Twitter utilisé comme outil de recherche pour la psyché américaine

Les chercheurs extraient des données de tweets pour obtenir des informations sur le comportement humain. L'analyse des mégadonnées permet aux enquêteurs d'examiner le contenu d'un grand nombre de tweets et de mener des expériences en ligne pour mieux comprendre le comportement individuel.

Par exemple, les psychologues de l'Université Emory ont découvert que les personnes qui ont tendance à penser plus loin dans l'avenir sont plus susceptibles d'investir de l'argent et d'éviter les risques. Ils ont pris cette décision en effectuant des analyses de texte de près de 40000 utilisateurs de Twitter, puis en effectuant des expériences en ligne sur le comportement des personnes qui ont fourni leurs identifiants Twitter.

La recherche apparaît dans la revue Les actes de la National Academy of Sciences (PNAS).

Les chercheurs ont également trouvé une association entre une plus longue vision de l'avenir et une prise de décision moins risquée au niveau de la population des États américains. «Twitter est comme un microscope pour les psychologues», déclare le co-auteur Phillip Wolff.

«Les données naturalistes extraites de tweets semblent donner un aperçu non seulement des pensées des tweeteurs à un moment donné, mais également d'un processus cognitif relativement stable. L'utilisation des médias sociaux et des outils d'analyse Big Data ouvre un nouveau paradigme dans la manière dont nous étudions le comportement humain. »

Co-auteur Robert Thorstad, titulaire d'un doctorat Emory. Le candidat a eu l'idée de la recherche, a travaillé sur la conception et les analyses, et a mené les expériences.

«Je suis fasciné par la façon dont le comportement quotidien des gens peut révéler de nombreuses informations sur leur psychologie», déclare Thorstad.

"Une grande partie de notre travail était automatisée, nous avons donc pu analyser des millions de Tweets provenant de la vie quotidienne de milliers de personnes."

La vision future trouvée dans les tweets des individus était courte, généralement quelques jours, ce qui diffère des recherches antérieures suggérant une vision future de l’ordre de plusieurs années.

«Une interprétation possible est que la différence est due à une caractéristique des médias sociaux», dit Wolff. Une autre raison possible, ajoute-t-il, est que les études antérieures demandaient explicitement aux individus jusqu'où ils pensaient PNAS Le papier a utilisé les mesures intégrées des tweets précédents.

Bien que la relation entre la vision du futur et la prise de décision puisse sembler évidente, les chercheurs notent que les résultats antérieurs sur le sujet ne sont pas cohérents. Cependant, ces incohérences peuvent être dues à des facteurs tels que le biais de l'observateur dans un laboratoire et la petite taille des échantillons.

le PNAS paper a utilisé une variété de méthodes (telles que la boîte à outils de traitement du langage naturel Stanford CoreNLP et SUTime, un tagueur temporel basé sur des règles construit sur des modèles d'expression régulière) pour analyser automatiquement les traces de texte Twitter laissées auparavant par des sujets individuels.

Des données expérimentales ont été recueillies à l'aide de l'outil de crowdsourcing d'Amazon Mechanical Turk, un site Web où les individus peuvent effectuer des expériences de psychologie et d'autres tâches sur Internet. Les participants aux expériences Mechanical Turk ont ​​été invités à fournir leurs poignées Twitter.

Dans une expérience pour le PNAS papier, les participants de Mechanical Turk ont ​​répondu à une question classique sur la réduction des délais, telle que: Préférez-vous 60 $ aujourd'hui ou 100 $ en six mois?

Les Tweets des participants ont également été analysés. L'orientation future a été mesurée par la tendance des participants à tweeter sur l'avenir par rapport au passé. La vision du futur a été mesurée en fonction de la fréquence à laquelle les tweets se référaient à l'avenir et à quelle distance dans le futur.

Les résultats ont montré que l'orientation future n'était pas associée au comportement d'investissement, mais que les personnes ayant une vision d'avenir lointaine étaient plus susceptibles de choisir d'attendre de futures récompenses que celles ayant une vision proche du futur.

Cela suggère que le comportement d'investissement dépend de la mesure dans laquelle les individus pensent vers l'avenir et non de leur tendance à penser à l'avenir en général.

Une deuxième expérience de Mechanical Turk a utilisé une tâche numérique de risque analogique de ballon (BART). Dans cet exercice, les participants pouvaient gagner de l’argent réel à chaque fois qu’ils gonflaient un ballon, mais chaque gonflage pouvait entraîner un éclatement du ballon, ce qui ne rapportait aucun argent pour cet essai.

Si les participants arrêtaient de gonfler avant que le ballon éclate, ils pourraient mettre en banque l'argent qu'ils ont gagné et passer à l'essai suivant.

Les tweets des participants au BART ont également été analysés. Les résultats ont montré que ceux qui avaient une plus longue vision du futur étaient moins susceptibles de prendre le risque de gonfler complètement le ballon.

Une autre étude dans le PNAS article axé sur les utilisateurs de Twitter dont les profils les liaient à un état particulier. Environ huit millions de leurs tweets ont été analysés pour la prospective.

Les chercheurs ont mesuré les comportements à risque d'un État au niveau de la population en utilisant le proxy des statistiques disponibles au public, telles que les taux de conformité de la ceinture de sécurité, les taux de conduite en état d'ébriété et les taux de grossesse chez les adolescentes. Les résultats ont montré que des mesures de prospective plus courtes pour les tweets provenant d'états individuels étaient étroitement corrélées à des taux plus élevés de comportements à risque, selon un schéma similaire aux résultats des études expérimentales individuelles.

Pour mesurer le comportement d’investissement d’un État, les chercheurs ont utilisé des statistiques de l’État pour les dépenses consacrées aux parcs d’État, à l’éducation préscolaire, aux autoroutes et à l’éducation par élève. Les chercheurs ont constaté que les États qui investissaient davantage dans ces domaines étaient associés à des tweets d'individus ayant une vision future plus longue, mais pas à un niveau statistiquement significatif.

Les chercheurs ont contrôlé les données démographiques de l'État telles que l'orientation politique, le revenu par habitant, le revenu des ménages et le PIB. «Nous avons constaté que, bien que les données démographiques soient importantes, elles ne pouvaient pas expliquer les effets de la réflexion sur l’avenir», déclare Wolff.

Selon Thorstad, on estime que 21% des adultes américains qui utilisent Twitter ont tendance à être plus jeunes et plus instruits en technologie que la population générale. Mais il ajoute que les données démographiques de Twitter ne sont pas si éloignées de la population générale en termes de sexe, de statut économique et de niveau d'éducation. Et les pourcentages d'utilisateurs de Twitter vivant dans les zones rurales, urbaines et suburbaines sont pratiquement les mêmes.

«Twitter peut fournir un bassin de participants beaucoup plus large que de nombreuses expériences de psychologie qui utilisent principalement les étudiants de premier cycle comme sujets», note Thorstad. «Les méthodes de mégadonnées peuvent en fin de compte améliorer la généralisabilité des résultats de psychologie.»

"Grâce aux médias sociaux, nous accumulons d'énormes quantités de données sur nous-mêmes, sur le plan du comportement et au fil du temps, ce qui laisse derrière nous une sorte de phénotype numérique", ajoute Wolff.

«Nous sommes maintenant à une époque où nous disposons d’outils d’analyse Big Data capables d’extraire des informations pour nous dire indirectement quelque chose sur la vie cognitive d’un individu et pour prédire ce qu’un individu pourrait faire à l’avenir.»

Source: Emory Health Sciences