رایانش شخصیت یا محاسبات شخصیت یک زمینه تحقیقاتی مرتبط با هوش مصنوعی و روانشناسی شخصیت است که با استفاده از تکنیک‌های محاسباتی از منابع مختلف نظیر متن، چند رسانه‌ای و شبکه‌های اجتماعی به مطالعه شخصیت می‌پردازد.

تعریف

ویرایش

محاسبات شخصیت سه مسأله اصلی مرتبط با شخصیت را بررسی می‌کند: تشخیص، درک و تلفیق خودکار شخصیت.[۱] تشخیص خودکار شخصیت به معنای استنباط تیپ شخصیتی فرد موردنظر با استفاده از ردپای دیجیتالی اوست؛ درک خودکار شخصیت به معنای نتیجه‌گیری دربارهٔ شخصیتی است که توسط ناظر به فرد مورد نظر بر اساس برخی رفتارهای مشهود وی نسبت داده می‌شود؛ تلفیق خودکار شخصیت نیز عبارت است از تولید سبک ظاهری یا رفتار شخصیت‌های مصنوعی در آواتارها و کارگزاران مجازی.

آزمون‌های خودارزیابی شخصیتی یا امتیازهای ناظران همیشه به عنوان حقیقت اصلی برای آزمایش و ارزیابی عملکرد الگوریتم‌های هوش مصنوعی برای پیش‌گویی خودکار تیپ‌های شخصیتی مورد استفاده قرار می‌گیرند. [۲] انواع مختلفی از تست‌های شخصیت، مانند نشانگر نوع مایرز بریگز (MBTI) [۳] یا پرسشنامه شخصیتی چندمحوری مینه‌سوتا (MMPI) وجود دارند؛ اما از تست‌های مبتنی بر مدل پنج عاملی بیشتر از همه استفاده می‌شود. [۴]

رایانش شخصیت را می‌توان به عنوان یک الحاقیه یا مکمل برای رایانش احساسی در نظر گرفت که در آن ابتدا بر ویژگی‌های شخصیتی و سپس بر حالات عاطفی تمرکز دارد.

تاریخچه

ویرایش

رایانش شخصیت در حدود سال ۲۰۰۵ میلادی با چند کار تحقیقاتی پیشگام در حوزه تشخیص شخصیت آغاز شد که نشان می‌داد ویژگی‌های شخصیتی را می‌توان با دقت معقولی از متون (مانند پست‌های بلاگ)، توصیفات شخصی [۵] [۶] [۷] و یا آدرس‌های ایمیل استخراج کرد. [۸] در سال ۲۰۰۸، مفهوم «شخصیت ترابرپذیر» برای مدیریت توزیع‌شده نمایه‌های شخصی در رسانه‌های مختلف توسعه داده شد. [۹]

چند سال بعد تحقیقات در زمینه تشخیص و درک شخصیت از سیگنال‌های چندوجهی و اجتماعی، همانند جلسات ضبط‌شده [۱۰] و تماس‌های صوتی شروع شد. [۱۱]

در دهه ۲۰۱۰ میلادی، تحقیقات عمدتاً بر شناخت و درک شخصیت از طریق شبکه‌های اجتماعی، به طور خاص از فیس‌بوک، [۱۲] [۱۳] [۱۴] توییتر [۱۵] و اینستاگرام متمرکز شد. [۱۶] در همان سال‌ها، تلفیق خودکار شخصیت به بهبود انسجام رفتارهای شبیه‌سازی شده در کارگزاران مجازی کمک کرد. [۱۷]

کارهای علمی اعتبار محاسبات شخصیت با استفاده از ردپاهای دیجیتالی مختلف، به‌ویژه به کمک علایق کاربر همچون پسندهای صفحات فیس‌بوک [۱۸] را اثبات کرده و هم‌چنین نشان داده‌است که ماشین‌ها می‌توانند شخصیت‌ها را بهتر از انسان‌ها تشخیص دهند. [۱۹]

کاربردها

ویرایش

شیوه‌های رایانش شخصیت، به‌ویژه تشخیص و ادراک خودکار شخصیت، در بازاریابی شبکه‌های اجتماعی کاربرد دارد؛ بدین شکل آژانس‌ها و شرکت‌ها می‌توانند از طریق هدف‌گیری کاربران بر مبنای خصوصیات روان‌شناختی به کاهش هزینه‌ها و افزایش بازدهی کمپین‌های تبلیغاتی کمک کنند. [۲۰] [۲۱]

