⏺ Исследователи ВШЭ, Сколково и Томского государственного университета разработали ИИ-модель для определения выдающихся студентов по их профилям в группе ВКонтакте
В выборку попали 4445 студентов ТГУ, чьи профили в VK были открыты для публичного доступа. Исследователи анализировали подписки на группы, активность в обсуждениях, количество и специфику опубликованных фотографий, с кем дружат пользователи и какие подарки получают.
Выводы, полученные исследователями, вас абсолютно никак не удивят.
Студенты с высокой успеваемостью чаще подписаны на научно-популярные паблики, ведут сложные беседы и в целом позитивнее. С низкой успеваемостью наоборот — таких студентов интересует развлекательный контент, для них также характерно отсутствие или низкое присутствие в числе интересов тем, связанных с наукой, программированием, образованием, философией, языками и другими интеллектуальными сферами.
🗄 Темы, интересующие студентов с хорошей успеваемостью: академические занятия, городская жизнь, изобразительное искусство, домашний декор, изучение языков, владение языками, домашние животные, философия, поэзия, программирование, научные исследования, путешествия, студенческая жизнь, волонтерство, похудение.
🗄 Темы, интересующие студентов с плохой успеваемостью: аниме, астрология, бодибилдинг, автозапчасти, боевые искусства, модные вещи, футбол, юмор и обмен мемами, игры, музыкальные мероприятия, музыкальные релизы и тренды, татуировки, видеоигры.
«Текущий алгоритм доказал свою высокую эффективность в различении студентов с высокими и низкими показателями успеваемости, достигнув показателя ROC-AUC, превышающего 0,88. Такая эффективность позволяет предположить, что алгоритм может быть ценным инструментом для выявления потенциально успешных студентов на основе общедоступных данных. Наши результаты подчёркивают тесную связь между академической успеваемостью студентов и их интересами, которые отражаются в подписках на сообщества в социальных сетях. Примечательно, что можно прогнозировать академические результаты на основе списка групп, на которые подписан студент. Алгоритм универсален: после извлечения необходимых признаков его можно применять к новым сообществам без необходимости переобучения модели. Однако рекомендуется периодически проводить переобучение, чтобы учитывать меняющийся характер контента сообщества», — указано в исследовании.
Короче говоря, если я верно поняла посыл, если у вас в ВК преобладает в подписках развлекательный контент и в целом вы туда ходите только кекать и развлекаться, поздравляю — по мнению разработанного алгоритма вы с высокой долей вероятности станете дармоедом и двоечником. Но, если по-честному, зная бы я что меня будут оценивать вот такие сырые ИИ-модели, и что это повлияет на отношение преподавателей ко мне, я бы вообще в VK никогда не появилась или заблокировала доступ для всех, кроме круга ограниченных лиц.
💬 Все результаты исследования доступны по ссылке.
@divannyi_it подписаться
