Содержание:
Исследователи применили машинное обучение, чтобы понять причину разрыва любовных отношений и разводов супругов. «Хайтек» рассказывает, что из этого вышло. Ученые проанализировали данные более 2 000 немецких супружеских или сожительских пар, за которыми наблюдали около 12 лет в рамках проекта GSOEP (German Socio-Economic Panel, немецкое социально-экономическое исследование). Более 900 из них закончились разводом или расставанием. Машинное обучение в помощь Чтобы понять причины расставания, ученые […]
Исследователи применили машинное обучение, чтобы понять причину разрыва любовных отношений и разводов супругов. «Хайтек» рассказывает, что из этого вышло.
Ученые проанализировали данные более 2 000 немецких супружеских или сожительских пар, за которыми наблюдали около 12 лет в рамках проекта GSOEP (German Socio-Economic Panel, немецкое социально-экономическое исследование). Более 900 из них закончились разводом или расставанием.
Машинное обучение в помощь
Чтобы понять причины расставания, ученые применили подход машинного обучения (в частности, Random Survival Forests).
Random Survival Forests — алгоритм машинного обучения для предсказания результатов события до того, как оно произойдет. Он фиксирует сложные взаимосвязи, не требуя предварительной спецификации, и, как было показано, обладают превосходной прогностической эффективностью.
Алгоритм самостоятельно нашел взаимосвязь между различными факторами, которые содержались в базе данных. В данном случае он учитывал более 40 факторов, от возраста и уровня образования до здоровья до психологических особенностей. Массу необработанных данных передали для машинного обучения без выдвижения точных гипотез, а просто с указанием интересующего события — распад союза. Алгоритм, в свою очередь, указал влияние каждого фактора, содержащегося в данных на расставание. Переменные, которые представляют наибольшую угрозу стабильности союза, определили с точностью до 70%. Примечательно, что прогностическая способность превосходит 50%, которой можно достичь, используя традиционные методы регрессии.
Почему это алгоритм достоверен
В итоге алгоритм не только смог выявить факторы, которые лежат в основе распада пар, но и использовал эту информацию, чтобы предсказать развод или расставание до того, как оно фактически произойдет.
Как объясняют ученые, это связано с тем, что половину данных использовали для инструктирования самого алгоритма вместо того, чтобы отправлять все доступные данные специальному алгоритму. Кроме того, достоверность результатов проверяли с помощью другой половины набора данных.
Самый интересный вывод
Ученые назвали результаты анализа «очень интересными». Прежде всего потому, что методология машинного обучения способна взвесить относительную важность различных факторов, которые приводят к разрыву. Факторы, которые считались особенно важными в предыдущих исследованиях, тут потеряли актуальность: речь идет о безработице, высоком уровне образования и дохода одного из партнеров.
Так в чем же проблема?
Четыре основных фактора риска, выявленные в ходе исследования, расположены в порядке убывания: личное удовлетворение, количество оплачиваемой работы женщины, некоторые личностные факторы и возраст.
Самым сильным предиктором расставания является личное неудовлетворение: если оба партнера недовольны, очевидно, что пара не продержится долго. Менее очевидный фактор: союз может распаться, когда женщина очень довольна союзом, а мужчина — меньше. При этом обратный эффект менее заметен (когда не удовлетворена именно женщина). Например, если женщина много часов работает вне дома, риск расставания или развода выше, даже если мужчина больше занят домашними делами.
Что касается личностных черт, высокая экстраверсия у мужчин (классически связанная с более высокой неверностью) и эмоциональная скрытность женщин, менее приспособленных к изменениям, вызванным совместным проживанием также тесно связаны с вероятностью распада пары.
Еще один фактор расставания — низкий уровень добросовестности обоих партнеров (речь идет об организаторских способностях, применяемых в повседневной жизни), например — неупорядоченность и неспособность выполнять взятые на себя обязательства приводят к распаду пар.
Также влияет слишком высокий или низкий уровень невротизма. Этот результат можно интерпретировать как то, что если партнер (или сразу оба) страдает от излишней тревожности, ревности, вины, беспокойства или гнева, это явно осложняет отношения. Также, если один из партнеров не испытывает такого рода эмоций, то другой может воспринимать эту черту личности как отсутствие интереса.
Последний фактор — возраст. Анализ показал, что молодые пары более нестабильны, но у женщин стабильность в отношениях усиливается после 40 лет, что нельзя сказать о мужчинах.