Un estudio realizado en Rusia ha demostrado que los sistemas de aprendizaje automático pueden predecir ciertos rasgos de personalidad en adolescentes utilizando datos del movimiento ocular con una precisión ligeramente superior a la del azar. La investigación identificó el maquiavelismo y la extroversión como los rasgos más predecibles. El estudio fue publicado en PLOS ONE.
La personalidad es un conjunto de rasgos, comportamientos y patrones de pensamiento duraderos que determinan la forma en que los individuos perciben, responden e interactúan con su entorno y con los demás. Si bien existen muchas teorías sobre la personalidad humana, el modelo de los Cinco Grandes es probablemente el más aceptado.
Este modelo describe la personalidad de un individuo a través de cinco rasgos generales: Apertura a la experiencia, que refleja curiosidad, imaginación y voluntad de explorar nuevas ideas; Conciencia, que implica autodisciplina, organización y responsabilidad hacia el logro de objetivos; Extraversión, que captura sociabilidad, asertividad y preferencia por entornos estimulantes; Amabilidad, que indica compasión, cooperación y preocupación por el bienestar de los demás; y Neuroticismo, que describe la inestabilidad emocional, incluidas las tendencias hacia la ansiedad y los cambios de humor.
Más recientemente, los científicos han propuesto un conjunto adicional de tres rasgos que describen los aspectos “más oscuros” de la personalidad humana. Estos rasgos, conocidos como la Tríada Oscura, incluyen el Narcisismo, caracterizado por la grandiosidad, la necesidad de admiración y el sentimiento de tener derecho a todo; el Maquiavelismo, que implica manipulación, engaño y un enfoque en el beneficio personal; y la Psicopatía, marcada por la falta de empatía, la impulsividad y el comportamiento antisocial.
La autora del estudio, Elina Tsigeman, y sus colegas señalan que los rasgos de personalidad se evalúan con mayor frecuencia mediante autoinformes, que son muy vulnerables a diversas formas de sesgo e incluso a falsificaciones directas. Los estudios muestran de manera consistente que las personas generalmente son capaces de manipular sus evaluaciones de personalidad cuando están motivadas para hacerlo. Debido a esto, encontrar formas alternativas de evaluar la personalidad podría ayudar a superar estas limitaciones.
Estos investigadores querían saber si se podía predecir la personalidad utilizando datos del movimiento ocular. Los datos del movimiento ocular se refieren a patrones oculares registrados, como fijaciones (cuando la mirada permanece fija en un punto) y movimientos sacádicos (cambios rápidos entre puntos de enfoque). Estos patrones revelan cómo las personas perciben visualmente su entorno, a qué prestan atención y su comportamiento observacional general. Por lo general, estos datos se recopilan utilizando equipos especializados de seguimiento ocular, y los avances tecnológicos recientes están haciendo que sea más fácil y menos invasivo capturarlos.
Los investigadores reclutaron a 35 adolescentes rusos (de una edad media de 14 años, de los cuales 30 fueron incluidos en el análisis final). La muestra estaba formada principalmente por varones, con 20 participantes varones. Los participantes debían tener una visión normal, ya que los dispositivos correctores como las gafas y las lentillas pueden interferir en la precisión del seguimiento ocular.
Para evaluar los rasgos de personalidad de los participantes, los investigadores utilizaron el Big Five Inventory y el Short Dark Triad Questionnaire, dos herramientas de autoinforme bien establecidas. Después de completar estos cuestionarios, cada participante se colocó un rastreador ocular montado en la cabeza y, después de la calibración, fue guiado por un investigador por un pasillo hasta un museo lleno de exhibiciones de aparatos modernos. Durante la visita al museo de 10 minutos, los participantes exploraron las exhibiciones libremente, sin instrucciones específicas ni orientación del investigador, que esperaba cerca. El mismo pasillo se utilizó para regresar a los participantes al laboratorio, con el investigador acompañándolos en ambos tramos del viaje.
Se recopilaron datos sobre el movimiento ocular durante todo el proceso, con un promedio de 15 a 16 minutos registrados por participante (aproximadamente 10,75 minutos en el museo y 4,86 minutos en el pasillo). Luego, estos datos se dividieron en tres segmentos para su análisis: datos del pasillo (o “camino”), datos del museo y datos combinados del pasillo y el museo.
Para probar la predictibilidad de los rasgos de personalidad, los investigadores aplicaron múltiples algoritmos de aprendizaje automático a los datos de movimiento ocular de cada segmento, utilizando técnicas como la validación cruzada para garantizar resultados confiables. Evaluaron el desempeño de cada algoritmo en la predicción de los rasgos de los Cinco Grandes y la Tríada Oscura. Los resultados mostraron que algunos algoritmos podían hacer predicciones de rasgos de personalidad que eran estadísticamente mejores que el azar. En particular, el maquiavelismo y la extroversión surgieron como los rasgos predichos con mayor precisión, mientras que otros rasgos como la escrupulosidad y el narcisismo fueron predichos con menor fiabilidad.
Curiosamente, los datos recopilados en el pasillo tuvieron la mayor precisión predictiva, seguidos de los datos del museo, y los datos combinados resultaron ser los menos eficaces. El entorno del pasillo podría haber mejorado la precisión de la predicción debido a la presencia de señales sociales y las interacciones de los participantes con el investigador. Por el contrario, en el entorno del museo, se dejó que los participantes interactuaran con las exhibiciones de forma independiente, lo que posiblemente provocó movimientos oculares más variables que estaban menos influenciados por estímulos sociales constantes.
Algunos algoritmos de aprendizaje automático, como Naive Bayes, Adaboost y k-Nearest Neighbors, tuvieron un rendimiento especialmente bueno, con una precisión de hasta el 48 % para algunos rasgos (en comparación con una base de probabilidad aleatoria del 33 %). Otros algoritmos, como la regresión logística y el bosque aleatorio, fueron menos efectivos, posiblemente debido a las diferencias en la forma en que estos modelos manejan los datos no lineales, un desafío común en la investigación de predicción de la personalidad.
Los hallazgos del estudio resaltan el potencial del seguimiento ocular como herramienta para la evaluación de la personalidad, en particular en entornos naturales, que pueden ofrecer una forma más ecológicamente válida de evaluar la personalidad que los entornos de laboratorio tradicionales. Sin embargo, aún no está claro hasta qué punto estos hallazgos pueden generalizarse a los datos de movimiento ocular recopilados en entornos distintos del pasillo y el museo específicos utilizados en el estudio, a otras poblaciones o a diferentes tipos de datos de movimiento ocular. Es probable que no puedan generalizarse por completo y, de ser así, el valor científico y práctico de estos hallazgos puede ser limitado.
Además, si bien la validación cruzada ayuda a garantizar la coherencia, los resultados del aprendizaje automático pueden variar con los cambios en los parámetros o con nuevos datos, lo que resalta la necesidad de procedimientos estandarizados en estudios futuros.
Fuente: PLOS ONE
Articulo original:
Título: “AI can see you: Machiavellianism and extraversion are reflected in eye-movements,”
Autores: Elina Tsigeman, Viktoria Zemliak, Maxim Likhanov , Kostas A. Papageorgiou y Yulia Kovas.