Personality-Driven Innovation Adoption: Modeling ChatGPT Diffusion with BERT and Random Forest
Notice bibliographique
Résumé
In innovation adoption, individuals' decision-making process is shaped by innovation's attributes and is primarily affected by their unique personality traits, which have a bearing on their perception levels.This current study introduces a novel personality-driven innovatin adoption model that combines Rogers' diffusion theory with the OCEAN (Openness, Conscientiousness, Extraversion, Agreeableness, and Neuroticism) personality model.Our approach accounts for the significante influence of individual differences in adoption decisions by using personalized features.Our approach accounts for the significante influence of individual differences in adoption decisions by using personalized features.We analyze ChatGPT adoption using a dataset of 38,939 tweets and user metadata after preprocessing.A BERT-Random Forest model predicts users' Big Five traits, which help refine innovation attributes such as relative advantage, uncertainty, and acceptability, ensuring the adoption process aligns with psychological factors.This proposed framework holds significant potential for forecasting individual adoption behaviors by acknowledging the relevance of individual psychological traits in the decision-making process.Furthermore, We compare our personality prediction approach with baseline models including LSTM + Random Forest, BiLSTM + Random Forest, and RoBERTa + Random Forest, and show that BERT + RF achieves the most realistic personality feature estimates.Incorporating personality-driven and recalculated perceived innovation attributes enhances the model's ability to simulate real-world adoption patterns, providing a deeper understanding of how innovations diffuse in social networks.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».