스마트폰을 사용하는 사람은 상당한 양의 데이터를 생산하게 되고, 해당 데이터에 다른 사람들이 접근할 수 있으며 이를 통해 해당 이용자의 성격이나 성향을 유추할 수 있는 단서가 포함될 수 있다. 독일 뮌헨 대학교 (Ludwig Maximilian University of Munich)의 연구진들은 이러한 단서가 어떻게 나타나는지 연구하고 있다.
다른 맥락에서도 이런 데이터들은 상당한 이익을 제공해준다. 예를 들어, 컴퓨터 사회과학자들은 스마트폰 데이터를 개인 성행이나 사회적 행위를 알기 위해 활용한다. PNAS 저널에 나타난 연구를 보면 뮌헨 대학교 심리학자인 마르쿠스 뷰너(Markus Bühner) 교수가 이끄는 연구팀은 스마트폰을 통해 수집된 기존의 데이터가 이용자 성향파악에 어떠한 의미를 주는지에 대해 조사했다.
뮌헨 대학교 연구팀은 그들의 전화연구 프로젝트에 참여할 624명의 자원자를 뽑았다. 참여 자원자들은 그들의 성향을 묘사하는 광범위한 질의서에 답변하기로 동의하고 이 연구를 위해 개발된 앱을 30일 동안 자신들의 전화기에 설치하였다.
앱은 이용자 행위와 관련된 코드화된 정보를 수집하도록 디자인되었다. 연구자들의 주된 관심사는 커뮤니케이션 패턴, 사회적 활동과 이동성과 더불어 이용자의 음악 선택과 소비, 사용하는 앱, 그리고 하루 종일 얼마나 주기적으로 폰을 이용하는지 등이었다.
성향과 스마트폰 이용에 대한 모든 데이터는 행위 데이터를 통해 추출된 패턴과 이를 인식하도록 훈련된 머신 러닝 알고리즘을 통해 분석되고, 이들 패턴을 성향 설문조사에서 얻어진 정보와 관련시킨다. 이용자 성향을 예측하기 위한 알고리즘의 능력은 새로운 데이터 셋과 상호 교차하여 검증된다.
연구원들은 심리학자들이 판별한 5개 측면의 주요 성향에 주목했는데, 이를 통해 전체적인 맥락에서 개인별 성향의 차이를 구분할 수 있었다.
이러한 차원은 개인 성향에 따라 아래와 같은 각각의 자기 평가와 관련된다. (1) 개방성(새로운 사상, 경험 및 가치를 채택하려는 의지), (2) 성실성(의존성, 시간 엄수, 야망과 규율), (3) 외향성(사회성, 적극성, 모험성, 역동성과 친근감), (4) 우호성(타인을 신뢰하려 하는 의지, 좋은 본성, 외향성, 의무감, 도움이 되는 바), (5) 정서적 안정(자신감, 평정, 긍정성, 자기통제)
자동화된 분석은 알고리즘이 실제로 스마트폰 사용의 다양한 요소들의 조합에서 이러한 특성들의 대부분을 성공적으로 도출할 수 있었다는 것을 보여주었다. 더욱이, 그 결과는 어떤 유형의 디지털 행동이 특정한 성격의 자기 평가에 가장 유용한지에 대한 힌트를 제공한다.
지금까지의 연구는 거의 독점적으로 자기 평가에 기초해 왔기 때문에 이 연구의 결과는 연구자들에게 큰 가치가 있다고 할 수 있다. 예를 들어, 기존의 방법은 전문적인 성공의 수준을 예측하는 데 있어 충분히 신뢰할 수 있는 것으로 입증되었다. “그렇지만, 우리는 사람들이 우리의 설문지에 대해 우리에게 말하려고 선택하는 것 외에, 일상생활에서 실제로 어떻게 행동하는지 거의 알지 못한다"고 마르쿠스 뷰너 교수는 지적했다.
클레멘스 스타클은 그의 연구가 지배적인 IT 기업들의 데이터 수요를 더욱 자극할 수 있다는 것을 인지하고 있다. 그는 수동적으로 수집된 데이터의 사용을 규제하고 사생활에 대한 권리를 강화하는 것 외에 인공지능 분야도 종합적으로 살펴볼 필요가 있다고 말했다. 아울러 그는 기계가 아니라 이용자가 이 분야 연구의 주요 초점이며, 이를 고려하지 않고 기계에 기반을 둔 학습법을 채택하는 것은 심각한 실수가 될 것이라고 지적했다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
