“likes”.The second major contributi

“likes”.
The second major contribution of this work relates to the level
of aggregation at which predictions are being made. Most
previous work focused on correlating Facebook profile features
with personality traits averaged over large groups, but
were inaccurate on the individual level. Similar to [11], we
use our large sample to show that by combining signals from
different Facebook features it is possible to reliably predict
personality of individuals. Due to the difficulty and cost of
testing large samples using a laboratory approach, we used
viral marketing to collect personality data using an application
within the Facebook environment

ผลลัพธ์ (ไทย) 1:

"ถูกใจ"ส่วนใหญ่สองงานนี้เกี่ยวข้องกับระดับของการรวมกลุ่มซึ่งกำลังผลิตคาดคะเน มากที่สุดเน้นกำลังรวบรวมสำหรับคุณสมบัติส่วนกำหนดค่าของ Facebook ทำงานก่อนหน้านี้ด้วยนิสัยเฉลี่ยกลุ่มขนาดใหญ่ แต่ถูกต้องในแต่ละระดับ คล้ายกับ [11], เราใช้ตัวอย่างขนาดใหญ่ของเราจะแสดงที่ โดยการรวมสัญญาณจากคุณสมบัติ Facebook ต่าง ๆ สามารถทำนายได้อย่างแม่นยำบุคลิกภาพของบุคคล เนื่องจากความยากลำบากและต้นทุนเราทดสอบตัวอย่างขนาดใหญ่โดยใช้วิธีการห้องปฏิบัติการ ใช้ไวรัสการตลาดเพื่อรวบรวมข้อมูลบุคลิกภาพโดยใช้โปรแกรมประยุกต์ภายในสภาพแวดล้อมที่ Facebook

ผลลัพธ์ (ไทย) 2:

"ชอบ".
ผลงานที่สำคัญที่สองของการทำงานนี้เกี่ยวข้องกับระดับ
ของการรวมที่คาดการณ์มีการทำ ส่วนใหญ่
งานก่อนหน้านี้มุ่งเน้นไปที่ความสัมพันธ์ระหว่างคุณลักษณะโปรไฟล์ Facebook
ที่มีลักษณะบุคลิกภาพเฉลี่ยมากกว่ากลุ่มใหญ่ แต่
ไม่ถูกต้องในระดับบุคคล คล้ายกับ [11] เรา
ใช้ตัวอย่างขนาดใหญ่ของเราแสดงให้เห็นว่าโดยการรวมสัญญาณจาก
ที่แตกต่างกันมี Facebook ก็เป็นไปได้อย่างน่าเชื่อถือทำนาย
บุคลิกภาพของบุคคล เนื่องจากความยากลำบากและค่าใช้จ่ายของ
การทดสอบกลุ่มตัวอย่างขนาดใหญ่ใช้วิธีการตรวจทางห้องปฏิบัติการที่เราใช้
การตลาดแบบปากต่อปากการเก็บรวบรวมข้อมูลบุคลิกภาพ application โดยใช้
ที่อยู่ในสภาพแวดล้อมที่ Facebook

ผลลัพธ์ (ไทย) 3:

" ชอบ "ส่วนสาขาที่สองของงานนี้เกี่ยวข้องกับระดับของการรวมตัวที่คาดคะเนจะถูกทำ มากที่สุดผลงานที่ผ่านมาที่เน้นความเร็ว Facebook คุณลักษณะโปรไฟล์กับลักษณะบุคลิกภาพโดยเฉลี่ยมากกว่ากลุ่มใหญ่ แต่ไม่ถูกต้องในระดับบุคคล คล้ายกับ [ 11 ] เราใช้ขนาดตัวอย่างที่จะแสดงให้เห็นว่า โดยรวมสัญญาณจากที่แตกต่างกัน Facebook คุณสมบัติมันเป็นไปได้ที่จะคาดการณ์ได้บุคลิกภาพของบุคคล เนื่องจากความยากและต้นทุนการทดสอบตัวอย่างขนาดใหญ่โดยใช้ปฏิบัติการแบบที่เราใช้การตลาดไวรัสที่จะรวบรวมข้อมูลบุคลิกภาพโดยใช้โปรแกรมสภาพแวดล้อมภายใน Facebook