Fremtiden for personlighedsvurdering: AI, tale og passiv registrering

Personlighedsspørgeskemaer fungerer ved at bede folk om at beskrive sig selv. Du læser en udtalelse — "Jeg er sjælen i selskabet" — og angiver, hvor præcist den beskriver dig på en nummereret skala. Metoden er enkel, pålidelig og understøttet af årtiers forskning. Den er dog også i sagens natur begrænset af en grundlæggende asymmetri: vurderingen afhænger fuldstændigt af, hvad du vælger at sige om dig selv.

Et voksende forskningskorpus udforsker en anden tilgang. I stedet for at bede folk om at beskrive deres personlighed forsøger passive registreringssystemer at udlede personlighed fra, hvordan folk opfører sig — hvordan de skriver, hvordan de taler, hvilket sprog de bruger i deres beskeder og opslag, hvordan de bevæger sig i fysiske rum. Disse tilgange kræver ikke bevidst selvrefleksion. De drager slutninger fra rester af hverdagslig adfærd.

Dette skift har enorm betydning for etikken i personlighedsvurdering. Når slutning bliver usynlig, bliver samtykke vigtigere, ikke mindre. Og spørgsmålene om nøjagtighed, retfærdighed og passende brug bliver presserende på en måde, som de ikke var, da vurderingen krævede din aktive deltagelse. For kontekst om de nuværende bedste praksisser, som disse teknologier forstyrrer, se hvorfor personlighedsvidenskab hører hjemme i kernen af evidensbaseret HR.

Hvilke passive personlighedsregistreringstilgange findes der i dag

Det passive registreringslandskab spænder over flere forskellige modaliteter, der hver udnytter en anden adfærdskanal. En nyttig generel introduktion til de involverede beregningsmetoder er tilgængelig på Wikipedia: Naturlig sprogbehandling.

Sprog- og tekstanalyse. Den mest modne linje inden for passiv personlighedsregistrering trækker på naturlig sprogbehandling til at udlede Big Five-træk fra skreven tekst. Forskere har fundet, at leksikalske egenskaber — ordvalg, sætningsstruktur, brug af afstandstagningssprog, hyppighed af første persons pronomener, følelsesmæssigt ordforråd — pålideligt er forbundet med personlighedstræk. En metaanalyse fra 2015 af Park et al. fandt, at sprogbaserede forudsigelser af Big Five-træk opnåede gennemsnitlige korrelationer med selvrapportscorer på ca. .30 til .40 for Ekstraversion og Åbenhed, noget lavere for de resterende træk. Disse korrelationer er beskedne, men konsistente.

IBM's Personality Insights-tjeneste (efterfølgende afviklet) var en kommerciel implementering af denne tilgang, der brugte LIWC-rammen (Linguistic Inquiry and Word Count) og dyb læring til at udlede Big Five-profiler fra skriftlige tekstprøver. Brugere kunne indsende en tekstblok og modtage en personlighedsprofil til gengæld. Den tekniske ydeevne var omtrent på linje med akademiske benchmarks, men tjenesten rejste øjeblikkelige spørgsmål om, hvad brugerne faktisk forstod om, hvad der blev sluttet fra deres ord.

Tale og akustiske egenskaber. Stemme bærer personlighedsoplysninger på måder, der går ud over ordvalg. Studier har fundet, at vokale egenskaber — taletempo, tonehøjevariabilitet, pausemønstre, flydende tale — er forbundet med Big Five-dimensioner, særligt Ekstraversion og Neuroticisme (Cèrcols Tilstedeværelse og Dybde). Høj-Tilstedeværelse-talere har tendens til at tale hurtigere, med færre pauser og større amplitudevariation. Høj-Dybde-talere viser forhøjet tonehøje og mere dysfluenser under betingelser med mild stress.

Forskning af Mairesse et al. (2007) undersøgte personlighedsgenkendelsesydelsen af akustiske modeller versus tekstbaserede modeller og fandt, at begge bar uafhængige oplysninger. Kombinerede modeller overgik enhver modalitet alene, hvilket tyder på, at fremtidige multimodale systemer kunne opnå betydeligt bedre nøjagtighed end nuværende enkeltkanaltilgange.

Tastetryksydynamik. Hvordan du skriver koder personlighedsoplysninger. Tastetryksydynamikforskning undersøger inter-tast-intervaller, fejlrater, skriverytme og korrektionsadfærd. Et studie af Epp et al. (2011) fandt, at tastaturegenskaber kunne forudsige Big Five-dimensioner med beskeden men over-tilfældig nøjagtighed, med de stærkeste signaler for Ekstraversion og Neuroticisme. Ideen er, at sædvanlige tastemønstre afspejler underliggende træk i motorsystemet — impulsive skrivere kan vise forskellige tidsprofiler end metodiske.