منابع

ویرایش
  1. [۱] Vinciarelli, Alessandro, and Gelareh Mohammadi. "A survey of personality computing." IEEE Transactions on Affective Computing 5.3 (2014): 273-291.
  2. Celli, Fabio, et al. "Workshop on computational personality recognition (shared task)." Proceedings of the Workshop on Computational Personality Recognition. 2013.
  3. Isabel Briggs Myers and Peter B Myers. 2010. Giftsdiffering: Understanding personality type. Davies-Black Publishing.
  4. Paul T Costa and Robert R McCrae. 2008. The re-vised neo personality inventory (neo-pi-r).In G.J.Boyle, G Matthews and D. Saklofske (Eds.). TheSAGE handbook of personality theory and assessment2:179–198
  5. Argamon, Shlomo, et al. "Lexical predictors of personality type." (2005).
  6. Oberlander, Jon, and Scott Nowson. "Whose thumb is it anyway?: classifying author personality from weblog text." Proceedings of the COLING/ACL on Main conference poster sessions. Association for Computational Linguistics, 2006.
  7. Mairesse, François, et al. "Using linguistic cues for the automatic recognition of personality in conversation and text." Journal of artificial intelligence research 30 (2007): 457-500.
  8. Back, Mitja D., Stefan C. Schmukle, and Boris Egloff. "How extraverted is honey. bunny77@ hotmail. de? Inferring personality from e-mail addresses." Journal of Research in Personality 42.4 (2008): 1116-1122.
  9. Lugmayr, Artur; Reymann, Simon; Kemper, Stefan; Dorsch, Tillmann; Roman, Pablo (December 2008). "Bits of Personality Everywhere: Implicit User-Generated Content in the Age of Ambient Media". 2008 IEEE International Symposium on Parallel and Distributed Processing with Applications: 516–521. doi:10.1109/ISPA.2008.141. ISBN 978-0-7695-3471-8.
  10. Pianesi, Fabio, et al. "Multimodal recognition of personality traits in social interactions." Proceedings of the 10th international conference on Multimodal interfaces. ACM, 2008.
  11. Mohammadi, Gelareh, and Alessandro Vinciarelli. "Automatic personality perception: Prediction of trait attribution based on prosodic features." IEEE Transactions on Affective Computing 3.3 (2012): 273-284.
  12. Quercia, Daniele, et al. "The personality of popular Facebook users." Proceedings of the ACM 2012 conference on computer supported cooperative work. ACM, 2012.
  13. Schwartz, H. Andrew, et al. "Personality, gender, and age in the language of social media: The open-vocabulary approach." PLOS ONE 8.9 (2013): e73791.
  14. [۲] Celli, Fabio, Elia Bruni, and Bruno Lepri. "Automatic personality and interaction style recognition from Facebook profile pictures." Proceedings of the 22nd ACM international conference on Multimedia. ACM, 2014.
  15. Golbeck, Jennifer, et al. "Predicting personality from twitter." Privacy, Security, Risk and Trust (PASSAT) and 2011 IEEE Third International Conference on Social Computing (SocialCom), 2011 IEEE Third International Conference on. IEEE, 2011.
  16. Ferwerda, Bruce, Markus Schedl, and Marko Tkalcic. "Predicting personality traits with instagram pictures." Proceedings of the 3rd Workshop on Emotions and Personality in Personalized Systems 2015. ACM, 2015.
  17. Faur, Caroline, et al. "PERSEED: a self-based model of personality for virtual agents inspired by socio-cognitive theories." Affective Computing and Intelligent Interaction (ACII), 2013 Humaine Association Conference on. IEEE, 2013.
  18. Kosinski, Michal, David Stillwell, and Thore Graepel. "Private traits and attributes are predictable from digital records of human behavior." Proceedings of the National Academy of Sciences (2013): 201218772.
  19. Youyou, Wu, Michal Kosinski, and David Stillwell. "Computer-based personality judgments are more accurate than those made by humans." Proceedings of the National Academy of Sciences 112.4 (2015): 1036-1040.
  20. Matz, S. C., et al. "Psychological targeting as an effective approach to digital mass persuasion." Proceedings of the National Academy of Sciences (2017): 201710966.
  21. Celli, Fabio, Pietro Zani Massani, and Bruno Lepri. "Profilio: Psychometric Profiling to Boost Social Media Advertising." Proceedings of the 2017 ACM on Multimedia Conference. ACM, 2017.