[論文レビュー] Predicting Personality from Book Preferences with User-Generated Content Labels

Ng Annalyn, Maarten W. Bos+2 more|arXiv (Cornell University)|Jul 20, 2017

Media Influence and Health参考文献 4被引用数 3

ひとこと要約

本の好みから性格特性を予測するこの研究では、オンライン図書カタログのユーザーフレンドリーなタグを用い、豊富で非伝統的なコンテンツラベルを活用することで、性格予測の高精度を達成した。細分化されたタグと広範なジャンルの両方で頑健な結果を示し、従来のジャンルベースの分析を超えた文化的な違いや行動的洞察を明らかにした。

ABSTRACT

Psychological studies have shown that personality traits are associated with book preferences. However, past findings are based on questionnaires focusing on conventional book genres and are unrepresentative of niche content. For a more comprehensive measure of book content, this study harnesses a massive archive of content labels, also known as 'tags', created by users of an online book catalogue, Goodreads.com. Combined with data on preferences and personality scores collected from Facebook users, the tag labels achieve high accuracy in personality prediction by psychological standards. We also group tags into broader genres, to check their validity against past findings. Our results are robust across both tag and genre levels of analyses, and consistent with existing literature. Moreover, user-generated tag labels reveal unexpected insights, such as cultural differences, book reading behaviors, and other non-content factors affecting preferences. To our knowledge, this is currently the largest study that explores the relationship between personality and book content preferences.

研究の動機と目的

• 従来のジャンルを超えて、性格特性と本のコンテンツ好みの関係を調査すること。
• ユーザーフレンドリーなタグが、本のコンテンツの代理として性格予測に有効であるかを評価すること。
• タグレベルとジャンルレベルの分析が、一貫性があり信頼性のある結果をもたらすかを評価すること。
• 読書行動や文化的要因などのコンテンツ以外の要因が、本の好みにどのように影響するかを特定すること。
• デジタル図書メタデータを用いた大規模かつデータドリブンな性格予測フレームワークを確立すること。

提案手法

• オンライン図書カタログであるGoodreadsのユーザーフレンドリーなタグの膨大なデータセットを、本のコンテンツを表すために用いる。
• これらのタグを、Facebookユーザーから収集した性格スコアと本の好みと組み合わせる。
• 機械学習モデルを用いて、タグとジャンルの頻度に基づき、ビッグファイブ性格特性を予測する。
• タグをより広いジャンルにグループ化し、先行する心理学者文献との整合性を検証する。
• 統計的分析を用いて、粒度の異なるレベル（タグ対ジャンル）における妥当性をテストする。
• 交差検証と相関分析を用い、心理的基準との比較で予測の正確性を評価する。

実験結果

リサーチクエスチョン

• RQ1 ユーザーフレンドリーなタグは、本の好みから性格特性を効果的に予測できるか？
• RQ2 タグベースのアプローチは、従来のジャンルベースのアプローチと比較して、予測性能に優れているか？
• RQ3 異なる文化的・行動的グループ間で、本の好みに一貫したパターンが見られるか？
• RQ4 読書頻度や文化的文脈などのコンテンツ以外の要因（例：読書習慣、ジャンルへの関与パターン）は、本の好みにどのように影響するか？
• RQ5 タグレベルとジャンルレベルの分析が、同等かつ信頼性のある結果をもたらすか？

主な発見

• ユーザーフレンドリーなタグは、ビッグファイブ性格特性を高い正確性で予測でき、心理的信頼性基準を満たした。
• モデルはタグレベルとジャンルレベルの両方で頑健に機能し、粒度の違いにかかわらず一貫性を確認した。
• タグベースの予測は、地域ごとのジャンル関連性の違いを示し、本の好みにおける文化的差異を明らかにした。
• 読書頻度やジャンルへの関与パターンといったコンテンツ以外の要因が、好みに顕著に影響を与えた。
• この研究では、主流のジャンルを超えて、性格とニッチな本のコンテンツとの間で以前に軽視されてきた関連性を同定した。
• 結果として、ユーザーフレンドリーなタグが、性格研究における本のコンテンツの豊富でスケーラブルな代替手段として有効であることが検証された。