Smartphones og mobil registrering. Smartphones genererer kontinuerlige strømme af adfærdsdata: lokationsmønstre, opkalds- og beskedhyppighed, app-brug, skærm-tændt-varighed, bevægelsesmønstre. Forskning af Chittaranjan et al. (2013) fandt, at smartphone-brugslogfiler kunne forudsige Big Five-træk med korrelationer på .22 til .38, med Samvittighedsfuldhed bedst forudsagt af strukturerede brugsmønstre og Neuroticisme af opkaldshyppighed og aftenstelefon­aktivitet. Disse resultater er parallelle med, men rivaliserer endnu ikke med, nøjagtigheden af validerede selvrapportinstrumenter. For hvordan traditionel selvrapportlængde påvirker målingskvaliteten, se hvorfor 120 elementer er bedre end 10: personlighedstestlængde.

Hvad passiv registrering kan og ikke kan forudsige på individuelt niveau

Nøjagtighedsbilledet for passiv registrering er nuanceret. De korrelationer, der rapporteres i akademiske studier — typisk .20 til .40 — er reelle og replikerbare for Ekstraversion og Åbenhed, som har klarere adfærdssignaturer. For Samvittighedsfuldhed, Venlighed og Neuroticisme er nøjagtigheden lavere og mere variabel på tværs af studier.

Vigtigere er det, at disse korrelationer er væsentligt lavere end dem, der opnås ved eksplicitte spørgeskemametoder, som typisk viser Big Five interne pålideligheder på .80 til .90 og test-retest-korrelationer på .75 til .85 over kortere intervaller. Passiv registrering kan producere brugbare forudsigelser på gruppeniveau i store N-forskningskontekster, men på individuelt niveau — det niveau, der betyder noget for enhver vurdering af en specifik person — er usikkerheden stor.

Skelnen mellem gruppe- og individuel forudsigelse er afgørende og ofte udelades i populære og kommercielle præsentationer af denne teknologi. En model, der opnår r = .35 mellem sprogegenskaber og Ekstraversion på tværs af en stikprøve på 10.000 personer, giver dig ikke mulighed for nøjagtigt at klassificere nogen individuel person som introverteret eller ekstroverteret. Fejlfordelingen er bred. Modellen er i gennemsnit korrekt, men forkert for mange specifikke individer. At forstå, hvad "nøjagtighed" betyder her, er direkte forbundet med begreberne pålidelighed og validitet i personlighedstest.

Det usynlige slutningsproblem: Privatliv og samtykke i passiv registrering

"Den mest betydningsfulde risiko ved passiv personlighedsregistrering er ikke, at den fungerer godt — det er, at den fungerer godt nok til at blive implementeret i stor skala, før de etiske rammer eksisterer til at regulere den."

Når du udfylder et personlighedsspørgeskema, ved du, at du bliver vurderet. Du kan beslutte, hvad du afslører. Du kan vælge ikke at deltage. Når et system udleder din personlighed fra dine tastemønstre, din stemme eller dine indlæg på sociale medier, er ingen af disse valgmuligheder tilgængelige for dig, medmindre du eksplicit er blevet fortalt, hvad der sker.

Denne asymmetri skaber et alvorligt problem med informeret samtykke. Det samtykke, der kræves til passiv registrering, er mere krævende end det, der kræves til selvrapportspørgeskemaer, ikke mindre — fordi slutningen er mindre gennemsigtig, emnet er mindre i stand til at forstå, hvad der sluttes, og omfanget af genbrug af data er bredere. Et datasæt af indlæg på sociale medier indsamlet "til forskningsformål" kan reanalyseres til at udlede personlighedsdimensioner, der ikke blev oplyst til deltagerne på tidspunktet for dataindsamling.

Regulatoriske rammer — herunder GDPR i Europa — begynder at indhente denne virkelighed. Personlighedsslutning fra adfærdsdata kan udgøre behandling af personoplysninger om personlighedskarakteristika, hvilket tiltrækker specifikke beskyttelser. Men regulatoriske rammer er typisk bagud i forhold til teknologi, og den praktiske håndhævelse af samtykkekrav i systemer, der slutter frem for spørger, forbliver i vid udstrækning uløst. Det juridiske og etiske grundlag for konventionel personlighedsvurdering i beskæftigelse udforskes i personlighedstest i ansættelse: hvad er lovligt og hvad er etisk.

