Оценка черт личности по модели "Большой пятерки" на основе статических изображений лица из реальной жизни.

Список ключевых разделов

1. Исследовательский фон и теоретическая основа
2. Цели исследования и гипотезы
3. Выборка и процедура исследования
4. Этическое одобрение
5. Отбор данных
6. Инструменты измерения Большой пятерки
7. Отбор и предобработка изображений
8. Архитектура нейронной сети
9. Результаты исследования
10. Обсуждение
11. Ограничения исследования
12. Заявление о доступности данных

Описание файла

Многочисленные исследования подтвердили, что морфологические характеристики и социальные сигналы человеческого лица могут передавать информацию, связанную с личностью и поведением. Хотя предыдущие работы изучали связь между искусственно синтезированными изображениями лиц и атрибуцией черт личности, систематическое прогнозирование всех пяти черт Большой пятерки на основе статических изображений лиц из реальной жизни для обоих полов все еще требует доработки. Существующие исследования страдают от небольших размеров выборок, методологических различий и недостаточной согласованности результатов. Основная цель данного исследования — восполнить этот пробел, проверив возможность извлечения личностных сигналов из статических изображений лиц с помощью алгоритмов машинного обучения.

В исследовании использовались 31367 изображений лиц из реальной жизни, предоставленных 12447 анонимными добровольцами. Все участники прошли самоотчетное измерение черт личности по модели Большой пятерки. Для обеспечения качества данных был проведен многоэтапный отбор, исключающий недействительные анкеты, некачественные изображения и поддельный контент. Итоговый набор данных был разделен в соотношении 9:1 на обучающую и тестовую выборки для тренировки и валидации модели соответственно. Учитывая половой диморфизм лицевых характеристик и некоторых черт личности, все прогнозные модели обучались и валидировались отдельно для мужчин и женщин.

Исследование использовало двухуровневую архитектуру алгоритмов машинного обучения: сначала была построена нейронная сеть компьютерного зрения (NNCV) на основе архитектуры ResNet для извлечения 128-мерного вектора инвариантных признаков из статических изображений лиц; затем была обучена нейронная сеть для диагностики личности (NNPD), которая использовала этот вектор признаков в качестве входных данных для прогнозирования оценок черт Большой пятерки. Процесс обработки данных строго соответствовал Хельсинкской декларации, был одобрен Комитетом по исследовательской этике Открытого университета гуманитарных и экономических наук, и все участники подписали информированное согласие.

Ключевые результаты исследования показали, что прогнозы черт Большой пятерки, сделанные искусственной нейронной сетью, имеют статистически значимую корреляцию с самоотчетными оценками, со средним размером эффекта 0.243, что превосходит результаты предыдущих исследований, использовавших селфи-изображения. Наибольшая корреляция прогноза наблюдалась для добросовестности (мужчины 0.360, женщины 0.335), а наименьшая точность — для открытости опыту. Прогноз экстраверсии и невротизма у женщин был значительно лучше, чем у мужчин. Анализ интеркорреляций черт показал, что корреляционная структура прогнозируемых оценок частично отличается от структуры самоотчетного опросника, что предполагает возможную биологическую основу общего фактора личности (GFP).

Данное исследование подтверждает, что даже изображения из реальной жизни, сделанные в неконтролируемых условиях, могут эффективно использоваться для прогнозирования черт личности с помощью сложных алгоритмов компьютерного зрения. Методологическое преимущество заключается в том, что не требуется полагаться на 3D-сканирование или высокоточную лицевую разметку, а для реализации достаточно обычного настольного компьютера. Результаты не только предоставляют новую эмпирическую поддержку связи "лицо-личность", но и открывают потенциальные сферы применения для быстрой оценки личности, которые могут помочь в подборе продуктов и услуг, сопоставлении для межличностного взаимодействия и персонализации человеко-компьютерного взаимодействия.

Важно отметить, что выборка исследования в основном состояла из взрослых европеоидов русскоязычной группы, что ограничивает географический и культурный охват. Кроме того, дополнительные сигналы, присутствующие в реальных изображениях лиц, такие как макияж или угол съемки, могут влиять на результаты прогноза. Будущие исследования должны расширить разнообразие выборок и дополнительно дифференцировать влияние морфологических характеристик лица от других визуальных сигналов на изображении.