基于社交媒体短文本的学术表现可泛化预测
社会与信息网络
2024-07-02 v1 计算与语言
摘要
已有研究表明数字痕迹可用于预测各种人类属性。然而在大多数情况下，预测模型依赖于特定于某一数字痕迹数据来源的特征。相比之下，用户撰写的短文本——推文、帖子或评论——在多个平台上无处不在。本文中，我们探究短文本对其作者学术表现的预测能力。我们使用一个具有代表性的俄罗斯学生面板数据，其中包含其教育结果及在流行社交网站 VK 上的活动信息。我们构建了一个根据用户在 VK 上的帖子预测学术表现的模型，并将其应用于不同情境。特别地，我们展示该模型可根据其学生在社交媒体上的帖子复现中小学与大学的排名。我们还发现同一模型既能从推文也能从 VK 帖子预测学术表现。在相对小数据集上训练的模型的泛化能力，可通过使用在远更大型社交媒体帖子语料上训练的连续词表示来解释。这也使得模型预测具有更强的可解释性。
引用
@article{arxiv.1912.00463,
title = {Generalizable prediction of academic performance from short texts on social media},
author = {Ivan Smirnov},
journal= {arXiv preprint arXiv:1912.00463},
year = {2024}
}