Twitter tiek izmantots kā Amerikas psihes pētījumu rīks
Pētnieki iegūst datus no tweets, lai iegūtu ieskatu par cilvēku uzvedību. Lielo datu analīze ļauj izmeklētājiem pārbaudīt saturu no daudziem tvītiem un veikt tiešsaistes eksperimentus, lai labāk izprastu individuālo uzvedību.
Piemēram, Emorijas universitātes psihologi atklāja, ka cilvēki, kuri mēdz domāt tālāk nākotnē, visticamāk ieguldīs naudu un izvairīsies no riskiem. Viņi to izdarīja, veicot gandrīz 40 000 Twitter lietotāju teksta analīzi un pēc tam tiešsaistē eksperimentējot ar to cilvēku uzvedību, kuri nodrošināja savus Twitter rokturus.
Pētījums parādās žurnālā Nacionālās Zinātņu akadēmijas raksti (PNAS).
Pētnieki arī atrada saistību starp ilgāku redzamību nākotnē un mazāk riskantu lēmumu pieņemšanu ASV štata iedzīvotāju līmenī. "Twitter ir kā psihologu mikroskops," saka līdzautors Filips Volfs.
“Naturālistiskie dati, kas iegūti no tvītiem, šķiet, dod ieskatu ne tikai par tweeteru domām noteiktā laikā, bet arī par samērā stabilu izziņas procesu. Sociālo mediju un lielo datu analīzes rīku izmantošana paver jaunu paradigmu veidā, kā mēs pētām cilvēku uzvedību. ”
Līdzautors Roberts Torstads, doktors Emory kandidāts nāca klajā ar ideju par pētījumu, strādāja pie dizaina un analīzēm un veica eksperimentus.
"Mani aizrauj tas, kā cilvēku ikdienas uzvedība var atdot daudz informācijas par viņu psiholoģiju," saka Torstads.
"Liela daļa mūsu darba bija automatizēta, tāpēc mēs varējām analizēt miljoniem Tweets no tūkstošiem cilvēku ikdienas."
Personu tvītos konstatētā nākotnes redzamība bija īsa, parasti tikai dažas dienas, kas atšķiras no iepriekšējiem pētījumiem, kas liecina par nākotnes redzamību gadu secībā.
"Viena iespējama interpretācija ir tāda, ka atšķirība ir saistīta ar sociālo mediju iezīmēm," saka Volfs. Vēl viens iespējamais iemesls, viņš piebilst, ir tas, ka iepriekšējie pētījumi cilvēkiem skaidri jautāja, cik tālu viņi domā nākotnē, kamēr PNAS papīrs izmantoja iepriekšējo tvītu iegultos pasākumus.
Lai gan attiecības starp nākotnes redzi un lēmumu pieņemšanu var šķist acīmredzamas, pētnieki atzīmē, ka iepriekšējie atklājumi par šo tēmu nav bijuši konsekventi. Tomēr šīs neatbilstības var izraisīt tādi faktori kā novērotāju neobjektivitāte laboratorijas apstākļos un mazs paraugu lielums.
The PNAS rakstā tika izmantotas dažādas metodes (piemēram, Stanforda CoreNLP dabiskās valodas apstrādes rīku komplekts un SUTime, uz noteikumiem balstīts laika marķieris, kas veidots uz regulāru izteiksmes modeļu pamata), lai automātiski analizētu Twitter teksta takas, kuras iepriekš atstājuši atsevišķi subjekti.
Eksperimentālie dati tika apkopoti, izmantojot vietējo vietņu piesaistīšanas rīku Amazon Mechanical Turk, vietni, kurā indivīdi var veikt psiholoģijas eksperimentus un citus internetā balstītus uzdevumus. Mehāniskā turka eksperimentu dalībniekiem tika lūgts piegādāt savus Twitter rokturus.
Vienā eksperimentā PNAS papīrs, Mechanical Turk dalībnieki atbildēja uz klasisku jautājumu par aizkavēšanos ar atlaidēm, piemēram: Vai jūs šodien gribētu 60 USD vai sešu mēnešu laikā 100 USD?
Tika analizēti arī dalībnieku tvīti. Orientācija uz nākotni tika mērīta pēc dalībnieku tendences tvītot par nākotni, salīdzinot ar pagātni. Nākotnes redzamība tika mērīta, pamatojoties uz to, cik bieži tvīti atsaucās uz nākotni un cik tālu nākotnē.
