Quins enfocaments de detecció passiva de personalitat existeixen avui
El panorama de la detecció passiva abasta diverses modalitats diferents, cadascuna explotant un canal de comportament diferent. Trobaràs una introducció general útil als mètodes computacionals implicats a Wikipedia: Processament del llenguatge natural.
Anàlisi de llenguatge i text. La línia més madura de detecció passiva de personalitat utilitza el processament del llenguatge natural per inferir els trets Big Five del text escrit. Els investigadors han descobert que les característiques lèxiques (l'elecció de paraules, l'estructura de les frases, l'ús de llenguatge de cobertura, la freqüència dels pronoms en primera persona, el vocabulari emocional) estan associades de manera fiable amb els trets de personalitat. Una metaanàlisi del 2015 de Park et al. va trobar que les prediccions basades en el llenguatge dels trets Big Five assolien correlacions mitjanes amb les puntuacions d'autoinforme d'aproximadament 0,30 a 0,40 per a l'Extraversió i l'Obertura, i una mica menys per als trets restants. Aquestes correlacions són modestes però constants.
El servei IBM Personality Insights (posteriorment discontinuat) va ser una implementació comercial d'aquest enfocament, que utilitzava el marc LIWC (Linguistic Inquiry and Word Count) i l'aprenentatge profund per inferir perfils Big Five a partir de mostres de text escrit. Els usuaris podien enviar un bloc de text i rebre un perfil de personalitat a canvi. El rendiment tècnic estava aproximadament alineat amb els punts de referència acadèmics, però el servei va plantejar preguntes immediates sobre el que els usuaris entenien realment sobre el que s'estava inferint de les seves paraules.
Parla i característiques acústiques. La veu porta informació de personalitat de maneres que van més enllà de l'elecció de paraules. Els estudis han trobat que les característiques vocals (velocitat de parla, variabilitat del to, patrons de pausa, fluïdesa) estan associades amb les dimensions Big Five, particularment l'Extraversió i el Neuroticisme (Presència i Profunditat de Cèrcol). Els parlants d'alta Presència tendeixen a parlar més ràpid, amb menys pauses i major variació d'amplitud. Els parlants d'alta Profunditat mostren un to elevat i més disfluències en condicions d'estrès lleu.
La recerca de Mairesse et al. (2007) va examinar el rendiment del reconeixement de personalitat dels models acústics enfront dels models basats en text i va trobar que tots dos portaven informació independent. Els models combinats superaven qualsevol modalitat per separat, cosa que suggereix que els futurs sistemes multimodals podrien assolir una precisió significativament millor que els enfocaments actuals de canal únic.
Dinàmica de teclejat. La manera com escrius codifica informació de personalitat. La recerca sobre la dinàmica de teclejat examina els intervals entre tecles, les taxes d'error, el ritme de teclejat i el comportament de correcció. Un estudi d'Epp et al. (2011) va trobar que les característiques de teclejat podien predir les dimensions Big Five amb una precisió modesta però per sobre de l'atzar, amb els senyals més forts per a l'Extraversió i el Neuroticisme. La idea és que els patrons de teclejat habituals reflecteixen trets subjacents en el sistema motor: els tecladors impulsius poden mostrar perfils de temporització diferents dels metòdics.
Telèfons intel·ligents i detecció mòbil. Els telèfons intel·ligents generen fluxos continus de dades de comportament: patrons de localització, freqüència de trucades i missatges, ús d'aplicacions, durada de la pantalla activa, patrons de moviment. La recerca de Chittaranjan et al. (2013) va trobar que els registres d'ús de telèfons intel·ligents podien predir els trets Big Five amb correlacions de 0,22 a 0,38, amb la Conscienciositat millor predita pels patrons d'ús estructurats i el Neuroticisme per la freqüència de trucades i l'activitat telefònica nocturna. Aquests resultats s'assemblen, però encara no rivalitzen, amb la precisió dels instruments d'autoinforme validats. Per saber com la longitud tradicional de l'autoinforme afecta la qualitat de la mesura, consulta per què 120 ítems és millor que 10: longitud de les proves de personalitat.