Bias i træningsdata: Hvorfor passiv registrering fejler for underrepræsenterede grupper

Passive registreringsmodeller er trænet på datasæt, der afspejler de populationer, hvorfra de blev indsamlet. Hvis disse populationer ikke er repræsentative — hvis træningsdata overrepræsenterer visse demografier, sprog eller kulturelle kontekster — vil de resulterende modeller producere biased forudsigelser for underrepræsenterede grupper.

Evidensen på dette punkt er bekymrende. Tekstbaserede personlighedsmodeller, der primært er trænet på engelsksprogede sociale mediedata, klarer sig væsentligt dårligere på tekst fra brugere, hvis første sprog ikke er engelsk, eller som bruger platformen på kulturelt distinkte måder. Akustiske modeller trænet på vestlige engelsktalende overfører ikke pålideligt til andre sproggrupper og accentgrupper. Retfærdighedsproblemet i passiv registrering er ikke en fremtidig risiko — det er en nutidig realitet i hvert system, der er evalueret på tværs af demografiske undergrupper.

Dette er vigtigt for applikationer inden for ansættelse og HR specifikt. Et passivt registreringssystem, der undervurderer Samvittighedsfuldhed hos ikke-modersmålstalere, fordi deres ordvalgs­mønstre ikke matcher træningsfordelingen, er ikke kun unøjagtigt — det er diskriminerende i effekt, selvom det ikke er i hensigt. Dette er en grund til, at personlighedsvidenskabens replikationskrise er vigtig — forskere, der arbejder med passiv registrering, står over for de samme problemer med ekstern validitet, der har plaget psykologisk videnskab mere bredt.

Hvorfor Cèrcol valgte eksplicit samtykke frem for passiv slutning

Cèrcol bruger selvrapportspørgeskemaer og peer-vurdering fra Vidner — ikke passiv registrering. Hver deltager ved, hvad der vurderes, hvorfor og hvem der vil se resultaterne. Dette er ikke en teknologisk begrænsning; det er et bevidst designvalg, der afspejler evidensens tilstand om passiv registreringsnøjagtighed og de etiske krav til meningsfuldt informeret samtykke. Den fulde begrundelse for anonymitet i personlighedsvurdering gælder ligeledes her: når deltagerne kontrollerer, hvad der indsamles, og hvem der ser det, er dataene både mere etiske og mere nøjagtige.

Den passive registreringsforskning er videnskabeligt interessant og vil udvikle sig yderligere. Men kløften mellem, hvad nuværende systemer kan opnå på individuelt niveau, og hvad der ville kræves for en nøjagtig, fair og korrekt samtykkende personlighedsslutning fra passive data, er betydelig. Praktikere, der evaluerer passive registreringsværktøjer, bør granske nøjagtighedspåstande på individuelt niveau, bede om demografiske undergruppers ydeevnedata og insistere på gennemsigtighed om, hvad der sluttes og hvordan.

Hvordan Cèrcol passer ind i fremtiden for personlighedsvurdering

Efterhånden som AI-drevne slutningsværktøjer formerer sig, vil værdien af vurderinger med transparent, samtykkebaseret design øges frem for falde. Cèrcol bruger IPIP-elementpuljen — offentlig ejendom, fagfællebedømt og bredt valideret — kombineret med anonyme peer-vurderinger via Vidne-instrumentet. Dette giver dig nøjagtigheden af en valideret multi-vurderingstilgang uden privatlivskompromiserne ved passiv slutning. Videnskaben bag Cèrcol er fuldt oplyst, ikke proprietær. Hvis du evaluerer personlighedsvurderingsværktøjer til dit team og ønsker at forstå, hvad teknologien ansvarligt kan og ikke kan gøre, er den gratis vurdering på cercol.team et godt sted at starte — både som referencepunkt og som et konkret eksempel på, hvad samtykkeresp­ekterende, evidensbaseret vurdering faktisk ser ud i praksis.

Yderligere læsning: Personlighedstest i ansættelse: hvad er lovligt, hvad er etisk · Hvad personlighedsvidenskab ikke kan forudsige

Yderligere læsning

• Personlighedstest: open source vs. kommerciel
• Hvorfor 120 elementer er bedre end 10: personlighedstestlængde
• Anonymitet i personlighedsvurdering: hvorfor det er vigtigt
• Forced-choice vurdering: hvad det er og hvorfor det er vigtigt
• Personlighedsvidenskab: Evidensbaseret HR — hvorfor det er vigtigt
• Hvad personlighedsvidenskab ikke kan forudsige