通过社交网络评定人格特质的文献研究

岳 谱

(南京政治学院，上海 200433)

社交网络指的是网络服务公司提供平台，用户在平台上创造信息、交流情感的一种网络内容生产模式。国外最著名的社交网络包括Facebook和twitter，国内最著名的社交网络包括人人网和新浪微博等等。

社交网络上的所有信息都是用户生产的，用户在生产这些信息的过程中，不可避免地要暴露个人的一些特征。因此，通过用户生产的内容反推用户的个人信息就成为了一个热门的领域。［1］人格特质是个人所持有的，稳定的、广泛的人格特征，对于爱好选择、政治信仰等等很多方面都有很重要的影响。［2］因而，基于社交网络评定人格特质的研究就成为通过社交网络反推个人信息的最基础的研究方向之一。目前，基于社交网路评定人格特质的单个研究已经有了一些，但是相关综合研究较少。本文通过对十八篇利用社交网络评定人格特质文献进行综合分析，以填补这方面的空白。

一、被研究文献的描述性介绍

选取了十八篇基于社交网络评定人格特质的论文进行实证研究，本研究的文献是利用谷歌学术等搜索引擎进行检索，尽可能包含了所有符合选取标准的相关英文文献，来源期刊包括Psychological science、Journal of Applied Social Psychology、Computers in Human Behavior等等。在文献的选取标准上，本文选取的都是探索在不接触个人的情况下，单纯通过其社交网络内容探索其人格特征的研究。

从文献中对于社交网络的分类来看，十八篇文献中，有十三篇文献利用Facebook进行研究，三篇文献利用twitter进行研究，一篇文献利用人人网进行研究，还有一篇文献研究的是广义上的社交网络，没有标明具体平台。

在人格特质测量上，大部分的研究以大五人格特质作为因变量，测量了各种因素对于被试大五人格五种特质(开放性、外向性、情感不稳定性、随和性和负责性)的影响。在作为因变量的人格特质中，大多数的研究都以被试自评问卷的结果作为其人格特质。由于自评问卷仅仅反映了自己对自身人格的认识，不一定能够反映真实的人格，［3］论文1、论文 2和论文4这三篇文献中，将自评人格问卷结果与熟人评价的人格问卷结果加权作为个体的真实人格特质。

二、基于社交网络评定人格的方法和效果

现有文献总体来看，如表1所示，通过社交网络评定人格特征的方式主要有两大类:(1)通过人评价。通过编码者对个人主页进行内容分析得出被试在各项人格特质上的评分。这一类中通过人评价人格又分为两种方式，第一种是评价被试人格特质的人完全不认识被试，第二种是通过被试的网友评价被试的人格特征，虽然网友主要通过网络获取被试的信息，但是实际上他们在现实生活中可能有一定的接触。(2)通过数据分析。对个人主页的特征进行提取量化，探索其特征与被试各项人格特质的关系。这种方式又分为两种，一种注重于用户使用的语言，通过利用语言分析工具，进行文本分析，对其性格特质进行预测。另一种注重社交网络的账户信息与操作信息，也就是通过用户展现在社交网络上的使用信息，比如登陆频率、兴趣标签等等来预测人格特质。还有一些研究结合了语言和账户信息，综合探索其与人格特质的关系。

表1 通过社交网络评定人格的类型

在抽样方法上，大部分的研究采用传统的招募被试的方式，抽取从几十人到几百人不等的被试进行分析研究。但是社交网络的特性为相关研究提供了极大的便利，论文7、论文8、论文9、论文10和论文18均利用了mypersonality项目的资料。该项目是一个Facebook数据库，资料极为丰富，任何人只要注册为会员即可使用其数据。项目中采用Facebook应用程序，吸引Facebook用户测评自己的人格等各方面特征，同时获得参加测试用户的Facebook中各项信息。项目中的用户参加测试不会获得任何报酬，但是可以得到自己的人格评分。采用这个项目进行研究的优势在于可以便捷地获取大量的资料，这些研究中被试大多有10万以上。

(一)通过人评定人格的效果与评价

通过人评定人格的方法大都是采用问卷法，被试在完成大五人格各项特质的测量之后，由若干位编码者(论文6中只有一位网友)通过社交网络所呈现出来的结果，对被试的大五人格各项特质进行评定。由于问卷法与内容编码方法的限制，这种研究方法的被试数量有几十人到几百人不等(最少论文6中被试39人，最多论文5中第一个研究被试274人。)，而且被试大多为高校的本科生。

