Группа исследователей представила работу, в которой изучает использование больших языковых моделей (LLM) для автоматического определения черт личности студентов по их текстовым постам. Цель — интегрировать эти данные в систему SAMI (Social Agent Mediated Interactions), которая помогает студентам онлайн-курсов находить друг друга для общения и совместной учёбы.
Модель использует метод zero-shot на основе GPT для выявления пяти основных черт личности (Big Five) из вводных сообщений студентов на учебных форумах. В рамках доказательства концепции исследователи сосредоточились на трёх чертах, наиболее связанных с позитивным социальным взаимодействием: экстраверсия, доброжелательность и открытость опыту. Тестирование показало, что GPT-модели демонстрируют многообещающие результаты на конкретном наборе данных, однако их эффективность значительно варьируется в зависимости от определяемой черты.
Проблема социальной изоляции в онлайн-обучении актуальна, так как цифровая среда затрудняет естественное образование групп. Системы вроде SAMI призваны решить эту проблему, но их эффективность ограничена отсутствием «модели психического состояния» студента, включая понимание его личности. Автоматический анализ личности может повысить релевантность рекомендаций по подбору партнёров для обсуждения или групповых проектов.
Исследователи отмечают, что работа носит предварительный характер. Обнаружены потенциальные смещения модели в сторону более оптимистичных оценок черт, особенно при работе с данными, имеющими смещённое распределение. Ключевые вопросы для будущих исследований — что именно LLM «улавливают» при оценке личности и действительно ли такой подход на практике улучшает качество студенческих связей.
