Команда российских исследователей, включая ученых из НИУ ВШЭ, применили искусственный интеллект для анализа подписок 4,5 тысячи студентов на VK-сообщества. Оказалось, что алгоритмы могут с высокой точностью предсказывать, кто отличник, а у кого трудности с учебой.
Работа опубликована в журнале IEEE Access. Человек оставляет после себя цифровой след — лайки, фотографии, информацию о прослушивании музыки и переходах по ссылкам. Даже о самых аккуратных людях можно многое узнать по их интернет-активности. Некоторые считают, что можно не следить за своим цифровым следом и информация в соцсетях никак не влияет на профессиональную и личную жизнь. Для ученых же открытые данные в интернете — предмет исследования.
Группа ученых из НИУ ВШЭ, Сколтеха и Томского государственного университета собрала данные о подписках 4445 студентов с открытыми профилями на различные сообщества «ВКонтакте». Затем с помощью NLP-анализаторов (методов анализа естественного языка) они классифицировали тематику сообществ, оценили сложность текстов, которые читают студенты, и эмоциональную тональность контента. Для каждого студента исследователи составили цифровой профиль, включающий предпочтения и интересы. После этого ученые с помощью машинного обучения нашли взаимосвязь между онлайн-активностью и академическими успехами.
Исследователи создали алгоритм, который позволяет предсказывать успеваемость на основе анализа подписок. В частности, студенты с высокими оценками вероятнее окажутся подписаны на связанные с научной и образовательной тематикой сообщества, в которых проходят обсуждения новых технологий и публикуются аналитические статьи. Отличники читают более сложные тексты и проявляют больший интерес к дискуссиям и глубокому анализу информации.
Студенты с низкой успеваемостью чаще подписаны на развлекательные сообщества с фокусом на юмор, мемы, музыку и видеоигры. В контенте этих сообществ больше проявлялись негативные эмоции, а также он оказался менее информативен, чем у студентов с лучшей успеваемостью.
«Некоторые результаты нас удивили. Например, что студенты, увлекающиеся искусством или путешествиями, показывают отличную успеваемость. Эти увлечения не мешают учебе. Наоборот, они, похоже, помогают учиться лучше. А активное взаимодействие с сообществами, связанными с подработками, — маркер невысокой успеваемости, что вполне объяснимо», — комментирует Сергей Горшков, аспирант департамента анализа данных и искусственного интеллекта факультета компьютерных наук НИУ ВШЭ.
Образовательные организации смогут использовать такой подход для выявления талантливых абитуриентов и адаптации учебных программ под конкретные группы. Кроме того, анализ подписок может помочь работодателям при рекрутинге, позволяя находить кандидатов с высоким предполагаемым уровнем аналитических способностей.
«Это исследование еще раз напоминает о необходимости цифровой гигиены. Например, в договорах об открытии счета в банке и у оператора сотовой связи можно увидеть, что вы даете разрешение на использование некоторой информации из аккаунта социальной сети, привязанной к вашему номеру телефона. Это может в дальнейшем использоваться для составления цифрового профиля. Хотите ли вы этого, решать вам», — считает Дмитрий Игнатов, заведующий Научно-учебной лабораторией моделей и методов вычислительной прагматики факультета компьютерных наук НИУ ВШЭ.
Работа является частью исследования открытых данных, поддерживаемого Университетским консорциумом исследователей больших данных и одобренного этическим комитетом факультета психологии ТГУ.