalità di un altro individuo è essenziale per aver successo nella società e anche per comprendere le interazioni tra le persone, i comportamenti e le emozioni.

Anche se per esprimere un giudizio accurato occorrono competenze socio-cognitive qualificate, esistono sistemi informatici basati sulla realtà artificiale capaci di formulare giudizi validi. Questo studio mette a confronto il livello di precisione di giudizi espressi da esseri umani con quelli formulati da sistemi informatici, ricavati dallo studio di un campione di 86.220 volontari che hanno risposto a un questionario di personalità articolato in 100 domande. È stato dimostrato che le previsioni del computer, basate su un’impronta digitale generica (facebook likes) sono state più precise (r=0,56) di quelle fornite dagli “amici di Facebook” attraverso un questionario di personalità (r=0,49); i modelli informatici ricavano meglio le interazioni; e le valutazioni finali di personalità formulate dal computer hanno un maggior riscontro nella vita reale quando prevedono gli esiti di vita di chi usa sostanze, gli atteggiamenti politici, e la salute fisica. Il computer, si pone così come nuovo attore/strumento di valutazione psicologica nelle indagini marketing, in quelle sulla privacy, più affidabile degli addetti “umani” che fino ad oggi si sono occupati di tracciare e valutare il profilo di un individuo.

Percepire e giudicare i tratti della personalità di una persona è alla base del vivere sociale. Le persone valutano continuamente “l’altro” per prendere decisioni e tracciare piani a lungo termine della loro vita, privata e professionale, come per esempio con chi fare amicizia, chi sposare, di chi fidarsi, chi assumere, o scegliere come presidente. Il giudizio migliore e più accurato, è la decisione. Precedenti ricerche hanno dimostrato che le persone sono abbastanza brave a giudicare le rispettive personalità; per esempio, dopo aver visto un breve video che presenta un campione di comportamenti, si è in grado di dare giudizi di personalità validi anche di perfetti sconosciuti.

Anche se in genere si ritiene che per esprimere il profilo preciso della personalità di un individuo occorrano competenze socio-cognitive del cervello umano, i recenti sviluppi in apprendimento automatico e i dati statistici hanno dimostrato che basandosi su documenti digitali inerenti il comportamento umano, i modelli informatici sono in grado di formulare giudizi di personalità validi. Tuttavia, le ragioni del perché un computer sia in grado di formulare un profilo di personalità più preciso di quello che si otterrebbe da un giudizio umano sono ancora sconosciute e sono quelle che questo studio intende affrontare.

I tratti della personalità, come molte altre dimensioni psicologiche, sono latenti e non possono essere misurate direttamente; esistono diversi criteri di valutazione e di accuratezza per tracciare un profilo di personalità. È stato adottato un approccio realistico, che presuppone che i tratti dell’individuo, che rappresentano caratteristiche umane reali, e la precisione delle sue decisioni siano dei benchmark basati su tre criteri fondamentali: accordo auto-altro, accordo d’interazione, e validità esterna.

Questi parametri di riferimento sono stati applicati a un campione di 86.220 volontari, che ha compilato un questionario di 100 domande inerenti la disponibilità verso l’altro, coscienziosità, estroversione, tolleranza e nevrosi. I giudizi di personalità formulati dal computer basandosi sui “Mi Piace” di Facebook, sono stati ricavati da un campione di 70.520 partecipanti. I “Mi Piace” venivano indicati in precedenza prima degli stessi partecipanti per prevedere se i tratti psicologici ipotizzati erano stati calcolati con esattezza. È stato usato LASSO (Least Absolute Shrinkage and Selection Operator), che attraverso regressioni lineari ha fatto in modo che i giudizi di ogni partecipante fossero effettuati utilizzando alcuni modelli sviluppati su un diverso sottocampione di partecipanti e di altri simili a quest’ultimi. I “Mi piace” espressi dagli utenti Facebook sono stati utilizzati per esprimere un’approvazione positiva, online e offline, verso prodotti, attività, sport, musicisti, libri, ristoranti o siti web.

