Исследование тенденций взаимосвязи между профориентационными предпочтениями пользователей и их цифровыми следами в социальной сети

Введение. Исследована возможность использования цифровых следов пользователей онлайн социальной сети, на примере тематики сообществ, для поддержки принятия решений в рамках профориентационной диагностики. Метод. Проведен статистический анализ: описательные статистики, z-критерий для сравнения двух групп и регрессионный анализ. В качестве цифровых следов пользователей проанализированы тематики подписок пользователей на различные сообщества, доступные в социальной сети, а также указанный в профиле пол респондента и количество друзей в социальной сети. Социально-профессиональная направленность личности оценена на основании результатов прохождения теста Голланда (под редакцией Г.В. Резапкиной). Выполнен поиск тенденций взаимосвязи между цифровыми следами пользователей, выраженными тематиками подписок, и ключевыми индикаторами соцально-профессиональной направленности, отраженными в результатах теста Голланда, по данным пилотного исследования, проведенного с помощью приложения в онлайн социальной сети. Основные результаты. По результатам статистического анализа подтверждена гипотеза, что интересы пользователя, в виде тематик сообществ, взаимосвязаны с результатами теста Голланда. Доказаны гипотезы о существующих различиях в группах мужчин и женщин исследуемых признаков (результатов прохождения теста Голланда и ведущей тематики подписок на сообщества). При помощи регрессионного анализа среди группы женщин найдены взаимосвязи между преобладанием тематики сообществ «Образование» и ключевыми индикаторами: A (Художественный), E (Предприимчивый), I (Интеллектуальный); преобладанием тематики «Стиль жизни» и выраженностью индикаторов: C (Конвенциональный), I, A, E; «Средства массовой информации» и индикатором C. Среди группы мужчин была найдена взаимосвязь между преобладанием тематики «Спорт» и индикатором E. Обсуждение. Результаты работы расширили пространство потенциальных предикторов профессиональной ориентации пользователей. Получена основа для проведения крупномасштабных исследований по квантификации и построению предиктивных моделей ключевых индикаторов профессий по тематикам подписок пользователей. Результаты могут быть использованы в направлении развития комплексного подхода к созданию рекомендательной системы для профессиональной ориентации пользователей.

1. Xie D., Cobb C.L. Career and vocational interests and abilities, assessment of // The Wiley Encyclopedia of Personality and Individual Differences: Models and Theories. 2020. P. 493–497. https://doi.org/10.1002/9781118970843.ch152

2. Malik-Liévano B., Álvarez-González B., Sánchez-García M.F., Irving B.A. International Perspectives on Research in Educational and Career Guidance. Springer Cham, 2020. 173 p. https://doi.org/10.1007/978-3-030-26135-1

3. Bogacheva E., Tatarenko F., Smetannikov I. Predicting vocational personality type from socio-demographic features using machine learning methods // CCRIS '20: Proc. of the 2020 1st International Conference on Control, Robotics and Intelligent System. 2020. P. 93– 98. https://doi.org/10.1145/3437802.3437819

4. Сербина Г.Н., Мацута В.В., Гойко В.Л. Анализ связи психологических характеристик пользователей социальной сети "ВКонтакте" с подписками на сообщества с девиантным контентом // Вестник Томского государственного университета. 2021. № 467. С. 164–169. https://doi.org/10.17223/15617793/467/20

5. Мацута В.В., Гойко В.Л., Фещенко А.В., Уляков М.А., Петров Е.Ю. Платформа психологической диагностики с авторизацией респондентов в социальной сети "ВКонтакте". Свидетельство государственной регистрации программы для ЭВМ № 2021612933. Бюл. 2021. № 3.