另外，通过人评定人格的研究，都不单是为了探索通过社交网络评定人格的可能性，而在于对社交网络呈现的被试人格特征进行分析。论文6研究了线下朋友与线上朋友对于社交网络用户人格评分的差异问题，结果显示除了在情感稳定性方面之外，其他特质均无显著差异。有两种关于社交网络呈现人格的观点，一种观点认为，因为社交网络的内容是用户自愿发布的，所以通过社交网络呈现出来的人格应该是用户的理想人格;另一种观点认为，因为社交网络是用户用来表达情感、传达信息的一种方式，用户更可能通过社交网络表现日常生活过程中自己的真实人格。论文1和论文2通过分别在美国和德国实施的两项研究，支持了后一种观点。由于通过社交网络进行自我呈现避免了面对面交流的压力与尴尬，相比于面对面的交流，一些人更愿意通过社交网络来展现自己的人格。

如表2所示，大五人格中的大部分人格特质能够被编码者在一定程度上评定出来，但是相关程度在各项研究中均有不同。几篇论文中对于研究结果的差异均有涉及，但没有太多有说服力的结果。总体上来看，通过社交网络呈现出来的人格特质中，外向性和随和性是最容易被呈现的，而情感不稳定性则不太容易让人判断。

表2 通过人评定人格的研究中评定结果和真实人格的相关系数

(二)通过量化数据评定人格的效果与评价

通过量化数据评定人格的方法也主要通过招募被试来进行，通过招募被试进行的研究限于时间和精力的限制，被试不会超过几百人。借助于my personality项目的帮助，一些论文得以对语言特征和账户特征与大五人格之间的关系，进行较大规模的数据分析。

1．语言特征

论文12、论文13、论文14和论文16使用“语言获得和词汇计数软件”(LIWC)对社交网络上发布的语言进行分析。简单来说，它可以把输入的文本内容提取成为五大类共81个小类①这五大类分别是:标准计数(单词数，超过六个字母的单词，重复数等);心理处理过程(情感过程、认知过程、感知过程、社会过程等等);相关性(关于时间、过去和将来的单词);个人事务(例如职位、经济问题、健康);其他类目(包括各种标点符号的计数，脏话数)。的语言特征，并给出每类语言特征出现的次数，用以和人格特征做相关比较。

论文12和论文13均利用Facebook用户作为研究对象，进行抽样研究。结果显示论文12中只有12项被分析的语言特征显示了和大五人格某些特质显著相关，而论文13中则有超过50项被分析的语言特征与大五人格的某些特质显著相关，见表3。

表3 Facebook中与大五人格特质相关的语言特征及相关系数(仅列出显著相关部分)

由表3可知，在论文12和论文13的研究结果中，均呈现显著相关关系的语言特征和大五人格特质有四项。外向性的人普遍喜欢使用和金钱相关的单词，负责性高的人更加不喜欢使用脏话，随和性高的人更倾向于使用与积极情感相关的单词，而情感不稳定的人倾向于使用与焦虑相关的单词。值得注意的是，尽管相关程度显著，相关系数却不高。

论文14和论文16均利用Twitter用户作为研究对象进行抽样研究。Twitter和Facebook均为著名的社交网络，但是两者对信息隐私的保护程度不同。在Twitter上，任何经过注册的用户都可以单向关注其它用户从而获取其发布的所有信息。而在Facebook上，大部分的用户会设置隐私保护模式，只有经过双方同意成为好友的用户才能够获取其发布的信息。总而言之，获取Twitter上用户的信息更加容易，更不容易出现伦理问题。

论文14中，有53项语言特征和大五人格某些特质显著相关，而论文16中则有32个语言特征与大五人格某些特质显著相关。

表4可知，在论文14和论文16中，呈现显著相关关系的语言特征和大五人格特质的有10项，均集中在负责性和外向性这两个大五人格特质方面。其他三个特质在两篇论文中均有与其相关的语言特征，但是没有发现重合。总体来看，外向性高的人更容易在Twitter上使用与社交交往过程相关的单词，而负责性高的人更容易在Twitter上使用与工作有关的单词，而不喜欢在Twitter上使用与否定词、悲伤、死亡等有关的单词。

表4 Twitter中与大五人格特质相关的语言特征及其相关系数(仅列出显著相关部分)

论文17没有直接利用LIWC分析不同类别的单词和人格之间的关系，而是利用单词的情绪分类作为中介变量，探索Facebook文字状态所体现的不同情绪与大五人格特质之间的关系。加拿大国家研究委员会情绪词典将近一万五千个英语单词，按照积极、消极、愤怒、期待、恶心、害怕、欢快、悲伤、惊讶和信任十种情绪，分别予以评分(0或者1)。某个单词可能包含多种情绪，也可能不包含任何情绪。该论文中的显著相关有:喜欢表达期待性情绪的被试在随和性、负责性和外向性上得分较高;较多表达恶心、悲哀、消极情绪，较少表达快乐情绪的被试在情感不稳定性上得分较高;倾向于表达悲哀情绪的被试在情感不稳定性和开放性上得分较高;而更倾向于表达愉快情绪的被试在外向性、负责性以及随和性上得分较高;倾向于在状态中表达自己的愤怒和恐惧情绪的被试在开放性上得分也较高。