El que la detecció passiva pot i no pot predir a escala individual
La imatge de la precisió de la detecció passiva és matisada. Les correlacions reportades en estudis acadèmics (típicament 0,20 a 0,40) són reals i replicables per a l'Extraversió i l'Obertura, que tenen signatures de comportament més clares. Per a la Conscienciositat, l'Amabilitat i el Neuroticisme, la precisió és menor i més variable entre els estudis.
Encara més important, aquestes correlacions són substancialment menors que les assolides pels mètodes explícits de qüestionari, que típicament mostren fiabilitats internes Big Five de 0,80 a 0,90 i correlacions test-retest de 0,75 a 0,85 en intervals més curts. La detecció passiva pot produir prediccions útils a escala de grup en contextos de recerca amb N gran, però a escala individual (el nivell que importa per a qualsevol avaluació d'una persona concreta) la incertesa és gran.
La distinció entre la predicció de grup i la individual és crucial i sovint s'omet en les presentacions populars i comercials d'aquesta tecnologia. Un model que assoleix r = 0,35 entre les característiques del llenguatge i l'Extraversió en una mostra de 10.000 persones no permet, per això, classificar amb precisió cap persona individual com a introvertida o extravertida. La distribució dels errors és àmplia. El model és correcte, de mitjana, però incorrecte per a molts individus concrets. Comprendre què significa "precisió" aquí està directament connectat amb els conceptes de fiabilitat i validesa en les proves de personalitat.
El problema de la inferència invisible: privadesa i consentiment en la detecció passiva
"El risc més significatiu de la detecció passiva de personalitat no és que funcioni bé: és que funciona prou bé per ser desplegada a escala abans que existeixin els marcs ètics per governar-la."
Quan completes un qüestionari de personalitat, saps que t'estan avaluant. Pots decidir què vols revelar. Pots triar no participar. Quan un sistema infereix la teva personalitat a partir dels teus patrons de teclejat, la teva veu o les teves publicacions a les xarxes socials, cap d'aquestes eleccions no està disponible per a tu tret que se t'hagi dit explícitament què està passant.
Aquesta asimetria crea un problema seriós de consentiment informat. El consentiment requerit per a la detecció passiva és més exigent que el requerit per als qüestionaris d'autoinforme, no menys, perquè la inferència és menys transparent, el subjecte és menys capaç d'entendre el que s'infereix i l'abast de la reutilització de dades és més ampli. Un conjunt de dades de publicacions a les xarxes socials recollides "amb finalitats de recerca" es pot reanalitzar per inferir dimensions de personalitat que no es van revelar als participants en el moment de la recollida de dades.
Els marcs reguladors, inclòs el RGPD a Europa, estan començant a posar-se al dia amb aquesta realitat. La inferència de personalitat a partir de dades de comportament pot constituir tractament de dades personals sobre característiques de personalitat, cosa que comporta proteccions específiques. Però els marcs reguladors típicament van endarrerits respecte a la tecnologia, i l'aplicació pràctica dels requisits de consentiment en sistemes que infereixen en lloc de preguntar continua sent en gran part irresolta. La base legal i ètica per a l'avaluació convencional de la personalitat en l'ocupació s'explora a proves de personalitat en la contractació: el que és legal i el que és ètic.
Biaix de les dades d'entrenament: per què la detecció passiva falla en grups subrepresentats
Els models de detecció passiva s'entrenen en conjunts de dades que reflecteixen les poblacions de les quals es van recollir. Si aquestes poblacions no són representatives, si les dades d'entrenament sobrerepresenten certes dades demogràfiques, idiomes o contextos culturals, els models resultants produiran prediccions esbiaixades per als grups subrepresentats.
L'evidència en aquest punt és preocupant. Els models de personalitat basats en text entrenats predominantment en dades de xarxes socials en anglès funcionen substancialment pitjor en text d'usuaris la primera llengua dels quals no és l'anglès, o que utilitzen la plataforma de maneres culturalment distintives. Els models acústics entrenats en parlants occidentals d'anglès no es transfereixen de manera fiable a altres grups d'idiomes i accents. El problema d'equitat en la detecció passiva no és un risc futur: és una realitat present en tots els sistemes que s'han avaluat en subgrups demogràfics.