Dalla varietà di oggetti, soggetti, marchi, e tipologie di persone che hanno espresso un “Mi piace” e dal numero di utenti Facebook di riferimento (> 1,3 miliardi), le preferenze ottenute costituiscono “un’impronta digitale” di riferimento generale. Ad esempio, la simpatia per un brand o un prodotto indica un trend di preferenze dei consumatori e dei comportamenti d’acquisto; “Mi piace” applicato alla musica rivela i gusti musicali; “Mi piace” per un sito web esprime una preferenza di navigazione web. Di conseguenza, i modelli basati su queste tendenze riescono a calcolare, con una buona approssimazione, una vasta gamma di altre impronte digitali, come i registri di navigazione web, i questionari delle indagini di ricerca on-line o i record di acquisto. I giudizi di personalità umani ottenuti dagli amici di Facebook dei partecipanti a questo studio, cui è stato chiesto di descrivere un determinato partecipante, utilizzano un questionario di 10 punti. Per calcolare se c’è accordo con il mondo reale, è stato utilizzato un campione di 17.622 partecipanti giudicati da un amico; per calcolare se c’è accordo di interazione, è stato utilizzato un campione di 14.410 partecipanti giudicati da due amici. Nella Figura 1 il diagramma illustra i metodi utilizzati.

 

Risultati dello studio

Il criterio principale sul quale si basa la validità di giudizio su un’altra persona è “se si accorda con quello che l’altra persona pensa di sé”. Il giudizio su l’altra persona è stato ottenuto incrociando i punteggi dei questionari compilati dai partecipanti e i modelli formulati dal computer (Figura 1). Dato che la concordanza varia notevolmente dalla durata e dal contesto del rapporto, i risultati ottenuti sono stati ulteriormente confrontati con quelli precedentemente pubblicati in una meta-analisi di Connely e Ones, e in particolare con le stime relative alle diverse categorie di giudicanti coinvolte: amici, coniugi, familiari, conviventi e colleghi di lavoro. I margini di errore sono stati calcolati con i coefficienti di affidabilità α di Cronbach, mentre l’errore di misura dei modelli formulati dal computer è stato considerato uguale a 0. I risultati presentati in Figura 2 mostrano che la precisione media del computer, attraverso i Big Five (linea rossa) cresce costantemente attraverso il numero di Like a disposizione sul profilo del partecipante (asse x).

I modelli al computer hanno bisogno solo di 100 “Mi Piace”, un giudizio umano medio, nel presente campione è pari a r=0,49 (linea blu).

Rispetto alla precisione dei vari giudizi umani riportati nella meta-analisi, i modelli computerizzati hanno bisogno in media di 10, 70, 150, e 300 “Mi piace”, rispettivamente, per un collega di lavoro, un convivente, un amico, un familiare e il coniuge (linee grigie).

 

Rispetto a una persona media, quanto è accurato il dato ottenuto con un computer?

La stima di un numero medio di Preferenze per individuo è 227 (95% CI = 224, 230), e la precisione del computer prevista per questo numero di Like è uguale a r=0,56. Questa precisione è un segnale significativamente migliore di quella ottenibile da un giudice umano medio (z=3,68 e p<0,001) e comparabile con quello di un coniuge medio, il giudice migliore tra quelli umani (r=0,58; z=-1,68; p=0,09). Le massime prestazioni osservate in questo studio, nelle valutazioni formulate dal computer, hanno raggiunto r=0,66 per partecipante, con più di 500 “Mi Piace”. Il rapporto log-lineare tra il numero di Preferenze e l’accuratezza del computer, mostrato in Figura 2, suggerisce che l’aumento della quantità di segnale, al di là di ciò che era disponibile in questo studio, potrebbero aumentare ulteriormente la precisione.

 

Perché i “Mi piace” valutano una personalità?

Esaminando i “Mi Piace” più segnalati per una determinata caratteristica, essi mostrano le attività, gli atteggiamenti e le preferenze maggiormente allineati con la teoria del Big Five. Ad esempio, i partecipanti più aperti a nuove esperienze si orientano verso Salvador Dalí, la meditazione, o discorsi TED; i partecipanti con alta estroversione si orientano verso le feste, la danza e Snookie (reality show stella).

 

Accordo tra giudici.