Rezultāti parādīja, ka nākotnes orientācija nebija saistīta ar ieguldījumu uzvedību, bet cilvēki ar tālredzīgu nākotni drīzāk izvēlējās gaidīt nākotnes atlīdzību nekā tie, kuriem ir tuvredzība.
Tas liek domāt, ka investīciju uzvedība ir atkarīga no tā, cik indivīdi domā nākotnē, nevis no viņu tieksmes domāt par nākotni kopumā.
Otrajā mehāniskā turka eksperimentā tika izmantota digitālā gaisa balona analoga riska uzdevums (BART). Šajā vingrinājumā dalībnieki varēja nopelnīt reālu naudu katru reizi, kad piepūš balonu, taču katra inflācija var izraisīt balona izlēcienu, kā rezultātā par šo izmēģinājumu netiek nopelnīta nauda.
Ja dalībnieki pārtrauca piepūsties pirms gaisa balona izlēciena, viņi varēja nopelnīt nopelnīto naudu un doties uz nākamo izmēģinājumu.
Tika analizēti arī BART dalībnieku tvīti. Rezultāti parādīja, ka tie, kuriem ir garāka nākotnes redze, retāk riskēja pilnībā piepūst balonu.
Vēl viens pētījums PNAS darbs koncentrējās uz Twitter lietotājiem, kuru profili piesaistīja viņus konkrētam stāvoklim. Aptuveni astoņi miljoni viņu tvītu tika analizēti, lai redzētu nākotnē.
Pētnieki mērīja valsts riska uzvedību iedzīvotāju līmenī, izmantojot publiski pieejamu statistiku, piemēram, drošības jostu atbilstības rādītājus, braukšanas reibumā un pusaudžu vecuma rādītājus. Rezultāti parādīja, ka īsāki nākotnes redzamības pasākumi atsevišķu valstu tvītiem korelē ar augstāku riskantas uzvedības līmeni, līdzīgi kā atsevišķu eksperimentālo pētījumu rezultāti.
Lai novērtētu valsts ieguldījumu uzvedību, pētnieki izmantoja valsts statistiku tēriņiem valsts parkos, pirmsskolas bērnudārzā, automaģistrālēs un katram skolēnam. Pētnieki atklāja, ka valstis, kas vairāk ieguldīja šajās jomās, bija saistītas ar tweets no indivīdiem ar garāku nākotnes redzi, bet ne statistiski nozīmīgā līmenī.
Pētnieki kontrolēja tādu valsts demogrāfisko situāciju kā politiskā orientācija, ienākumi uz vienu iedzīvotāju, mājsaimniecību ienākumi un IKP. "Mēs atklājām, ka, lai arī demogrāfija ir svarīga, tā nevar izskaidrot nākotnes domāšanas sekas," saka Volfs.
Tiek lēsts, ka 21 procents amerikāņu pieaugušo, kuri lieto čivināt, parasti ir jaunāki un tehnoloģiski prasmīgāki nekā vispārējie iedzīvotāji, atzīst Thorstad. Bet viņš piebilst, ka Twitter demogrāfija pēc dzimuma, ekonomiskā stāvokļa un izglītības līmeņa nav tik tālu no vispārējiem iedzīvotājiem. Un Twitter lietotāju, kas dzīvo laukos, pilsētās un piepilsētās, procentuālais daudzums ir praktiski vienāds.
"Twitter var nodrošināt daudz plašāku dalībnieku pulku nekā daudzi psiholoģijas eksperimenti, kuros galvenokārt tiek izmantoti bakalaura studenti," atzīmē Thorstad. "Lielo datu metodes var galu galā uzlabot psiholoģijas rezultātu vispārināmību."
"Izmantojot sociālos medijus, mēs uzkrājam milzīgu daudzumu datu par sevi gan uzvedības, gan laika gaitā, tādējādi atstājot zināmu digitālo fenotipu," piebilst Volfs.
"Mēs tagad esam laikmetā, kad mums ir lielo datu analīzes rīki, kas var iegūt informāciju, lai pastāstu mums kaut ko netieši par indivīda kognitīvo dzīvi un paredzētu, ko indivīds varētu darīt nākotnē."
Avots: Emory Health Sciences
