对大多数人而言，智能手机已经成为日常生活中不可或缺的部分。这些设备不断收集的数据更是一座名副其实的金矿——除了用于商业广告投放，社会科学家还能用它们了解用户的个性特征和社会行为。
《美国国家科学院院刊》7月14日报道，德国路德维希-马克西米利安-慕尼黑大学（LMU）心理学家Markus Bühner领导的研究小组发现，根据智能手机被动收集的传统数据（如使用次数和频率）可以洞察用户的个性。
“是的，根据这些数据的自动化分析结果，我们能够总结出用户的个性特征，至少能够知晓其大部分的主人格。”加州斯坦福大学研究员Clemens Stachl说。
Bühner团队招募了624名志愿者。这些志愿者需要填写一份描述其性格特征的调查问卷，并在手机上安装一个专用程序。研究人员主要对与用户的通讯模式、社会行为和移动性相关的数据感兴趣。此外也会收集用户对音乐的选择和消费、使用的应用程序，以及他们在一天中使用手机的时间分布等数据。
之后，在机器学习算法的帮助下，研究人员对所有关于人格和智能手机使用的数据进行了分析。该机器学习算法经过训练，能够从行为数据中识别和提取模式，并将这些模式与人格调查中获得的信息联系起来。最后，研究人员还在新数据集的基础上，交叉验证了算法预测用户个性特征的能力。
“到目前为止，这个项目最困难的部分是对收集到的大量数据进行预处理以训练预测算法。”Stachl说，“事实上，为了进行必要的计算，我们不得不向莱布尼茨超级计算中心的高性能计算机集群寻求帮助。”
研究人员集中研究了心理学家确定的五个最重要的人格维度（the Big Five），从而全面地描述个体之间的人格差异。五个维度分别为：（1）开放性（愿意接受新思想、经验和价值）；（2）负责性（可靠性、守时、抱负和纪律）（3）外向性（社交能力、自信、喜欢冒险、活力和友善）（4）亲和性（愿意信任他人、脾气好的、外向、乐于助人的）（5）情绪稳定性（自信、镇定、积极、自制）。
自动分析结果显示，该算法确实能够从用户使用智能手机的多种组合因素中成功提取出大部分人的人格特征。
此外，研究结果还提示了哪些类型的数字行为对于预测用户的具体自我评估最有帮助。例如，与交流模式和社会行为相关的数据与自我报告的外向性水平密切相关，而与昼夜活动模式相关的信息可以显著预测自我报告中的责任性程度。
值得注意的是，只有当高度不同类型的数据（例如应用程序使用情况）被合并时，“开放性”这一类别才变得明显。
本研究的成果对于研究者来说非常有价值，它突破了基于志愿者自我评价的局限性。“尽管如此，我们仍然对人们在日常生活中的实际行为知之甚少。”Markus Bühner说，“由于智能手机的广泛分布、使用以及高水平性能，它们成为了一种探索用户自我报告和真实行为模式之间关系的理想的工具。”
版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
