• Gépi tanulás segítségével végzett jövedelembecslést egy kutatócsoport
  • A jutalmazás önszabályozása és a késleltetési képesség fontosabb tényezőnek bizonyult, mint az életkor vagy a rassz
  • A kutatók szerint ezzel új kapuk nyíltak meg az adatfeldolgozásban
Ténygyár-tartalom
4 percnyi olvasnivaló


A felmérésekben számtalan tényező játszik szerepet a későbbi becsült jövedelmi helyzet meghatározásakor. Többek között az életkor, a foglalkozás, az iskolai végzettség, a nem, az etnikai hovatartozás vagy akár még a testmagasság is ilyen tényező. Ezeken kívül a vizsgálatokba be szokták vonni a viselkedéshez köthető változókat is, mint például a híres stanfordi Marshmallow-teszthez köthető jutalmazáskésleltető képesség változóját is. Ez a mutató azt méri, hogy az ember mennyire veszi számításba a jövőbeli nagyobb jutalmak ígéretét, miközben összeveti azt az azonnali, viszont kisebb jutalmakkal. A ’60-as évek végén, ’70-es évek elején gyermekeken végzett kísérlet rámutatott, hogy a nagyobb önuralommal rendelkező, vagyis a jutalmazás önszabályozására képes gyerekek nagyobb valószínűséggel kapnak magasabb fizetést a jövőben.

A tanulmány fő szerzője, Dr. William Hampton, a svájci St. Gallen Egyetem professzora szerint azonban a hagyományos adatfeldolgozási módszerek segítségével nem lehetett megállapítani, hogy melyik tényező fontosabb a másiknál.

„Számtalan dologgal meg lehet becsülni a jövedelmet. Tudtuk, hogy a jutalmazás önszabályozása és a késleltetési képesség mint tényező jól használható ilyen becsléseknél, azonban arra is kíváncsiak voltunk, hogy az hogyan fog szerepelni a többi, hagyományos változóval szemben. A gépi tanulás (machine learning, a mesterséges intelligencia egyik ága) módszerének segítségével elsőként voltunk képesek felállítani egy érvényes rangsort életkor, foglalkozás, iskolai végzettség, földrajzi helyzet, nem, rassz, etnikai hovatartozás, testmagasság és az önszabályozási képesség között a jövedelembecslés során.
A pszichológusok által használt hagyományos módszerek (például a korreláció és a regresszió) nem tették lehetővé az egyén jólétéhez kapcsolódó különböző tényezők egyidejű összehasonlítását. Ez a tanulmány viszont hatalmas mennyiségű adatot gyűjtött össze több mint 2500 különböző hátterű résztvevőtől. Az eredményekből kiolvasható a nem meglepő eredmény, miszerint a foglalkozás és az iskolai végzettség jelzik leginkább előre a magas jövedelmet, ezeket követi a biológiai nemet meghatározó változó – a férfiak többet keresnek, mint a nők. A következő lényeges tényező az önjutalmazás késleltetésének képessége volt, amely biztosabb becslést tett lehetővé, mint az életkor, a rassz, az etnikai hovatartozás vagy a testmagasság.

Dr. Hampton kiemelte: a gépi tanulás módszerének köszönhetően ellenőrizni tudják a kapott eredményeket, valamint szükség szerint meg tudják ismételni a vizsgálatot, amely biztosíthatja a kutatókat a kapott eredmények pontosságáról. Megjegyzi továbbá, hogy a felhasznált adatok az Egyesült Államokra vonatkoznak, ezért más országokban eltérés mutatkozhat a tényezők fontossági sorrendjében. Ebből kifolyólag Hampton és munkatársai szívesen fogadnának olyan vizsgálatokat, amelyeket hasonló módszerrel végeztek el más kultúrákban, mert így nemzetközi szinten is összehasonlíthatóak lennének az eredmények.
Dr. Hampton érdekes észrevétele tehát a szülők számára: ha azt szeretné, hogy a gyermeke később jól jövedelmező állást töltsön be, tanítsa meg őt elengedni a kisebb, azonnali jutalmakat a későbbi, nagyobb haszon érdekében.

Ez a cikk is érdekelhet

A magyarok a családtagjaiknak
hisznek, nem a kormánynak

A magyarok többsége nem tartja demokratikusnak Magyarországot, nem bízik a politikai rends…