Актуальность исследования обусловлена растущим интересом к автоматизации психологической диагностики на основе цифрового следа пользователей, который содержит значительный объем информации об их личности, однако традиционные методы машинного обучения на табличных данных не показывают высокой точности. Изучена возможность использования больших языковых моделей (GPT-4.1-mini, Qwen3, Deepseek, Llama, YandexGPT-Lite) для предсказания бинарной оценки выраженности факторов «Большой пятерки» на основе числовых и строковых данных профиля пользователей ВКонтакте, включая количество друзей, подписок и подписчиков. Показано, что даже с применением дообучения методом LoRA качество классификации не превышает 60%, что сопоставимо с базовыми алгоритмами машинного обучения и свидетельствует о недостаточности профильных признаков для точного прогнозирования.
Выполненное исследование соответствует положениям Стратегии научно-технологического развития Российской Федерации (Указ Президента РФ от 28.02.2024 г. № 145) в части развития технологий искусственного интеллекта для анализа больших данных и создания систем поддержки принятия решений в социальной сфере.
Гавриленко О.Р., Олисеенко В.Д., Абрамов М.В., Тулупьева Т.В. Предсказание оценки выраженности психологических особенностей пользователей социальной сети с использованием больших языковых моделей // Доклады Российской академии наук. Математика, информатика, процессы управления. 2026. Т. 514. № 2. https://doi.org/10.14357/20718594260205