Un’altra indicazione sulla precisione del giudizio, si basa sul concetto che due giudici che sono d’accordo fra loro hanno più probabilità di essere precisi rispetto a quelli che non lo sono. L’accordo tra esseri umani è stato calcolato utilizzando un sottocampione di 14.410 partecipanti, giudicati da due amici. La stima ricavata attraverso modelli di computer è stata ottenuta suddividendo in modo casuale i “Mi Piace” in due parti e sviluppando due modelli separati, secondo la procedura descritta nella sezione precedente.

Il consenso medio ottenuto attraverso i diversi modelli di computer, prodotto attraverso la relazione tra tutti i Big Five (r=0,62), era molto più alto della stima ottenuta attraverso i giudici umani (r=0,38; z=36,8; p<0,001) o dalla meta-analisi (r=0,41; z=41,99; p<0.001). Tutti i risultati sono stati corretti per difetto.

 

Validità esterna. La terza misura che rende più preciso un giudizio è la validità esterna, che consiste su quanto bene un giudizio includa criteri esterni, come il comportamento nella vita reale, i tratti comportamentali correlati, e i risultati ottenuti nella vita.  I punteggi derivati dall’auto-valutazione, così come quelli ottenuti dagli esseri umani Partecipanti e quelli ottenuti dal computer sono stati espressi in modelli lineari o di insieme e variabili costanti, che alla fine individuano 12 tratti di vita correlati alla personalità: soddisfazione dalla vita, depressione, orientamento politico, auto-monitoraggio, impulsività, valori, interessi particolari, istruzione, uso di sostanze, condizioni di salute, rete sociale, attività di Facebook.

Come mostrato in Figura 3, la validità esterna dei giudizi del computer era superiore a quella dei giudici umani in 11 su 12 criteri (eccetto per la soddisfazione dalla vita). Inoltre, la validità esterna dei modelli dei computer era anche meglio dell’autovalutazione personale in 4 su 12 criteri: le attività di Facebook, l’uso di sostanze, il tipo di istruzione, e le dimensioni della rete, e assolutamente comparabili nel predire l’orientamento politico e le caratteristiche dei social network.

Il risultato sorprendente è stato che i giudizi basati sulle Preferenze fossero ancora meglio delle variabili deputate a stimare il tipo di istruzione o l’uso di sostanze, nonostante condividessero maggiormente i metodi di valutazione rispetto a quelli di auto-valutazioni. Inoltre, i modelli computerizzati avevano lo scopo di predire i punteggi di personalità e non gli esiti nella vita. In realtà, i modelli basati sulle Preferenze, finalizzate a prevedere direttamente tali variabili, possono raggiungere anche una precisione maggiore.

 

Conclusioni

I risultati di questo studio dimostrano che i modelli socio-cognitivi e i giudizi di personalità elaborati dal computer sono molto più accurati e precisi di quelli formulati dagli esseri umani. I giudizi basati su computer (r=0,56) sono, infatti, più rispondenti a quelli di auto-valutazione espressi dagli stessi partecipanti (r=0,49). Inoltre, i modelli computerizzati hanno dimostrato maggiore accordo d’interazione e maggior validità esterna (i giudizi di personalità basati su computer hanno previsto meglio gli esiti di vita e altri tratti comportamentali relativi ai giudizi umani). La crescita potenziale di perfezionamento dei modelli di computer e la quantità di impronte digitali espandibili, potrebbe portare a modelli di computer in grado di superare di molto gli esseri umani.

L’accuratezza nel tracciare il profilo di una personalità dipende molto dalla disponibilità e dalla quantità di informazioni comportamentali rilevati, insieme alla capacità dei giudici di rilevarli e utilizzarli correttamente. Il grande vantaggio che i computer hanno in più degli esseri umani è innanzitutto quello di memorizzare una quantità enorme di informazioni, in secondo luogo, i computer utilizzano le informazioni attraverso modellazioni statistiche che generano algoritmi coerenti in grado di ottimizzare la precisione di giudizio, mentre gli esseri umani sono più spesso influenzati da diversi fattori motivazionali. Tuttavia, le percezioni umane hanno il vantaggio di essere più flessibili e in grado di catturare, attraverso la propria sensibilità (subconscio) molti spunti di cui le macchine non dispongono. Poiché i Big Five rappresentano solo alcuni aspetti della personalità umana, i giudizi umani potrebbero essere ancora i migliori, perché descriverebbero dei tratti aggiuntivi, elaborabili solo da una mente (quella umana) estremamente raffinata e per ora non ancora eguagliabile dalle macchine.

