Når Cambridge Analyticas CEO, Alexander Nix, på diverse konferencer med potentielle kunder som publikum fortæller om mulighederne med virksomhedens psykografi, agerer han som en dreven salgsmand og taler om teknologiens overordnede koncepter med nærmest magiske muligheder.
For at skille Cambridge Analytica ud fra andre analyseselskaber fremhæver han muligheden for at få indsigt i enkeltindividers psykologiske profil og adfærd. Han nævner ikke noget om nøjagtigheden i Cambridge Analyticas metode, og Cambridge Analytica vogter detaljerne om deres teknologi med nidkærhed.
Cambridge Analytica bygger dog på de principper, som pionererne inden for psykologisk profilering fra University of Cambridges Psykometriske Center har etableret, og i modsætning til Cambridge Analytica ønsker forskerne fra centeret ikke at skjule noget.
Ja, det er muligt at bestemme alder, køn, intelligens, seksuel orientering og personlighedstræk via data fra Facebook med større eller mindre usikkerhed afhængig af, hvilke data du har til rådighed, lyder det fra Dr. Michal Kosinski, som er adjunkt på Stanford Business School og tilknyttet Cambridge University-initiativet Apply Magic Sauce, som anvender Facebook-data til at profilere folk.
Hvor nøjagtig er modellen?
Nøjagtigheden af modellens forudsigelser angives med et decimaltal mellem 0 og 1, hvor 0 svarer til et tilfældigt gæt, mens 1 svarer til en korrekt forudsigelse. Alder har en nøjagtighed på 0,75, køn bestemmes med en nøjagtighed på 0,93 og politisk orientering med 0,79. Nøjagtigheden bestemmes ved at sammenligne forsøgspersoners faktiske karakteristika med modellens forudsigelser.
Eksempelvis har forskerne på Cambridge-universitetet testet nøjagtigheden af modellens psykologiske profilering ved at sammenholde 260.000 forsøgspersoners psykologiske profil bestemt ud fra et 100-punkts spørgeskema med modellens forudsigelser baseret på forsøgspersonernes page-likes på Facebook. Nøjagtigheden ligger på mellem 0,35 og 0,5 for bestemmelse af personlighedstræk baseret på OCEAN-modellen. Det svarer til samme nøjagtighed, som en psykologisk profilering baseret på et kort spørgeskema.
Forskerne bag Apply Magic Sauce oplyser desuden til Prosabladet, at nøjagtigheden kan komme op på 0,7 for senere udviklede modeller.
Forudsigelser og forskeruenighed
Det er dog ikke alle med berøring til emnet, der er enige med forskerne fra University of Cambridge.
Dr. Aleksandr Spectre indsamlede data for millioner af Facebook-brugere, da han var tilknyttet Cambridge-universitetets Psykologiske Institut. Ifølge en artikel i den britiske avis The Guardian fra 11. december 2015 videresolgte Dr. Aleksandr Spectre de indhøstede data til Cambridge Analyticas moderselskab, Strategic Communications Laboratories (SCL). Grundet en fortrolighedsaftale med SCL kan han ikke kommentere det samarbejde, men han har ikke meget tilovers for profileringsmetoden.
– Det er nonsens at lave forudsigelser om enkeltpersoner baseret på sociale medier, lyder den bastante udmelding, der dog blødes lidt op med en erkendelse af, at køn, etnicitet og seksuel orientering er nemt at forudsige ved hjælp af data fra sociale medier.
Men der hører enigheden op. Det er ren salgsgas at udlede personlighedstræk fra sociale medier, mener Aleksandr Spectre.
– De har gjort et godt salgsjob, men der er intet magisk ved det. Fra et statistisk perspektiv er det nærmest morsomt, men det er ikke sjovt, at folk rent faktisk tror på det og er bange, siger han.
Aleksandr Spectre nævner, at hvis nøjagtigheden i en forudsigelse af alder baseret på Facebook-page-likes er 0,75, så betyder det, at aldersforudsigelserne kan ramme op til 11-12 år forkert. Med en såkaldt Mean Average Error (MAE) på 11-12 år vil en faktisk alder på 40 år kunne blive forudsagt til at være 28-29 år eller 51-52 år.
Dårligt designet model
Dr. Michal Kosinski afviser dog Dr. Aleksandr Spectres påstand og henviser til, at MAE ikke er direkte relateret til nøjagtigheds-koefficienten, men er afhængig af designet af den underliggende model. Det betyder, at en dårlig modellering kan give høje MAE-værdier. Han uddyber på baggrund af erfaringerne fra Apply Magic Sauce.
– En korrelation på 0,75 giver en MAE på 6-7 år og ikke 11-12 år, siger han.
Michal Kosinski anbefaler at anvende andre former for sociale mediedata, hvis man ønsker at indsnævre usikkerhedsintervallet.
– Likes er ikke den bedste måde at forudsige alder på, da den ændrer sig, mens likes hober sig op på en Facebook-profil. Alder bør måles ved hjælp af et mere tidsorienteret signal, eksempelvis statusopdateringer eller tweets. De vil give en MAE på omkring 3 år, siger han.
Der er tydeligvis professionel uenighed mellem forskerne fra Cambridge -universitetets Psykometriske Center og Dr. Aleksandr Spectre. En uenighed som nærmer sig det personlige.
– Det er ironisk, at en udtalelse som ”det er nonsens at lave forudsigelser baseret på Page-likes” kommer fra en, som forsøgte at kopiere præcis den metode for egen vindings skyld. Metoden er virkelig. Det er muligt. Den er peer-reviewed, og den kan få reel indflydelse på vores samfund, siger Vesselin Popov, Business Development Director for Apply Magic Sauce.
Dr. Aleksandr Spectre holder dog fast ved, at der er for megen støj i data fra sociale medier.
– Du kan ikke bruge det til at forudsige noget om en enkeltperson. Der er dog en use case. Hvis du har et par millioner mennesker fra Californien, og du forudsiger deres gennemsnitlige personlighedstræk, så har du et godt estimat for Californien, siger han.
Aleksandr Spectre arbejder på et endnu ikke offentliggjort forskningsnotat, som skal vise, at metoder som Apply Magic Sauce ikke virker. Det ryster ikke Vesselin Popov.
– De data, som Apply Magic Sauce er baseret på, er blevet brugt og eftervist i over 40 videnskabelige peer-reviewed-artikler i de seneste fem år af forskere verden over. Jeg ser frem til et forskningsnotat, der tilbageviser den store mængde akademiske forskning, siger han.