论文15则研究了中国的著名社交网络“人人网”中文字状态与大五人格之间的关系。该论文在文字状态中提取了25种语言特征并进行计数，比较文字特征和被试大五人格特质之间的关系。论文把所有文字状态分为最近状态和所有状态两类，分别予以研究，见表5。

表5是在最近状态和全部状态中均显著相关的全部数据。总体来看，较多使用疑问句的被试更可能表现出开放性的人格特质;在人人网上发状态多的被试、喜欢使用第一人称单数、第二人称和第三人称单数的被试以及喜欢使用数字的被试在外向性上得分较低;在人人网发状态多的被试、喜欢使用第二人称单数和第三人称复数的被试、喜欢使用积极情感单词的被试以及喜欢使用表示频率词的被试在情感不稳定性上得分较高。

表5 人人网中与大五人格相关的语言特征及其相关系数(仅列出显著相关部分)

以上是利用固定语言分类方法研究社交网络语言和大五人格特质关系的论文。对比可以看出，在研究中，针对Facebook和twitter的不同论文发现了一些相同的相关关系，但Facebook、twitter和人人网中跨平台的论文中的相关关系均不相同。这或许可通过三种社交网络平台的不同性质来解释，也有可能由于社交网络发布信息的庞杂性，使利用固定语言分类的方法难以探索出持久的相关关系。

固定语言分类法是指利用现有的固定的对语言进行分类的方法进行研究。利用固定语言分类法对社交网络上的文字内容进行研究有很大的局限性:因为语言是处在进化演变过程中的，在这个过程中，新的单词不断出现，旧的单词逐渐被淘汰。在社交网络发布的信息中，拼写错误、缩写和简称等等情况的发生也容易让固定语言分类法的效力降低。

鉴于以上原因，论文18和论文10采用开放语言分类法研究社交网络中单词和词组的适用情况及和大五人格之间的关系。并采用可视化技术，把结果进行图像化的呈现。论文10对比了利用固定语言分类法和开放语言分类法进行回归分析，预测大五人格的效果。结果显示，开放语言分类法的预测效果要大大好于固定语言分类法。

2．账户特征

从被试的社交网络信息中提取账户特征，探索账户特征与被试大五人格特质之间的关系，是利用社交网络评定人格特质的另一种方法。

论文3、论文4、论文7、论文9、论文12和论文13中，均采用了从Facebook中提取账户特征进行量化，用以预测和大五人格特质相关程度的方法，见表6。

表6 Facebook中，与大五人格特质显著相关的账户特征及其相关系数

表6可知，现有的研究显示，在Facebook中，朋友数、状态数、相册数、小组数较多的被试在外向性上的评分较高;兴趣数、状态数、小组数较多的被试在开放性上的评分较高;兴趣数和小组数较少的被试，在负责性上的评分较高;兴趣数和状态数较多的被试，在情感不稳定性上的得分较高。

论文8和论文14则从Twitter中提取特征，预测其用户的大五人格特质。由于twitter和Facebook这两种社交媒体使用习惯和设计的不同，在Twitter中和在Facebook中提取的账户特征有很大不同。论文8中提取了5个特征，论文8中提取了13个特征，其中有四个特征重合，可以对比，见表7。

表7 Twitter中，与大五人格特质显著相关的账户特征及其相关系数(在两篇论文中均显著的相关被列出)

由表7可知，外向性和开放性分别和被提及次数、关注数、粉丝数、Twitter账户影响力显著相关。

三、结论

本文通过文献研究法，对于十八篇基于社交网络评定人格的文献进行对比分析。结果显示，通过社交网络评定人格特征的方式主要有两大类:第一类是通过人评定的方式，即通过编码者对个人主页进行内容分析得出被试在各项人格特质上的评分。第二类是通过数据分析的方式，即通过对个人主页的特征进行提取量化，探索其特征与被试各项人格特质的关系。

对比发现，不同社交平台与大五人格特质相关的特征均有不同。对此，可能有两种解释:有可能因为不同社交网络的使用特征不同，面向人群不同，因而所体现出的相关特征不同;也有可能因为社交网络的使用特征与大五人格特质之间不存在稳定的关系，因而在各研究中呈现出不同的结果。具体的原因，有待后续研究继续深入探讨。

［1］张磊，陈贞翔，杨波．社交网络用户的人格分析与预测［J］．计算机学报，2014，37(8):1877 －1894．

［2］姚琦，马华维，阎欢，等．心理学视角下社交网络用户个体行为分析［J］．心理科学进展，2014(10):1647－1659．

［3］GOSLING SD，AUGUSTINE A A，VAZIRE S，et al．Manifestations of personality in online social networks:Self-reported Facebook-related behaviors and observable profile information［J］．Cyberpsychology Behavior and Social Networking，2011，14(9):483 －488．