机器学习使性格测试速度提高了 4 倍

概括：传统的 DISC 评估（工作场所招聘和团队建设的主要内容）刚刚进行了高科技改造。新研究表明，机器学习可以以 93% 的准确度复制 DISC 结果，同时显着减少测试所需的时间。

研究表明，人工智能可以将标准的 40 个问题性格测试缩减为 10 个“高信息”问题，而不会失去预测能力。除了速度之外，人工智能方法还可以识别“混合”的个性特征，摆脱僵化的框框，更好地反映人类行为的复杂性。

主要事实

来源：东伦敦大学

性格测试广泛应用于工作场所，以塑造招聘、领导力培训和团队建设。但如果人工智能能让它们更快、更智能、更准确呢？

东伦敦大学 (UEL) 的新研究表明，机器学习可以显着改善组织心理学家和管理者使用最广泛使用的人格工具之一——DISC 评估的方式。

DISC 评估将个人分为四种行为风格——支配性、影响力、稳定性和责任心——组织通常使用它来了解人们如何在团队中沟通、领导和工作。该模型的吸引力在于其简单性，使组织心理学家和管理者能够快速洞察行为倾向。

然而，传统的 DISC 评估依赖于简单的评分规则，根据人们的最高分将他们分配到一个类别。这种方法虽然有效，但有时会因为忽视了具有多种行为风格特征的个体而过于简单化个性。

这项新研究探讨了机器学习是否可以提供一种更灵活、数据驱动的方式来分析 DISC 反应，从而提供更准确、更细致的个性洞察。当个体表现出多种 DISC 风格的特征时，该方法还可以识别混合的行为模式，而不是将人们分配到单一类别。

研究人员利用 1,000 多名参与者的回答，测试了多种机器学习模型，以根据 40 个问题的标准评估来预测 DISC 性格类型。最成功的模型的准确率超过 93%，这表明人工智能可以可靠地复制传统的 DISC 分类。

该研究还探讨了问卷本身是否可以简化。通过确定评估中信息最丰富的问题，团队表明，较短的版本仍然可以产生高度可靠的结果。

仅使用 10 个精心挑选的问题的模型就保持了超过 91% 的准确率，这表明 DISC 评估可以更快地进行，而不会失去太多的预测能力。

除了预测之外，研究人员还应用聚类技术来探索人们如何根据行为特征自然地分组在一起。分析揭示了四个与既定的 DISC 类别密切相关的清晰人格簇，同时也强调了行为风格之间微妙的重叠。

研究负责人、UEL 计算机科学和数字技术副教授 Mohammad Hossein Amirhosseini 博士表示，研究结果表明现代数据科学如何在不失去实用价值的情况下加强现有的心理工具。

“DISC 长期以来在工作场所受到重视，因为它简单且易于应用，”他说。 “我们的研究表明，机器学习可以保留这种简单性，同时增加更深层次的洞察力，帮助组织更准确和灵活地理解行为模式。”

较短的评估还可以使性格分析更容易在时间有限的快速变化的专业环境中使用。

Amirhosseini 博士表示：“包含 10 个问题的评估工具仍然能够捕捉潜在的人格结构，这将使这些评估在招聘、领导力发展和团队建设等方面更加实用。”

该研究还表明，机器学习可以通过识别传统评分方法可能遗漏的混合或混合行为特征，帮助人格评估超越严格的类别。

随着组织越来越多地转向数据和人工智能来支持决策，此类方法可以帮助将性格评估带入一个更加灵活和基于证据的时代。

阿米尔霍赛尼博士补充道：“人类的性格很少能被整齐地归入一个盒子里。” “通过使用机器学习，我们可以更好地反映行为的复杂性，同时仍然保留使 DISC 得到如此广泛应用的清晰、实用的见解。”

一个：根据UEL数据，是的！通过使用机器学习来找到“最重要的问题”——最能揭示你的行为的问题——人工智能实现了91% 准确度。对于大多数工作场所环境来说，9% 的权衡完全值得节省 75% 的时间。

一个：这正是本研究强调的内容。传统的 DISC 评分通常会选择您的最高分并忽略其余部分。 Amirhosseini 博士的人工智能模型可以识别混合型材，承认人类的个性很少是“单一的盒子”，并且经常根据情况反映出不同风格的混合。

一个：目标不是剥夺人类的决策权，而是赋予管理者更好的数据。通过对候选人如何沟通或领导提供更细致、更灵活的视角，人工智能有助于确保人们被安排在最有可能发展的角色和团队中。