личности. Чтобы вы могли лучше представить себе эти результаты, приведу конкретные примеры из работы Ву Ю Ю и ее коллег. Они пошли еще дальше и доказали, что информация о лайках позволяет описать характер участников исследования точнее, чем опросы друзей и партнеров [301]. Необходимо лишь достаточное количество лайков для анализа – и алгоритм справится на «отлично»!
В исследовании Ву Ю Ю и ее коллег экстраверты выделялись тем, что ставили больше лайков постам о вечеринках, танцах или, например, Снуки, звезде реалити-шоу в США. Люди с высокими показателями открытости ко всему новому с большей вероятностью ставили лайк публикациям о Сальвадоре Дали, о техниках медитации и о TED Talks, научных лекциях на ютубе, где эксперты излагают информацию по самым разнообразным темам примерно в течение 18 минут.
Думаю, интуитивно понятно, почему лайки обладают некоторой предсказательной силой при определении личностных качеств. Однако здесь снова необходимо отметить, что наблюдается лишь умеренная корреляция между тем, что человек лайкает, и чертами его личности, поэтому прогнозирование возможно только на групповом уровне. Как и в случае с исследованием Читтаранджана, о котором мы только что говорили, можно только предполагать, что лайки под постами на определенные темы указывают на чуть больший или чуть меньший уровень экстраверсии пользователя. Однако вероятность ошибочной психодиагностики на уровне отдельного человека все еще остается относительно высокой. Правда, рекламщиков это не тревожит, и я сейчас расскажу почему.
В последнее время появилось бесчисленное количество исследований, посвященных взаимосвязи между цифровыми следами пользователей фейсбука и их чертами личности. Теперь было бы полезно применить метааналитический подход. Метаанализ позволяет изучить корреляцию между рассматриваемыми переменными сразу во многих исследованиях по определенной теме.
В данном случае становится любопытно: насколько велика статистическая предсказательная сила различных цифровых следов в фейсбуке при определении характера человека? [302] Этот вопрос немного шире, чем работа Косински и его коллег, поскольку в ходе других исследований для прогнозирования личностных черт анализировались не только лайки. Научная литература по психоинформатике знает примеры, когда психологические переменные пытались определить по частоте публикаций и смены статусов и количествеу людей, с которыми общается пользователь. Это лишь несколько вариантов бесчисленных переменных.
Я был очень рад, когда мой итальянский коллега Давиде Маренго из Туринского университета получил стипендию и смог поработать в моей лаборатории в городе Ульм в течение нескольких месяцев. Поскольку зимние месяцы в Ульме всегда немного мрачные и очень туманные, у нас было достаточно времени, чтобы полностью сосредоточиться на наших исследовательских проектах.
В ноябре 2019 года мы приступили к завершению метаанализа литературы, посвященной фейсбуку, который готовили несколько месяцев. Можно было бы, конечно, проанализировать и другие медиаплатформы, чтобы ответить на вопрос об успешности предсказательной силы данных из всех соцсетей. Однако я все же думаю, что сфокусироваться именно на фейсбуке было верным решением, ведь там больше всего пользователей.
В ходе обширного штудирования литературы (более чем 900 работ) мы отобрали ядро из 21 статьи, в которых черты личности прогнозировались исходя из данных в фейсбуке. Затем они были включены в итоговую оценку. В ходе метаанализа мы обнаружили несколько интересных моментов [303]. Во-первых, коэффициент корреляции между цифровыми следами на фейсбуке и личностными характеристиками составил 0,34 по всем характеристикам, входящим в «большую пятерку» (0,34 × 0,34 = 0,115, т. е. примерно 12 % дисперсии). Во-вторых, наиболее сильной оказалась корреляция с уровнем экстраверсии. Все результаты представлены в таблице 4.1.
К слову, наш метаанализ показал, что прогноз становится точнее, если учитывать как можно больше различных форм цифровых следов.
Табл. 4.1. Взаимосвязь между параметрами «большой пятерки» и данными фейсбука в метаанализе Маренго и Монтага (2020; см. примечание 303)
Поскольку мы рассматривали только следы на фейсбуке, стоит упомянуть и другой метаанализ данных, проведенный Дэнни Азукаром (совместно с Давиде Маренго). Они определяли предсказательную силу цифровых следов за пределами фейсбука [304]. Этот анализ дал схожие с нашими результаты.
Итак, я могу оценить психические характеристики групп онлайн-пользователей, например характер. Но что мне это даст?
Работа Михала Косински вызвала настоящую волну обсуждений в научном сообществе прежде всего из-за ее связи со скандалом вокруг Cambridge Analytica. Бытует мнение, что то исследование стало методологической основой для теневой деятельности компании. Однако я убежден, что эта работа в любом случае, даже без истории с Cambridge Analytica, вызвала бы большой резонанс, поскольку она имеет огромное значение для дальнейшего развития психоинформатической диагностики. Результаты убедительно показывают, какую информацию можно извлечь из «простого» источника цифровых данных (например, лайков).
Теперь мы знаем, что наши цифровые следы позволяют предсказать некоторые дихотомические переменные, такие как пол человека, с высокой степенью точности, а метрические переменные, такие как характер, – достаточно точно, но с некоторыми ограничениями (по крайней мере при условии больших выборок данных и при соответствующей структуре исследования). Но как можно воспользоваться этими знаниями и даже повлиять с их помощью на исход избирательной кампании?
Если мне известно, благодаря какому типу цифровых следов можно сделать вывод о социально-демографических и психических переменных пользователей, это знание дает универсальный кодовый ключ. Единожды установив связь между определенными паттернами в цифровых следах и информацией из анкет, можно будет применять его к данным из выборок, где представлены только цифровые следы, но нет данных анкетирования. Именно это и хотела сделать компания Cambridge Analytica. Правда, для этого ей нужно было сначала заполучить кодовый ключ. Это оказалось не так-то и просто: Косински не согласился предоставить Cambridge Analytica под управлением Александра Никса доступ к нему. По словам бывшего сотрудника компании Кристофера Уайли, камнем преткновения стал денежный вопрос. «Косински отправил имейл Александру Когану [305], где требовал полмиллиона долларов предоплаты плюс 50 % всех роялти (лицензионного вознаграждения)» [306]. Здесь я могу лишь предложить подробнее ознакомиться с ситуацией, изучив сайт Косински, так как не хочу занимать чью-либо сторону [307]. Кстати, Александр Коган работал в том же университете, что и Косински, и, очевидно, выступал в качестве посредника между Cambridge Analytica и его рабочей группой. После того как Косински отказался сотрудничать, Александр Коган предложил компании собственные услуги для решения проблемы, и они договорились о сотрудничестве. Коган создал приложение под названием This Is Your Digital Life, и оно стало не менее успешным, чем MyPersonality.
Коган запускал свое приложение в максимально благоприятных условиях. Cambridge Analytica как раз получила серьезную сумму денег от миллиардера Роберта Мерсера, и у компании было достаточно средств (около 800 000 долларов США [308]), чтобы заплатить незначительную сумму каждому из 270 000
![Эрих фон Дэникен - Боги майя [День, когда явились боги]](https://cdn.my-library.info/books/171732/171732.jpg)
