Računalna procjena ličnosti autora eseja na temelju analize teksta i pritisaka tipki

master's thesis

• Title (english): Computational personality assessment of essay authors based on text and keystroke analysis
• Author: Jan Novosel
• Mentor: Jan Šnajder (mentor)
• Committee member: Jan Šnajder (predsjednik povjerenstva)
• Committee member: Domagoj Jakobović (član povjerenstva)
• Committee member: Marko Đurasević (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2025-02-26, Croatia

Abstract

Automatsko predviđanje osobnosti temeljeno na tekstu pokazuje se uspješnim. Međutim, izvlačenjem informacija samo iz teksta zanemarujemo ponašanje osobe dok je pisala taj tekst, koje također može biti vrijedan pokazatelj osobnosti. Cilj ovog rada bio je istražiti primjerenost korištenja analize pritisaka tipki za predviđanje osobnosti, pod pretpostavkom da se ponašanje osobe koja tipka odražava u načinu na koji tipka. S obzirom na to, razvijen je alat za prikupljanje podataka o tipkanju, a iz... More tih podataka ekstrahirane su značajke koje bilježe ponašanje autora teksta, koje su potom združene sa značajkama ekstrahiranim iz samog teksta. Temeljem tih značajki, provedeni su eksperimenti nad modelima strojnog učenja koji predviđaju rezultate testa osobnosti Big Five. Predviđanje neurotičnosti i ekstrovertiranosti bilo je najuspješnije. Sve u svemu, rezultati upućuju na to da su značajke temeljene na pritiscima tipki korisne za predviđanje
karakternih crta. Less

Abstract (english)

Automatic personality prediction based on text has proven to be successful. However, extracting personality information solely from raw text disregards the writer’s behavior during the writing process, which may also contain valuable personality cues. The goal of this thesis was to evaluate the suitability of using keystroke analysis for personality prediction, assuming that a person’s behavior is reflected in the way they type. With that in mind, software for keystroke data collection was... More developed, and features capturing the writer’s behavior from keystroke data were devised. Those features were combined with features based on raw text, and then employed in machine learning experiments conducted on models for predicting Big Five personality test scores. Predicting Neuroticism and Extraversion scores yielded the best results. Overall, the results suggest that keystroke-based features are valuable predictors of personality traits. Less

• Keywords: automatsko predviđanje osobnosti; dinamika pritisaka tipki; tipkanje; strojno učenje; ekstrakcija značajki
• Keywords (english): Automatic personality prediction; Keystroke dynamics; Typing production; Machine learning; Feature extraction
• Language: english
• URN:NBN: urn:nbn:hr:168:141836
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Open access
• Created on: 2025-03-12 11:14:44