6. Dağıstanlı Ö., Erbay H., Kör H., Yurttakal A.H. Reflection of people’s professions on social media platforms // Neural Computing and Applications. 2023. V. 35. N 7. P. 5575–5586. https://doi.org/10.1007/s00521-022-07987-8

7. Van Huizen P., Mason R., Williams B. Exploring paramedicine student preferences using Holland's vocational theory: a crosssectional study // Nursing & Health Sciences. 2021. V. 23. N 4. P. 818–824. https://doi.org/10.1111/nhs.12870

8. Ding Y., Wang Q., Hourieh N., Yu Q. Vocational personality types in college engineering students in relation to academic achievement // Journal of Employment Counseling. 2020. V. 57. N 1. P. 27–47. https://doi.org/10.1002/joec.12136

9. Earl J., Iskandar F., Elizondo F. Take a job, any job: Exploring the importance of matched interests to career paths and work satisfaction // Journal of Employment Counseling. 2019. V. 56. N 1. P. 33–45. https://doi.org/10.1002/joec.12101

10. Gunawardena A.D.A., Meyer R.R., Kularatna T., Samaranayake S., Gunawardena R.H. Interest-aligned system for college degree planning and career path selection // SN Computer Science. 2022. V. 3. N 3. P. 221. https://doi.org/10.1007/s42979-022-01107-y

11. Su J.-H., Liao Y.-W., Xu J.-Z., Zhao Y.-W. A personality-driven recommender system for cross-domain learning based on Holland code assessments // Sustainability. 2021. V. 13. N 7. P. 3936. https://doi.org/10.3390/su13073936

12. Shminan A.S., Choi L.J., Barawi M.H., Hashim W.N.W., Andy H. InVesa 1.0: The conceptual framework of interactive virtual academic advisor system based on psychological profiles // Proc. of the 13th International Conference on Information & Communication Technology and System (ICTS). 2021. P. 112–117. https://doi.org/10.1109/ICTS52701.2021.9608182

13. Usslepp N., Hübner N., Stoll G., Spengler M., Trautwein U., Nagengast B. RIASEC interests and the Big Five personality traits matter for life success—But do they already matter for educational track choices? // Journal of Personality. 2020. V. 88. N 5. P. 1007– 1024. https://doi.org/10.1111/jopy.12547

14. Cioca L.-I., Bratu M.L. Sustainability of youth careers in Romania— Study on the correlation of students’ personal interests with the selected university field of study // Sustainability. 2020. V. 13. N 1. P. 229. https://doi.org/10.3390/su13010229

15. Ethan Daphne C., Stanley M., Augustine V., Anggreainy M.S., Setiawan A.S. Developing an application to recommend major based on personality test using waterfall method // Proc. of the 5th International Conference of Computer and Informatics Engineering (IC2IE). 2022. P. 220–224. https://doi.org/10.1109/IC2IE56416.2022.9970189

16. Rocconi L.M., Liu X., Pike G.R. The impact of person-environment fit on grades, perceived gains, and satisfaction: an application of Holland’s theory // Higher Education. 2020. V. 80. N 5. P. 857–874. https://doi.org/10.1007/s10734-020-00519-0

17. Sharma S., Behl R. Analysing the impact of social media on students’ academic performance: A comparative study of extraversion and introversion personality // Psychological Studies. 2022. V. 67. N 4. P. 549–559. https://doi.org/10.1007/s12646-022-00675-6

18. Gonçalves A.P., Martins G.H., Salvador A.P., Machado G.M., Carvalho L.D.F., Ambiel R.A.M. Career adaptability and associations with personality traits and pathological traits utilizing network analysis // International Journal for Educational and Vocational Guidance. 2021. V. 21. N 2. P. 379–394. https://doi.org/10.1007/s10775-020-09448-x

19. Kircaburun K., Alhabash S., Tosuntaş Ş.B., Griffiths M.D. Uses and gratifications of problematic social media use among university students: A simultaneous examination of the Big Five of personality traits, social media platforms, and social media use motives // International Journal of Mental Health and Addiction. 2020. V. 18. N 3. P. 525–547. https://doi.org/10.1007/s11469-018-9940-6

