personality prediction

This study develops an approach to predict personality traits based on the Big Five model through essay text by combining global and contextual information using a Vocabulary Graph Convolutional Network (VGCN) and Bidirectional Encoder Representations from Transformers (BERT). VGCN is used to capture global relationships between words through a vocabulary graph representation built based on NPMI weights, while BERT plays a role in producing richer and more contextual text representations. Experimental results show that the integration of structural and contextual features can provide good performance in multi-label classification tasks. Based on the grid search process and 5-fold cross-validation, the best model configuration obtained a macro F1 score of 0.6827 and a weighted F1 score of 0.6829 in out-of-fold prediction. The evaluation results for each feature show that the recall value is close to 1.0, while the precision value ranges from 0.50 to 0.56. This condition indicates a tendency for the model to produce more positive predictions. Furthermore, the results of the study highlight the importance of optimizing the prediction threshold value to obtain a more optimal compromise between precision and recall. Overall, the integration of graph-based semantic information with contextual representations from BERT shows that the VGCN-BERT approach has good potential for application in multi-label personality classification

Comprehensive self-report personality inventories can impose substantial response burden, motivating the development of more efficient assessment strategies and the exploration of complementary information sources. Guided by Dual-Process Theory, this exploratory study examined a questionnaire-primary residual fusion framework in which a reduced questionnaire response vector served as the main predictive source, while static abstract line drawings were evaluated as a bounded auxiliary source of information. A total of 100 participants completed the 187-item Sixteen Personality Factor Questionnaire (16PF) and provided unprompted abstract line drawings. To account for the small sample size and reduce optimistic bias, we used participant-level repeated cross-validation, fold-local questionnaire item selection, standardized image preprocessing, cross-fitted residual learning, and nested selection of the visual correction scale. The reduced questionnaire provided a useful but imperfect held-out approximation of the full-form 16PF reference scores, with factor-level Pearson correlations ranging from 0.34 to 0.78. In contrast, the static drawing modality did not provide stable incremental predictive value. Nested validation selected a zero visual correction in 21 of 25 outer folds, and the fixed scale originally proposed for visual correction (0.05) produced a slightly higher mean absolute error than the questionnaire-only condition (1.2120 vs. 1.2100). An exploratory analysis using teacher-provided observer ratings likewise showed no advantage for visual fusion over questionnaire-only prediction. These findings indicate that Dual-Process Theory can motivate a testable asymmetric framework for integrating explicit and non-verbal information, but the present data do not support static final line drawings as a reliable source of incremental personality information. Future research should examine richer process-level drawing signals, including stroke timing, pauses, pressure, and trajectory dynamics, in larger independent samples.

فهرست‌های جامع خودگزارشی شخصیت می‌توانند بار پاسخ‌دهی قابل توجهی را بر شرکت‌کنندگان تحمیل کنند، که این امر انگیزه‌ای برای توسعه راهبردهای ارزیابی کارآمدتر و بررسی منابع اطلاعاتی مکمل فراهم می‌کند. این مطالعه اکتشافی با راهنمایی نظریه فرایند دوگانه، چارچوبی ترکیبی از پرسشنامه و باقیمانده اولیه را مورد بررسی قرار داد که در آن، بردار پاسخ پرسشنامه کاهش‌یافته به عنوان منبع اصلی پیش‌بینی به کار گرفته شد و نقاشی‌های خطی انتزاعی ایستا به عنوان منبع کمکی محدود اطلاعات ارزیابی شدند. در مجموع ۱۰۰ شرکت‌کننده، پرسشنامه ۱۶ عاملی شخصیت (16PF) با ۱۸۷ ماده را تکمیل کردند و نقاشی‌های خطی انتزاعی بدون راهنمایی ارائه دادند. به منظور جبران حجم نمونه کوچک و کاهش سوگیری خوش‌بینانه، از اعتبارسنجی متقاطع تکراری در سطح شرکت‌کننده، انتخاب ماده پرسشنامه به صورت محلی در هر fold، پیش‌پردازش استاندارد تصویر، یادگیری باقیمانده متقاطع و انتخاب تو در توی مقیاس اصلاح بصری استفاده شد. پرسشنامه کاهش‌یافته، تقریب مفیدی اما ناقص از نمرات مرجع فرم کامل 16PF در داده‌های نگه‌داشته‌شده ارائه داد، به طوری که همبستگی پیرسون در سطح عامل بین ۰٫۳۴ تا ۰٫۷۸ متغیر بود. در مقابل، مدالیته نقاشی ایستا ارزش افزوده پیش‌بینی‌کننده پایداری ارائه نکرد. اعتبارسنجی تو در تو در ۲۱ مورد از ۲۵ fold بیرونی، اصلاح بصری صفر را انتخاب کرد و مقیاس ثابتی که در ابتدا برای اصلاح بصری پیشنهاد شده بود (۰٫۰۵)، میانگین خطای مطلق کمی بالاتری نسبت به حالت صرفاً پرسشنامه‌ای ایجاد کرد (۱٫۲۱۲۰ در مقابل ۱٫۲۱۰۰). تحلیل اکتشافی با استفاده از ارزیابی‌های مشاهده‌گر ارائه‌شده توسط معلم نیز هیچ مزیتی برای ترکیب بصری نسبت به پیش‌بینی صرفاً پرسشنامه‌ای نشان نداد. این یافته‌ها نشان می‌دهد که نظریه فرایند دوگانه می‌تواند چارچوب نامتقارن قابل آزمونی برای ادغام اطلاعات صریح و غیرکلامی فراهم کند، اما داده‌های حاضر از نقاشی‌های خطی نهایی ایستا به عنوان منبع قابل اعتماد اطلاعات افزوده شخصیت حمایت نمی‌کند. پژوهش‌های آینده باید سیگنال‌های غنی‌تر فرایندی نقاشی، از جمله زمان‌بندی ضربه، مکث‌ها، فشار و پویایی مسیر را در نمونه‌های مستقل بزرگ‌تر بررسی کنند.