En studie av ett team från Nanyang Technological University, Singapore (NTU Singapore) psykologer har hittat en koppling mellan extraverta personer och deras ordval.

Upptäckten belyser behovet av starkare språkliga indikatorer som ska utvecklas för användning i onlineverktyg för personlighetsprediktion, som snabbt antas av företag för att förbättra digitala marknadsföringsstrategier.

I dag, marknadsföringsföretag använder prediktiva algoritmer för att hjälpa dem att förutsäga vad konsumenterna vill ha baserat på deras onlinebeteenden. Företag är också angelägna om att utnyttja data och maskininlärning för att förstå de psykologiska aspekterna av konsumentbeteende, som inte kan observeras direkt, men kan ge värdefulla insikter om hur man kan förbättra riktad annonsering.

Till exempel, en "extravert konsument" kan lockas till marknadsföringsbudskap som matchar deras personlighet, och detaljhandelsvarumärken kan sedan välja att rikta in sig på sådana konsumenter genom att använda ett mer utåtriktat och kreativt språk för att marknadsföra sina produkter.

Dock, personlighetsförutsägelseverktyg som finns tillgängliga idag och som används av marknadsföringsföretag är inte helt korrekta på grund av bristen på teoretiskt sund design.

Huvudutredare för studien, Docent Lin Qiu från psykologprogrammet vid NTU School of Social Sciences sa:"Nuvarande maskininlärningsalgoritmer för personlighetsförutsägelse kan verka som en svart låda - det finns många språkliga indikatorer som kan inkluderas i deras design, men många av dem är beroende av vilken typ av datorprogram som används. Detta kan leda till partiskhet och överanpassning, ett fel som påverkar prestandan för maskininlärningsalgoritmerna. Detta väcker frågan - hur ska vi skapa robusta och korrekta personlighetsförutsägelser?"

Studien fann ett samband mellan extraverta personer och deras tendens att använda vissa kategorier av ord. Resultaten visade en liten styrka i sambandet mellan extraversion och användningen av "positiva känslorord" och "sociala processord."

Ord för positiva känslor definieras av psykologer – med hjälp av textanalysverktyg – som ord som beskriver ett behagligt känslomässigt tillstånd, som "kärlek, " 'Lycklig, " eller 'välsignade, "eller som indikerar positivitet eller optimism, som "vacker" eller "snäll." Ord för sociala processer inkluderar ord som innehåller personliga pronomen förutom "jag, "och ord som visar sociala avsikter, som att träffas, " "dela" och "prata."

"Detta är första gången ett förhållande har etablerats mellan extraverta och deras tendens att använda de två kategorierna av ord. Eftersom det är en liten korrelation, vi tror att starkare språkliga indikatorer behövs för att förbättra metoder för maskininlärning, mitt ökande intresse för sådana verktyg inom konsumentmarknadsföring, ", sa Assoc Prof Qiu.

NTU-teamet sa att resultaten, som publicerades i Journal of Research in Personality i december 2020, kan förse marknadsförare med välgrundade språkliga prediktorer för design av maskininlärningsalgoritmer, förbättra prestandan hos mjukvaruverktyg för personlighetsförutsägelse.

Hur studien genomfördes

Tidigare individuella studier som granskats av NTU-teamet har visat att extraversion, eller den allmänna tendensen att uppleva positiva känslor och njuta av sociala interaktioner, är relaterat till användningen av ord som beskrivs av psykologer som "positiva känslor" eller "sociala processer". Men styrkan i detta rapporterade förhållande har varierat avsevärt mellan de olika studierna som undersöker det.

För att fastställa effektiviteten av sådana språkliga prediktorer, NTU-teamet granskade 37 studier som tittade på samma ämne för att genomföra en metaanalys. Extraversion bestämdes med hjälp av internationellt erkända frågeformulär för personlighetstyp.

Går vidare, NTU:s forskargrupp kommer att undersöka sambandet mellan extraversion och andra ordkategorier.

Medan maskininlärning och prediktiv analys kan ge företag och marknadsförare en extra fördel i sina affärsstrategier, mer eftertanke måste läggas på utformningen av sådana analytiska modeller, sade NTU:s forskargrupp.

De hoppas att deras arbete kommer att ge klarhet i vilka typer av ord som kan hjälpa till att vägleda utvecklingen av mer exakta maskininlärningsverktyg för personlighetsförutsägelse.