Tuttavia le valutazioni automatiche sono più precise ed economiche e potrebbero diventare strumenti in grado di influenzare in modo molto efficace la società: i messaggi di marketing potrebbero venire adattati alle singole personalità degli utenti; i reclutatori di personale potrebbero individuare candidati più rispondenti alle mansioni ricercate; prodotti e servizi potrebbero essere adeguati meglio alle personalità dei loro utenti, adeguandosi di volta in volta al mutare dei loro gusti; e gli scienziati potrebbero raccogliere dati sulle personalità senza impegnare i partecipanti in lunghi questionari. Inoltre, in futuro, la gente potrebbe abbandonare i propri giudizi psicologici e basarsi di più sui giudizi dei computer, soprattutto nei momenti cruciali delle grandi e importanti decisioni della vita, per esempio quale attività scegliere o quale percorso di carriera intraprendere, o anche di quale partner innamorarsi. Può anche darsi, che prendere decisioni del genere basandosi sui computer, possa migliorare la vita delle persone.

Tuttavia, la conoscenza della personalità degli individui potrà anche, in futuro, venire utilizzata per manipolarli e influenzarli. Comprensibilmente, la gente potrebbe diffidare o rifiutare le tecnologie digitali dopo aver realizzato che, magari, il loro governo, il provider internet, il web browser, il social network online, o il motore di ricerca sono ora in grado di ricavare i loro tratti personali in modo ancor più preciso dei loro più stretti familiari .

Ci si augura che i consumatori, gli sviluppatori software, e i leader politici affronteranno queste sfide, sostenendo leggi e tecnologie a tutela della privacy, che garantiscano agli utenti il ​​pieno controllo delle loro impronte digitali.

La cultura popolare ha sempre rappresentato i robot come “entità superiori all’essere umano”. In un film, per esempio, la protagonista si innamora del suo sistema operativo per la sua capacità di capire e rispondere ai suoi pensieri e ai suoi bisogni, molto meglio di altri esseri umani, compreso il suo fidanzato di sempre e gli amici più cari. Questo studio, insieme al rapido sviluppo della robotica, fornisce la prova empirica che quando la valutazione digitale raggiungerà al sua maturità, un scenario di questo tipo potrebbe sempre diventare possibile.

Resta comunque il dato oggettivo finale: la capacità di valutare con precisione i tratti psicologici e gli stati della personalità umana, attraverso le impronte digitali di comportamento, costituisce una tappa importante nel cammino verso una sempre maggior interazione sociale uomo-computer.

a cura di Adriana Paolini

 

Bibliografia dello Studio

1.  Funder  DC  (2012)  Accurate  personality  judgment.  Curr  Dir  Psychol  Sci  21(3): 1–18.

2.  Letzring  TD  (2008)  The  good  judge  of  personality: Characteristics,  behaviors,  and observer accuracy. J Res Pers 42(4): 914–932.

3.  Funder  DC,  West  SG  (1993)  Consensus,  self-other  agreement,  and  accuracy  in  personality judgment: an introduction. J Pers 61(4): 457–476.

4.  Letzring TD, Human LJ (2014) An examination of information quality as a moderator of accurate personality judgment. J Pers 82(5): 440–451.

5.  Funder  DC  (1995)  On  the  accuracy  of  personality  judgment:  A  realistic  approach. Psychol Rev 102(4): 652–670.

6.  Ready  RE,  Clark  LA,  Watson  D,  Westerhouse  K  (2000)  Self-  and  peer-reported  personality: Agreement, trait ratability, and the “self-based heuristic”. J Res Pers 34(2): 208–224.

7.  Funder DC, Kolar DC, Blackman MC (1995) Agreement among judges of personality: interpersonal  relations,  similarity,  and  acquaintanceship. J  Pers  Soc  Psychol  69(4): 656–672.

8.  Macrae C, Quadflieg S (2010) Perceiving people. Handbook of Social Psychology, eds Fiske ST, Gillbert DT, Lindzey G (McGraw-Hill, New York), 5th Ed, pp 428–463.

9.  Borkenau P, Liebler A (1993) Convergence of stranger ratings of personality and in- telligence  with  self-ratings,  partner  ratings,  and  measured  intelligence.  J  Pers  Soc Psychol 65(3): 546–553.

