Twitter se používá jako výzkumný nástroj pro americkou psychiku

Vědci těží data z tweetů, aby získali přehled o lidském chování. Analýza velkých dat umožňuje vyšetřovatelům zkoumat obsah z velkého počtu tweetů a provádět online experimenty, aby lépe porozuměli chování jednotlivců.

Například psychologové Emory University zjistili, že jednotlivci, kteří mají tendenci uvažovat dále do budoucnosti, pravděpodobněji investují peníze a vyhnou se rizikům. Toto odhodlání provedli textovými analýzami téměř 40 000 uživatelů Twitteru a poté provedli online experimenty s chováním lidí, kteří poskytli své twitterové popisy.

Výzkum se objeví v časopise Sborník Národní akademie věd (PNAS).

Vědci také zjistili souvislost mezi delší prozíravostí a méně riskantním rozhodováním na úrovni populace státu USA. „Twitter je pro psychology jako mikroskop,“ říká spoluautor Phillip Wolff.

"Zdá se, že naturalistická data získaná z tweetů poskytují pohled nejen na myšlenky tweetů v konkrétní době, ale také na relativně stabilní kognitivní proces." Používání sociálních médií a analytických nástrojů pro velká data otevírá nové paradigma ve způsobu, jakým studujeme lidské chování. “

Spoluautor Robert Thorstad, Ph.D. kandidát přišel s myšlenkou výzkumu, pracoval na návrhu a analýzách a prováděl experimenty.

"Jsem fascinován tím, jak každodenní chování lidí může poskytnout mnoho informací o jejich psychologii," říká Thorstad.

"Velká část naší práce byla automatizována, takže jsme mohli analyzovat miliony tweetů z každodenního života tisíců jednotlivců."

Výhled na budoucnost nalezený v tweetech jednotlivců byl krátký, obvykle jen několik dní, což se liší od předchozího výzkumu, který naznačuje budoucí vidění v řádu let.

"Jednou z možných interpretací je, že rozdíl je způsoben funkcí sociálních médií," říká Wolff. Dodává, že dalším možným důvodem je, že předchozí studie výslovně kladly jednotlivcům otázku, jak daleko si myslí do budoucnosti, zatímco PNAS papír používal vložené míry předchozích tweetů.

I když se vztah mezi prozíravostí a rozhodováním může zdát zřejmý, vědci poznamenávají, že předchozí zjištění v této oblasti nebyla konzistentní. Tyto nesrovnalosti však mohou být způsobeny faktory, jako je zkreslení pozorovatele v laboratorním prostředí a malé velikosti vzorků.

The PNAS papír používal různé metody (jako je Stanford CoreNLP pro zpracování přirozeného jazyka a SUTime, dočasný tagger založený na pravidlech založený na vzorech regulárních výrazů) k automatické analýze textových stop na Twitteru, které dříve zanechaly jednotlivé subjekty.

Experimentální data byla shromážděna pomocí nástroje Amazon Crowdsourcing Mechanical Turk, webové stránky, kde jednotlivci mohou provádět psychologické experimenty a další úkoly na internetu. Účastníci experimentů Mechanical Turk byli požádáni, aby dodali své rukojeti na Twitteru.

V jednom experimentu pro PNAS příspěvek, účastníci mechanického turka odpověděli na klasickou otázku diskontování zpoždění, například: Dáváte přednost 60 $ dnes nebo 100 $ za šest měsíců?

Analyzovány byly také tweety účastníků. Budoucí orientace byla měřena tendencí účastníků tweetovat o budoucnosti ve srovnání s minulostí. Budoucnost byla měřena na základě toho, jak často tweety odkazovaly na budoucnost a jak daleko do budoucnosti.

Výsledky ukázaly, že budoucí orientace nesouvisí s investičním chováním, ale že jedinci s dalekozrakostí se častěji rozhodnou počkat na budoucí odměny než ti s krátkozrakostí.

To naznačuje, že investiční chování závisí na tom, jak daleko myslí jednotlivci do budoucnosti, a nikoli na jejich tendenci myslet na budoucnost obecně.

Druhý experiment s mechanickým Turkem použil digitální úkol s analogovým rizikem balónu (BART). V tomto cvičení mohli účastníci vydělat skutečné peníze pokaždé, když nafoukli balónek, ale každá inflace by mohla vést k prasknutí balónu, což by za tento pokus nezískalo žádné peníze.

Pokud účastníci přestali nafukovat dříve, než balón vyskočil, mohli si vydělat peníze, které vydělali, a pokračovat v dalším procesu.

Analyzovány byly také tweety účastníků BART. Výsledky ukázaly, že u těch, kteří mají delší výhled, bylo méně pravděpodobné, že podstoupí riziko plného nafouknutí balónu.

Další studie v PNAS příspěvek zaměřený na uživatele Twitteru, jejichž profily je spojovaly s konkrétním státem. Asi osm milionů jejich tweetů bylo analyzováno na budoucnost.

Vědci měřili rizikové chování státu na populační úrovni pomocí veřejně dostupných statistik, jako je míra dodržování bezpečnostních pásů, míra opilosti a míra těhotenství mladistvých. Výsledky ukázaly, že kratší míra výhledu pro tweety z jednotlivých států úzce korelovala s vyšší mírou rizikového chování, podobně jako výsledky jednotlivých experimentálních studií.

K měření investičního chování státu použili vědci státní statistiky pro výdaje na státní parky, předškolní vzdělávání, dálnice a vzdělávání na žáky. Vědci zjistili, že státy, které investovaly více do těchto oblastí, byly spojeny s tweety od jedinců s delšími výhledy, ale ne na statisticky významné úrovni.

Vědci kontrolovali státní demografii, jako je politická orientace, příjem na obyvatele, příjem domácnosti a HDP. "Zjistili jsme, že i když jsou demografické údaje důležité, nemohou vysvětlit účinky budoucího myšlení," říká Wolff.

Odhaduje se, že 21 procent dospělých Američanů, kteří používají Twitter, bývá mladší a technologicky gramotnější než běžná populace, připouští Thorstad. Dodává však, že demografické údaje Twitteru nejsou tak daleko od běžné populace, pokud jde o pohlaví, ekonomický status a úroveň vzdělání. A procenta uživatelů Twitteru žijících ve venkovských, městských a předměstských oblastech jsou prakticky stejná.

"Twitter může poskytnout mnohem širší skupinu účastníků než mnoho psychologických experimentů, které primárně využívají vysokoškolské studenty jako předměty," poznamenává Thorstad. "Metody velkých dat mohou nakonec zlepšit zobecnitelnost výsledků psychologie."

"Prostřednictvím sociálních médií shromažďujeme na sobě obrovské množství dat, behaviorálně a v průběhu času, které po sobě zanechávají jakýsi digitální fenotyp," dodává Wolff.

"Nyní jsme ve věku, kdy máme analytické nástroje pro velká data, která dokážou extrahovat informace, aby nám nepřímo řekly něco o kognitivním životě jednotlivce a předpovídaly, co by jednotlivec mohl v budoucnu dělat."

Zdroj: Emory Health Sciences