• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Artificiell intelligens kan snart kunna analysera dina tweets för att matcha dig till ett jobb

    Tennisproffs som Maria Sharapova (bilden) delar liknande personlighetsdrag till sina kamrater och rivaler inom tennis, men dessa egenskaper skiljer sig helt från de inom andra yrken som teknik eller vetenskap. Upphovsman:johanlb/flickr, CC BY-SA

    Tänk dig själv att ta examen från gymnasiet, med världen framför dig.

    Men nu måste du bestämma vilken karriär du vill driva. Du hoppas på ett jobb som kommer att betala räkningarna, men också en du kommer att njuta av. Trots allt, du kommer att spendera en stor del av dina vakna timmar på jobbet.

    Men hur kan du göra ett pålitligt val - utöver vad dina föräldrar kan driva på, eller vad ditt sista års resultat kommer att ge dig direkt inträde i.

    Vår studie publiceras idag i Proceedings of the National Academy of Science funnit olika yrken lockar människor med mycket olika psykologiska egenskaper.

    När du letar efter en ny karriär, du kan besöka en karriärrådgivare och svara på en rad frågor för att identifiera dina intressen och styrkor. Dessa resultat används för att matcha dig med en uppsättning potentiella yrken.

    Dock, denna metod bygger på långa undersökningar, och tar inte med det faktum att många yrken förändras eller försvinner när tekniken förvandlar sysselsättningslandskapet.

    2000 -talets jobbsökning

    Vi undrade om vi kunde utveckla en datadriven strategi för att matcha en person med ett lämpligt yrke, baserat på psykologiska spår de avslöjar online.

    Studier har visat att människor lämnar spår av sig själva genom det språk de lägger ut online och deras beteenden online.

    Kan vi analysera detta för att ta reda på i vilken utsträckning människor som utför samma jobb delade samma personlighetsdrag?

    Människor som tillhör olika yrken har i allmänhet tydliga personlighetsdrag. Denna figur visar de digitala fingeravtrycken på 1, 200 individer inom nio yrken. Varje punkt motsvarar en användare-med människor grupperade. Inom sitt självidentifierade yrke. Upphovsman:Paul X. McCarthy

    I vår forskning, vi identifierade mer än 100, 000 Twitter -användare, var och en inkluderade en av tre, 513 jobbtitlar i sin användarprofil.

    Sedan, med hjälp av ett verktyg tillgängligt via IBMs molnbaserade artificiella intelligensmotor Watson, och dess Personality Insights -tjänst, vi gav varje profil en poäng över tio personlighetsrelaterade egenskaper, baserat på språket i deras inlägg.

    Vi använde en mängd olika dataanalyser och maskininlärningstekniker för att utforska personligheten för alla yrken.

    Till exempel, för att skapa "kallkompasskartan" använde vi en algoritm för maskininlärning utan övervakning för att gruppera yrkespersonlighetsdata i tjugo olika kluster, gruppera de yrken som var mest lika personlighetsmässigt.

    En yrkeskarta

    Arbete har länge ansetts vara mer tillfredsställande om det passar den vi är som person, när det gäller vår personlighet, värden, och intressen.

    Våra resultat bekräftade detta, och vi fann att olika yrken tenderade att ha väldigt olika personlighetsprofiler.

    Till exempel, mjukvaruprogrammerare och forskare var i allmänhet mer öppna för att uppleva en mängd nya aktiviteter, var intellektuellt nyfikna, tenderade att tänka i symboler och abstraktioner, och tyckte att repetition var tråkig. Å andra sidan, elittennisspelare tenderade att vara mer samvetsgranna, organiserad och trevlig.

    Våra resultat pekar på möjligheten att använda data som delas på sociala medier för att matcha en individ till ett lämpligt jobb.

    Vi använde maskininlärning för att samla mer än tusen roller baserat på de dragna personlighetsdragen hos människor i dessa roller.

    Vocations Map vi skapade har kluster baserade på de förutsagda personligheterna 101, 152 Twitter -användare, över 1, 227 yrken. Upphovsman:Marian-Andrei Rizoiu

    Vi fann att många liknande jobb kunde grupperas ihop.

    Till exempel, ett kluster inkluderade olika teknikjobb som programvaruprogrammering, webbutveckling, och datavetenskap. En annan grupp inkluderade gymhantering, logistisk samordning, och konsertkampanjer.

    Du kan utforska mer med denna interaktiva onlinekarta som vi gjorde.

    Dock, medan många av kombinationerna överensstämmer med befintliga yrkesklassificerare (nuvarande formella grupperingar som regeringar och andra organisationer använder för att gruppera jobb tillsammans), vissa kluster innehöll roller som inte traditionellt grupperats ihop.

    Till exempel, kartografer, spannmålsbönder och geologer hamnade grupperade tillsammans och delade liknande personlighetsdrag för många av teknikerna.

    En datadriven yrkeskompass

    Med våra resultat, vi undersökte tanken på att bygga en datadriven kallkompass:ett rekommendationssystem som skulle kunna hitta den bästa karriären som passar någons personlighet.

    Vi byggde ett system som kan rekommendera ett yrke anpassat till människors personlighetsdrag med över 70 procents noggrannhet.

    Även när vårt system var fel, det var inte långt borta, och pekade på yrken med mycket liknande färdigheter. Till exempel, det kan tyda på att en poet blir en fiktiv författare.

    Yrken förändras snabbt på grund av automatisering och tekniska genombrott. Och i våra anslutna, digital värld, Vi lämnar spår efter oss själva. Vårt arbete har erbjudit ett sätt att använda dessa spår på ett produktivt sätt.

    This approach may one day be used to help people find their dream career, eller åtminstone better our understanding of the hidden personality dimensions of different roles.

    Denna artikel publiceras från The Conversation under en Creative Commons -licens. Läs originalartikeln.




    © Vetenskap https://sv.scienceaq.com