10.  Carney DR, Colvin CR, Hall JA (2007) A thin slice perspective on the accuracy of first impressions. J Res Pers 41(5): 1054–1072.

11.  Kosinski M, Stillwell D, Graepel T (2013) Private traits and attributes are predictable from digital records of human behavior. Proc Natl Acad Sci USA 110(15): 5802–5805.

12.  Kosinski M, Bachrach Y, Kohli P, Stillwell D, Graepel T (2013) Manifestations of user personality in website choice and behaviour on online social networks. Mach Learn 95(3): 357–380.

13.  Quercia D, Kosinski M, Stillwell D, Crowcroft J (2011) Our Twitter profiles, our selves: Predicting  personality with Twitter. 2011 IEEE International Conference on Privacy, Security, Risk, and Trust,  and  IEEE International Conference on Social Computing (IEEE, Piscataway, NJ), pp 180–185.

14.  Costa  PT,  McCrae  RR  (1992)  Revised  NEO  Personality  Inventory  (NEO-PI-R)  and NEO Five-Factor Inventory (NEO-FFI) Manual (Psychological Assessment Resources, Odessa, FL).

15.  Goldberg LR, et al. (2006) The international personality item pool and the future of public-domain personality measures. J Res Pers 40(1): 84–96.

16.  Tibshirani R (1996) Regression shrinkage and selection via the lasso. J R Stat Soc Series B Stat Methodol 58(1): 267–288.

17.  Taft R (1955) The ability to judge people. Psychol Bull 52(1): 1–23.

18.  Watson D, Hubbard B, Wiese D (2000) Self-other agreement in personality and affectivity: The role of acquaintanceship, trait visibility, and assumed similarity. J Pers Soc Psychol 78(3): 546–558.

19.  Biesanz JC, West SG, Millevoi A (2007) What do you learn about someone over time? The  relationship  between  length  of  acquaintance  and  consensus  and  self-other agreement in judgments of personality. J Pers Soc Psychol 92(1): 119–135.

20.  Connelly  BS,  Ones  DS  (2010)  An  other  perspective  on  personality:  meta-analytic integration  of  observers’  accuracy  and  predictive  validity.  Psychol  Bull  136(6): 1092–1122.

21.  John OP, Robins  RW (1993) Determinants of interjudge agreement on personality traits: The big five domains, observability, evaluativeness, and the unique perspective of the self. J Pers 61(4): 521–551.

22.  Vazire S (2010) Who knows what about a person? The self-other knowledge asymmetry (SOKA) model. J Pers Soc Psychol 98(2): 281–300.

23.  Vazire S, Gosling SD (2004) e-Perceptions: Personality impressions based on personal websites. J Pers Soc Psychol 87(1): 123–2.

24.  Kenny  DA  (1991)  A  general  model  of  consensus  and  accuracy  in  interpersonal  perception. Psychol Rev 98(2): 155–163.

25.  Funder DC, Dobroth KM (1987) Differences between traits: Properties associated with interjudge agreement. J Pers Soc Psychol 52(2): 409–418.

26.  Funder  DC,  Colvin  CR  (1988)  Friends  and  strangers:  Acquaintanceship, agreement, and the accuracy of personality judgment. J Pers Soc Psychol 55(1): 149–158.

27.  Vazire  S,  Carlson  EN  (2011)  Others  sometimes  know  us  better  than  we  know  our- selves. Curr Dir Psychol Sci 20(2): 104–108.

28.  Hirsh JB, Kang SK, Bodenhausen GV (2012) Personalized  persuasion: Tailoring persuasive appeals to recipients’ personality traits. Psychol Sci 23(6): 578–581.

29.  Kahn PH, et al. (2010) Psychological intimacy with robots? Using interaction patterns to uncover depth of relation. Proceedings of the Fifth ACM/IEEE International Conference on Human–Robot Interaction (IEEE, Piscataway, NJ), pp 123–124.

30.  Kahn PH, et al. (2012) Do people hold a humanoid robot morally accountable for the  harm  it causes?  Proceedings  of  the  Seventh  Annual  ACM/IEEE  International Conference  on  Human–Robot  Interaction  (Association  for  Computing  Machinery, New York), pp 33–40.