Això importa per a les aplicacions en la contractació i els RRHH específicament. Un sistema de detecció passiva que subestima la Conscienciositat dels parlants no nadius perquè els seus patrons d'elecció de paraules no coincideixen amb la distribució d'entrenament no és només imprecís: és discriminatori en efecte, fins i tot si no ho és en intenció. Aquesta és una raó per la qual la crisi de replicació de la ciència de la personalitat importa: els investigadors que treballen en detecció passiva s'enfronten als mateixos problemes de validesa externa que han afectat la ciència psicològica en general.
Per què Cèrcol va triar el consentiment explícit en lloc de la inferència passiva
Cèrcol utilitza qüestionaris d'autoinforme i avaluació entre iguals de Testimonis, no detecció passiva. Cada participant sap el que s'avalua, per què i qui veurà els resultats. Aquesta no és una limitació tecnològica; és una elecció de disseny deliberada que reflecteix l'estat de l'evidència sobre la precisió de la detecció passiva i els requisits ètics per a un consentiment informat significatiu. La justificació completa per a l'anonimat en l'avaluació de la personalitat s'aplica igualment aquí: quan els participants controlen el que es recull i qui ho veu, les dades són alhora més ètiques i més precises.
La recerca de detecció passiva és científicament interessant i continuarà desenvolupant-se. Però la bretxa entre el que els sistemes actuals poden assolir a escala individual i el que es requeriria per a una inferència de personalitat precisa, justa i adequadament consentida a partir de dades passives és substancial. Els professionals que avaluen eines de detecció passiva haurien d'escrutar les afirmacions de precisió a escala individual, demanar dades de rendiment en subgrups demogràfics i insistir en la transparència sobre el que s'infereix i com.
| Modalitat de detecció | El que prediu | Precisió típica (r amb autoinforme) | Preocupació ètica principal |
|---|---|---|---|
| Llenguatge / text (NLP) | Extraversió, Obertura de manera més fiable | 0,30–0,40 per a E i O; menys per a altres | Inferència invisible; reutilització de dades |
| Parla / acústica | Extraversió, Neuroticisme | 0,20–0,35 | Recollida de dades ambient contínua |
| Dinàmica de teclejat | Extraversió, Neuroticisme | 0,15–0,30 | Desplegament encobert; vigilància en el lloc de treball |
| Registres d'ús del telèfon intel·ligent | Conscienciositat, Neuroticisme | 0,22–0,38 | Seguiment de localització i activitat |
| Interacció a les xarxes socials | Extraversió, Obertura | 0,25–0,40 | Extracció de perfils sense consentiment actiu |
Com Cèrcol encaixa en el futur de l'avaluació de la personalitat
A mesura que les eines d'inferència impulsades per IA es multipliquen, el valor de les avaluacions amb disseny transparent i basat en el consentiment augmentarà en lloc de disminuir. Cèrcol utilitza el conjunt d'ítems IPIP, de domini públic, revisat per experts i àmpliament validat, combinat amb valoracions anònimes entre iguals a través de l'instrument Testimoni. Això et proporciona la precisió d'un enfocament multiavaluador validat sense els compromisos de privadesa de la inferència passiva. La ciència darrere de Cèrcol es divulga completament, no és propietària. Si estàs avaluant eines d'avaluació de personalitat per al teu equip i vols entendre el que la tecnologia pot i no pot fer de manera responsable, l'avaluació gratuïta a cercol.team és un bon lloc per començar, tant com a punt de referència com com a exemple pràctic del que és realment una avaluació basada en evidències i respectuosa amb el consentiment.
Lectura addicional: Proves de personalitat en la contractació: el que és legal, el que és ètic · El que la ciència de la personalitat no pot predir
Lectura addicional
- Proves de personalitat: codi obert vs. comercial
- Per què 120 ítems és millor que 10: longitud de les proves de personalitat
- Anonimat en l'avaluació de la personalitat: per què importa
- Avaluació de resposta forçada: el que és i per què importa
- Ciència de la personalitat: RRHH basats en evidències — per què importa
- El que la ciència de la personalitat no pot predir