Nama dan NIM kelompok
Indriarti Oktavia Gunawan - 20210701128 Gita Arini Cahya - 20210701064
Verga Abilqis - 20210701112
Alvian Totonafo Mendrofa - 20220801045 Bagus Indra Prastya - 20220801025
Judul: Penilaian Kepribadian Komputasional
Penulis: Clemens Stachl, Ryan L. Boyd, Kai T. Horstmann, Poruz Khambatta, Sandra C.
Matz, Gabriella M. Harari.
Abstrak
Metode komputasional telah meningkatkan objektivitas pengukuran perilaku manusia dan memberikan manfaat besar bagi ilmu kepribadian di era digital. Artikel ini mendefinisikan dan membahas penilaian kepribadian komputasional (CPA) sebagai proses pengukuran yang menggunakan teknologi komputasi untuk menilai kepribadian.
Artikel ini membahas beberapa sumber data paling menjanjikan yang digunakan dalam CPA:
1. Sensing seluler (mobile sensing) 2. Jejak digital dari media sosial 3. Gambar digital
4. Bahasa
5. Metode pengambilan sampel pengalaman (experience sampling).
Kami juga menyoroti peluang besar CPA, seperti:
Bergerak menuju pengukuran objektif kepribadian.
Mendapatkan wawasan baru dari data besar.
Namun, artikel ini juga menggarisbawahi keterbatasan dan tantangan penting, seperti:
Keandalan dan validitas pengukuran.
Pilihan kriteria yang tepat sebagai "kebenaran dasar."
Implikasi etika dan privasi.
CPA memiliki potensi untuk mengubah pemahaman kita tentang perbedaan individu.
Pendahuluan
Pengukuran dalam ilmu pengetahuan terus berkembang, menghasilkan kuantifikasi fenomena yang lebih presisi. Dalam psikologi kepribadian, fenomena yang diminati adalah pola
berpikir, perasaan, dan perilaku individu. Sebagian besar penilaian kepribadian
mengandalkan laporan diri, tes kepribadian objektif, dan observasi perilaku. Namun, ada kebutuhan yang mendesak untuk data yang lebih objektif tentang perilaku alami untuk meningkatkan akurasi pengukuran psikologi.
Kemajuan teknologi seperti media sosial, ponsel pintar, dan pembelajaran mesin telah memungkinkan observasi perilaku lebih objektif. Dengan memanfaatkan teknologi ini, CPA memberikan peluang baru untuk memahami perbedaan individu melalui data pengamatan yang lebih kaya.
Sumber Data Utama
1. Sensing Seluler
Teknologi seperti ponsel pintar, wearable devices, dan perangkat IoT memungkinkan pengumpulan data objektif, seperti aktivitas fisik, lokasi, hingga pola komunikasi.
Penelitian menunjukkan bahwa sifat kepribadian seperti Extraversion dapat diprediksi menggunakan data sensing ini.
2. Jejak Digital dari Media Sosial
Media sosial menghasilkan data besar tentang preferensi, pola komunikasi, hingga lokasi pengguna.
Algoritma dapat memprediksi sifat kepribadian berdasarkan "Likes"
Facebook, pembaruan status, dan interaksi lainnya.
Penelitian menemukan prediksi komputer dari media sosial lebih akurat dibandingkan penilaian teman atau keluarga pengguna.
3. Gambar
Gambar yang diunggah pengguna, seperti foto profil, dapat dianalisis untuk menilai kepribadian.
Ekstrover, misalnya, cenderung menggunakan foto dengan pencahayaan cerah.
Teknologi pengenalan wajah juga digunakan untuk mendeteksi emosi dan ekspresi kepribadian.
4. Bahasa
Bahasa adalah jendela langsung ke pikiran seseorang. Analisis data dari media sosial dan audio dapat menggambarkan pola perhatian dan emosi.
Ekstrover, misalnya, lebih sering menggunakan kata-kata yang berhubungan dengan orang lain seperti "teman" atau "keluarga."
5. Pengambilan Sampel Pengalaman
Metode ini melibatkan peserta memberikan laporan diri secara berkala tentang apa yang mereka pikirkan, rasakan, atau lakukan.
Teknologi chatbot memungkinkan pengumpulan data ini menjadi lebih adaptif.
Peluang (Terjemahan)
1. Pengukuran Objektif:
CPA mengurangi bias yang umum dalam metode laporan diri seperti bias memori dan keinginan sosial. Misalnya, data digital dapat melengkapi laporan diri dan
mengungkapkan perbedaan yang signifikan.
2. Wawasan Baru dari Data Besar:
o CPA dapat mengungkap pola perilaku yang kompleks.
o Data dari berbagai sumber (sensor, media sosial, dll.) memungkinkan analisis multi-dimensi.
3. Aplikasi Praktis:
CPA dapat digunakan untuk mencocokkan individu dengan pekerjaan, pasangan romantis, atau mengidentifikasi psikopatologi.
Tantangan
1. Reliabilitas dan Validitas:
o CPA memerlukan evaluasi psikometrik yang lebih baik agar dapat diandalkan dan valid untuk aplikasi praktis.
2. Masalah Privasi dan Etika:
o Risiko pelanggaran privasi meningkat ketika data dikumpulkan tanpa persetujuan.
o Jejak digital dapat menimbulkan tekanan sosial jika pengguna merasa selalu diawasi.
3. Konseptualisasi Kepribadian:
o CPA perlu memadukan data subjektif dan objektif untuk memberikan gambaran yang lebih komprehensif.
Kesimpulan
Penilaian kepribadian komputasional adalah langkah revolusioner dalam psikologi
kepribadian. Namun, sebelum dapat diadopsi secara luas, masih diperlukan penyempurnaan dalam keandalan, validitas, dan penanganan isu etika. Dengan mengatasi tantangan ini, CPA memiliki potensi untuk mengubah cara kita memahami dan menilai kepribadian manusia.
