На чтение: ≈ 3 мин.Команда исследователей, в составе которой работали ученые из НИУ ВШЭ, Сколтеха и ТГУ, использовала искусственный интеллект, чтобы проанализировать подписки 4,5 тыс. студентов на сообщества в социальной сети. Выяснилось, что алгоритмы довольно точно способны определить, кто из пользователей отличник, а у кого проблемы с успеваемостью.
Любой пользователь оставляет цифровой след — лайки, фотографии, информацию о просмотренных фильмах и прослушанной музыке, о переходах по ссылкам. Много можно узнать о человеке, если проанализировать его активность в интернете. Ученые исследовали открытые данные в глобальной сети и пришли к любопытному выводу.
Исследователи из НИУ ВШЭ, Сколтеха и Томского государственного университета собрали информацию о подписках 4 445 студентов с открытыми профилями на различные сообщества «ВКонтакте». Используя NLP-анализаторы (методы анализа естественного языка), они классифицировали тематику сообществ, оценили сложность читаемых студентами текстов, а также эмоциональную картину контента. Для каждого пользователя в итоге был составлен цифровой профиль, основанный на интересах и предпочтениях. Затем ученые применили машинное обучение и обнаружили взаимосвязь между онлайн-активностью и академическими успехами.
Они разработали алгоритм, позволяющий судить об успеваемости на основе анализа подписок. Оказалось, что студенты с высокими оценками чаще подписаны на связанные с научной и образовательной тематикой сообщества, где обсуждают новые технологии и публикуют аналитику. Отличники читают более сложные тексты и больше интересуются дискуссиями и анализом информации.
Пользователи с низкой успеваемостью, как правило, подписаны на развлекательные сообщества с фокусом на юмор, мемы, музыку и видеоигры. В интересующем их контенте чаще проявляются негативные эмоции, он менее информативен по сравнению с контентом студентов с более высокой успеваемостью.
Как сообщает сайт НИУ ВШЭ, образовательные организации данный подход могут использовать, чтобы выявлять талантливых абитуриентов и адаптировать учебные программы под конкретные группы. К тому же, анализ подписок могут использовать работодатели при рекрутинге.
Научное исследование является частью исследования открытых данных, поддерживаемого Университетским консорциумом исследователей больших данных и одобренного этическим комитетом факультета психологии ТГУ. Результаты этой работы размещены в журнале IEEE Access.
Выбор читателей
Комментарии