Prédicteurs de la dissolution d’un syndicat, identifiés par l’apprentissage automatique
Les universitaires connectés à Centre de recherche Dondena de Bocconi sur les dynamiques sociales et les politiques publiques a récemment utilisé une technique d’apprentissage automatique (ML) appelée technique d’apprentissage automatique (ML) pour analyser les données de 2 038 couples mariés ou cohabitants qui ont participé au Enquête par panel socio-économique allemand. La grande nouvelle ? Il a pu prédire les principales raisons de la dissolution du couple : le pourcentage de tâches ménagères de la femme et la satisfaction de vivre des deux partenaires.
Selon le article publié en ligne sur Démographie, les couples qui ont participé à la recherche ont été observés, en moyenne, pendant 12 ans. Cela se traduit par un total de 18 613 observations, ce qui représente un ensemble massif de données qui peut être difficile à gérer.
« Un exemple clair des difficultés potentielles de considérer toutes les variables et leurs interactions possibles concerne les traits de personnalité des ‘cinq grands' », a déclaré le professeur Mencarini. « Pour tenir compte des traits des deux partenaires (10 variables) et de toutes leurs interactions bidirectionnelles (25 variables), il faudrait inclure 35 variables indépendantes, ce qui serait très problématique dans un modèle de régression. »
Heureusement, Bruno Arpino (Université de Florence), Marco Le Moglie (Université catholique de Milan) et Letizia Mencarini (Bocconi) ont pu gérer avec succès un grand nombre de variables indépendantes dans des modèles conventionnels grâce à RSF. Selon eux, les outils ML peuvent détecter des modèles complexes dans des ensembles de données relativement petits.
Pour prouver le pouvoir prédictif supérieur du ML par rapport aux modèles conventionnels, les auteurs ont divisé l’échantillon de leur étude en deux parties. Et en utilisant les résultats de la première mi-temps, ils ont pu prédire avec précision les résultats de la seconde mi-temps. Selon eux, cela indique à quel point la précision prédictive de RSF est efficace. Cependant, il a également été mentionné que la précision prédictive du RSF était limitée malgré l’utilisation, comme variables d’entrée, de tous les prédicteurs les plus importants de rupture d’union identifiés dans la littérature.
En fin de compte, l’étude indique que certaines des variables ayant la plus grande capacité prédictive sont le niveau d’extraversion de l’homme, le pourcentage de tâches ménagères de la femme, les heures de travail de la femme, le niveau d’ouverture de la femme, l’état matrimonial du couple et la satisfaction à l’égard de la vie des deux. les partenaires.
