هوش مصنوعی و خودشیفتگی | آیا لینکدین شخصیت شما را لو می‌دهد؟

هوش مصنوعی میزان خودشیفتگی را پیش‌بینی می‌کند؟

در عصر داده، حتی پروفایل حرفه‌ای شما می‌تواند به منبعی برای تحلیل شخصیت تبدیل شود.
مطالعه‌ای که گزارش آن توسط The British Psychological Society منتشر شده، نشان می‌دهد الگوریتم‌های machine learning قادرند از اطلاعات موجود در لینکدین، میزان خودشیفتگی (narcissism) افراد را با دقت قابل‌توجهی پیش‌بینی کنند.

چرا لینکدین به ابزار تحلیل شخصیت تبدیل شده است؟

LinkedIn با نزدیک به یک میلیارد کاربر، بزرگ‌ترین شبکه حرفه‌ای جهان است. شرکت‌ها و کارفرمایان از این پلتفرم برای ارزیابی سوابق، مهارت‌ها و برند شخصی افراد استفاده می‌کنند.

اما آیا داده‌های ظاهراً ساده مانند عکس پروفایل، نحوه معرفی مهارت‌ها یا نوع دستاوردهای ذکرشده، می‌توانند شاخص‌هایی از ویژگی‌های شخصیتی باشند؟

طراحی پژوهش چگونه بود؟

در این مطالعه:

• ۴۰۶ فرد آلمانی‌زبان، پروفایل لینکدین خود را در اختیار پژوهشگران قرار دادند.
• سطح هوش و میزان خودشیفتگی آن‌ها با پرسشنامه‌های استاندارد و آزمون‌های شناختی سنجیده شد.
• سپس الگوریتم‌های یادگیری ماشین، داده‌های پروفایل‌ها را تحلیل کردند.
• در نهایت، نتایج الگوریتم‌ها با نمرات واقعی افراد مقایسه شد.

نتایج؛ دقتی فراتر از حد انتظار

الگوریتم‌ها توانستند میزان خودشیفتگی را با دقتی بین ۶۷.۵ تا ۷۰.۵ درصد پیش‌بینی کنند.

برخی نشانه‌های مرتبط با خودشیفتگی در پروفایل‌ها عبارت بودند از:

• استفاده از عکس بدون لبخند
• تأکید بر مهارت‌های سخنرانی عمومی
• برجسته‌سازی شدید نقش‌های رهبری

در مقابل، افراد با هوش بالاتر معمولاً دستاوردهای علمی و حرفه‌ای متنوع‌تری را فهرست کرده بودند.

پیامدهای سازمانی و اخلاقی

از منظر روانشناسی سازمانی (organizational psychology)، این یافته‌ها می‌تواند برای استخدام و ارزیابی نیروی انسانی جذاب باشد. اما پرسش‌های مهمی نیز مطرح می‌شود:

• آیا استفاده از چنین الگوریتم‌هایی نقض حریم خصوصی نیست؟
• آیا پیش‌بینی شخصیت از داده‌های عمومی می‌تواند به تبعیض الگوریتمی منجر شود؟
• اگر پروفایل‌ها پویا و قابل‌تغییر باشند، آیا ارزیابی‌ها پایدار خواهند بود؟

پروفایل‌های لینکدین دائماً به‌روزرسانی می‌شوند؛ بنابراین الگوریتم‌ها نیز باید مداوم بازآموزی شوند.

جمع‌بندی

هوش مصنوعی نه‌تنها رفتار، بلکه الگوهای شخصیتی را نیز از داده‌های دیجیتال استخراج می‌کند.
پرسش اصلی این نیست که «آیا ممکن است؟» بلکه این است که «تا کجا باید اجازه دهیم چنین تحلیلی وارد فرآیندهای تصمیم‌گیری شود؟»