20. Dandannavar P.S., Mangalwede S.R., Kulkarni P.M. Predicting the primary dominant personality trait of perceived leaders by mapping linguistic cues from social media data onto the big five model // Advances in Intelligent Systems and Computing. 2021. V. 1141. P. 417–428. https://doi.org/10.1007/978-981-15-3383-9_37

21. Biswas K., Shivakumara P., Pal U., Lu T. A new ontology-based multimodal classification system for social media images of personality traits // Signal, Image and Video Processing. 2023. V. 17. N 2. P. 543–551. https://doi.org/10.1007/s11760-022-02259-3

22. Hoff K.A., Chu C., Einarsdóttir S., Briley D.A., Hanna A., Rounds J. Adolescent vocational interests predict early career success: Two 12-year longitudinal studies // Applied Psychology. 2022. V. 71. N 1. P. 49–75. https://doi.org/10.1111/apps.12311

23. Oliveira Í.M., Porfeli E.J., do Céu Taveira M., Lee B. Children's career expectations and parents' jobs: intergenerational (dis) continuities // The Career Development Quarterly. 2020. V. 68. N 1. P. 63–77. https://doi.org/10.1002/cdq.12213

24. Banov K., Krapic N., Kardum I. Do vocational interests matter for the selection of romantic partners? Evidence from variable- and couple-centered approaches // Applied Psychology. 2023. V. 72. N 2. P. 697–717. https://doi.org/10.1111/apps.12396

25. Mayrand K., Sabourin S., Savard C. Vocational personality in romantic relationships: how vocational similarity contributes to couple functioning // Contemporary Family Therapy. 2023. V. 45. N 2. P. 172–185. https://doi.org/10.1007/s10591-021-09620-7

26. Kim J., Park D., Shin Y.J. Friendship dynamics of career decisionmaking self-efficacy: a longitudinal social network approach // Current Psychology. 2022. in press. https://doi.org/10.1007/s12144-022-03887-1

27. Song Q.C., Shin H.J., Tang C., Hanna A., Behrend T. Investigating machine learning's capacity to enhance the prediction of career choices // Personnel Psychology. 2022. in press. https://doi.org/10.1111/peps.12529

28. José-García A., Sneyd A., Melro A., Ollagnier A., Tarling G., Zhang H., Stevenson M., Everson R., Arthur R. C3-IoC: A career guidance system for assessing student skills using machine learning and network visualisation // International Journal of Artificial Intelligence in Education. 2022. in press. https://doi.org/10.1007/s40593-022-00317-y

29. Holland J.L. Explorations of a theory of vocational choice and achievement: II. A four-year prediction study // Psychological Reports. 1963. V. 12. N 2. P. 547–594. https://doi.org/10.2466/pr0.1963.12.2.547

30. Резапкина Г.В. Психология и выбор профессии: программа предпрофильной подготовки. Учебно-методическое пособие для психологов и педагогов. М.: Генезис, 2005. 208 с.

31. Agresti A. Categorical Data Analysis. John Wiley & Sons, 2003.

32. Venables W.N., Ripley B.D. Modern Applied Statistics with S. Fourth Edition. New York: Springer, 2002. 498 p.

33. Корепанова А.А., Абрамов М.В. Применение случайного леса в выборе метода восстановления возраста пользователя социальной сети // Искусственный интеллект и принятие решений. 2021. № 2. С. 66–76. https://doi.org/10.14357/20718594210207

34. Торопова А.В., Абрамов М.В., Тулупьева Т.В. Машинное обучение байесовской сети доверия как инструмента оценки интенсивности процесса по данным из социальной сети // Научно-технический вестник информационных технологий, механики и оптики. 2021. Т. 21. № 5. С. 727–737. https://doi.org/10.17586/2226-1494-2021-21-5-727-737

35. Khlobystova A., Abramov M., Korepanova A., Liapin N. Identification of predictors for estimation the intensity of relationships between users of online social networks // Lecture Notes in Networks and Systems. 2023. V. 566. P. 216–225. https://doi.org/10.1007/978-3-031-19620-1_21