„Gefällt mir“-Klicks auf Facebook zeigen viel über Persönlichkeit
15.01.2015
Wer auf Facebook einen Beitrag mit „gefällt mir“ markiert, zeigt der Öffentlichkeit damit immer auch etwas über Vorlieben und Persönlichkeitsmerkmale. Nun haben US-Forscher herausgefunden, dass Computer auf der Basis ausreichend vieler „Likes“ Charaktereigenschaften möglicherweise sogar besser beurteilen können als Freunde, Familie und der Partner.
Nutzer zeigen Vorlieben über Teilen und Liken von Beiträgen
Ob Gruppenzugehörigkeiten, Teilen von Beiträgen oder der berühmte „Gefällt mir“-Button: Facebook-Nutzer verraten der Öffentlichkeit oft eine Menge über sich. Doch offenbar können Computer auf Basis der Facebook-Aktivität noch viel konkreter Charaktereigenschaften bestimmen als Freunde oder sogar der eigene Partner. Zu diesem Ergebnis ist nun eine Studie der Universitäten Cambridge und Stanford gekommen, die aktuell in der Fachzeitschrift "Proceedings of the National Academy of Sciences" (PNAS) veröffentlicht wurde und an eine vorherige Untersuchung der Uni Cambridge aus dem Jahr 2013 anknüpft.
Forscher werten Daten von mehr als 86.000 Probanden aus
Demnach hatte die Studie gezeigt, dass eine spezielle Software durch die sogenannten „Likes“ Charaktereigenschaften von Facebook-Nutzern genauer bestimmen konnte, als nahestehende Personen. Die Forscher hatten die Daten von mehr als 86.000 Probanden analysiert, welche zuvor Fragen zu ihrer Persönlichkeit beantwortet und den Zugang zu ihren "Gefällt mir"-Angaben bei Facebook ermöglicht hatten. Dabei standen die fünf Eigenschaften Offenheit, Geselligkeit, Pflichtbewusstsein, Verträglichkeit und Impulsivität im Zentrum der Auswertung, sodass beispielsweise ein Gefallen des surrealistischen Malers Salvador Dali oder dem Thema „Meditation“ als ein Hinweis für ein sehr offenes Wesen gewertet werden konnte, so die Wissenschaftler.
Computer macht auf Basis der Likes genauere Angaben als Arbeitskollegen und Familie
Die Sympathien und Interessen der Nutzer wurden im nächsten Schritt von einem Computer analysiert, während Freunde, Verwandte und Partner zudem über eine App Fragen zum Charakter der jeweiligen Person beantworten konnten. Anschließend glichen die Wissenschaftler diese Informationen von rund 32.000 Versuchsteilnehmern mit denen der Computeranalyse ab und kamen zu einem interessanten Ergebnis: „In der Studie konnte ein Computer bereits durch die Analyse von nur zehn Likes die Persönlichkeit der Testpersonen genauer voraussagen als ein Arbeitskollege; mehr als ein Freund oder ein Lebenspartner (Mitbewohner) mit 70, ein Familienmitglied (Eltern, Geschwister) mit 150, und ein Ehepartner mit 300 Likes“, so die Mitteilung der Universität Cambridge.
Menschen neigen zu nicht-rationaler Denkweise
Laut Dr. Michal Kosinski, Co-Autor und Forscher an der Stanford-Universität, sei dieses Ergebnis möglich, weil die Maschinen einige entscheidende Vorteile gegenüber dem Menschen hätten: die Möglichkeit Daten zu speichern, auf riesige Mengen an Informationen zuzugreifen sowie die Fähigkeit, diese mit algorithmischer Technik zu analysieren. „Big Data und das maschinelle Lernens bieten eine Genauigkeit, welche für den menschlichen Geist hart zu erreichen sein wird, da die Menschen dazu neigen, zu viel Gewicht auf ein oder zwei Beispiele zu legen oder in nicht-rationale Denkweisen zu verfallen", erklärt Kosinski weiter.
Computeranalyse könnte Menschen bei wichtigen Entscheidungen helfen
„Den Menschen könnte diese Art von Datenanalyse helfen, bei wichtigen Lebensentscheidungen ihre eigenen Anschauungen und Urteile zu verstärken“, so der Hauptautor der Studie, Wu Youyou vom Zentrum für Psychometrie in Cambridge. „Die Fähigkeit, eine Persönlichkeit zu beurteilen, ist ein wesentlicher Bestandteil des sozialen Lebens – bei alltäglichen Entscheidungen und langfristigen Plänen, genauso wie bei der Frage, wen wir heiraten, einstellen, wem wir vertrauen oder wen wir zum Präsidenten wählen", ergänzt Cambridge Co-Autor Dr. David Stillwell. (nr)
Bild: Peter Derrfuss / pixelio.de
Autoren- und Quelleninformationen
Wichtiger Hinweis:
Dieser Artikel enthält nur allgemeine Hinweise und darf nicht zur Selbstdiagnose oder -behandlung verwendet werden. Er kann einen Arztbesuch nicht ersetzen.
