Towards compatibility between artificial and psychometric personality models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this paper is to investigate the statistical link between an artificial personality model and the leading psychometric model. Design/methodology/approach An online survey was conducted made of two parts: a 40‐sentence humor appreciation survey corresponding to the artificial personality model, and a 50‐sentence Big 5 psychometric survey. The cross‐correlation between the scales of the two parts was computed, and exploratory factor analysis performed on the Big 5 scores using three different sample age spreads. Findings The cross‐correlation coefficients between the artificial and psychometric personality scores supported the suggestion that there is compatibility between the two, albeit their absolute values were not as high as other studies due to the small sample size. Also, when computing factor analysis on Big 5 scores it was found that the loading of two factors identified as motivational went down systematically with the size of the sample, which empirically supports the suggestion that motivational and cognitive factors are distinct. Research limitations/implications The size of sample was not sufficient to reach a conclusive decision but the evidence was supportive and promising for additional research. Practical implications The compatibility between the artificial and psychometric personality models means that psychometric scores of real persons can be uploaded into artificial personalities in order to mimic real conversation and behaviour. Social implications Improvement of man‐machine interface, facilitating education. Originality/value Correlating the scores of different personality scores is not new, but correlating with artificial personality dimensions defined by humor appreciation scores is new. The suggestion that there is qualitative difference between factors of well established psychometric model is new and could have far reaching implications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle