Recruiter, Karrierecoaches und Trainingsmanager profitieren von Ihrem KOSTENLOSEN vollständigen Bewertungsbericht: Talentoday Plus. Kontaktieren Sie uns.

Unsere Wissenschaft

Wir kombinieren die Wissenschaft von Psychometrie-Fragebögen mit den leistungsfähigen Algorithmen des maschinellen Lernen, um klluge Beschäftigungsentscheidungen anzutreiben.

Predictive professional behaviors

Was ist ein Target Profile?

Wenn künstliche Intelligenz auf Psychometrie trifft

Das Ziel unseres Ansatzes ist es, die neuesten Innovationen bei den Algorithmen für maschinelles Lernen zu verwenden, um die Psychologie einer Gruppe von Einzelpersonen dank der Daten von Talentoday besser zu bestimmen. Der beaufsichtigte Ansatz an das maschinelle Lernen ermöglicht es uns, wenn er mit genauen und zuverlässigen Daten durchgeführt wird, die Punktewolken mit denen die Soft-Skills (zwischenmenschliche Kompetenzen) von Personen beschrieben werden, genau zu unterscheiden. Wenn ein Experte die Ergebnisse ins rechte Licht rückt, erweist sich die Analyse als sehr relevant.

Verstehen, was ein Team einzigartig macht

Der mYti-Fragebogen verwendet ipsative oder "erzwungene-Wahl"-Fragen: Benutzer werden gebeten, je nach ihren persönlichen Vorlieben zwischen zwei Optionen zu wählen. Dieses Fragebogenformat minimiert den Bias durch die soziale Erwünschtheit, weil es keine "richtige Antwort" gibt. Die Ergebnisse spiegeln genau die Besonderheiten jedes Einzelnen.

Wissenschaftliche Validierung

Algorithmusleistungen bewerten

Die Bewertung unserer Werkzeuge ist ein wesentlicher Bestandteil unseres wissenschaftlichen Ansatzes. Wir verfolgen eine Methodik, die eine Selbstbewertung der Leistung unserer Algorithmen umfasst: nachdem wir einem Algorithmus beigebracht haben, auf Grundlage ihrer Position oder ihres Unternehmens zwischen Personen zu unterscheiden, testen wir diese Unterscheidungsfähigkeit und berechnen die Zuverlässigkeitsquote.

Interpretation der Ergebnisse

Unsere Algorithmen ermöglichen es uns nicht nur, das Zugehörigkeitsgefühl einer Person zu einer Gruppe (Unternehmen oder Position) zu würdigen, sondern auch, die Gruppe selbst zu analysieren. Tatsächlich können wir die Struktur der psychometrischen Daten, die eine Gruppe von Einzelpersonen definiert, analysieren, d. h. die psychologischen Eigenschaften, die diese Gruppe definieren.

Das Diagramm unten entspricht einem Algorithmus mit einem hohen Zuverlässigkeitsgrad und zeigt ein sehr gutes Vorhersageergebnis und die zugehörige Fläche unter der ROC-Kurve (AUC).

Die Fläche unter der ROC-Kurve repräsentiert die Fähigkeit unseres Algorithmus, zwischen Personen zu unterscheiden, die zu einer bestimmten Gruppe gehören oder nicht. Eine Fläche von 50 bedeutet, dass unser Algorithmus Vorhersagen nicht besser als nach dem Zufallsprinzip machen kann. Auf der anderen Seite bedeutet eine Fläche von 100 eine perfekte Vorhersage: keine falschpositiven Ergebnisse (etwas scheint positiv zu sein, ist aber tatsächlich negativ) und keine falschnegativen Ergebnisse (etwas scheint negativ, aber ist tatsächlich positiv). Die Fläche unter der ROC-Kurve kann nie weniger als 50 sein.

Eine Genauigkeit von 95 % bedeutet hier, dass der Algorithmus in der Lage ist, Angehörige einer Referenzgruppe (beispielsweise ein Unternehmen) innerhalb von neuen Daten in 95 % der Fälle zu erkennen.

Das Diagramm unten entspricht einem Algorithmus mit schlechter Leistung - es ist schwierig, die konstanten Verhaltensweisen zu identifizieren. Ein zufälliger Kandidat wird nicht deutlich von einem Kandidaten, der zur Referenzgruppe gehört, unterschieden.

Algorithmus-Ergebnisse

Tests an einem repräsentativen Querschnitt

Um die Genauigkeit unserer Algorithmen zu messen, haben wir unter verschiedenen vorgegebenen Gruppen innerhalb unserer Mitgliederbasis einen Querschnitt ermittelt. Um einen ausreichend großen, repräsentativen Querschnitt zu erhalten, wurden diese Gruppen anhand verschiedener Kriterien ausgewählt: Unternehmensgröße, Nationalität und Branche.

Folgende Unternehmen wurden für diese Studie ausgewählt:

  • Spring France (Personalbeschaffungsfirma, Tochtergesellschaft des Adecco-Konzerns)
  • Total (CAC40 Französischer Konzern in der Erdölindustrie)
  • CNRS ("Centre National de Recherche Scientifique", französisches Institut für wissenschaftliche Forschung)
  • EHPAD ("Établissement d'Hébergement pour Personnes Âgées Dépendantes", eine französische Gesundheitseinrichtung für ältere Menschen)
  • McDonald's (amerikanisches Fast-Food-Unternehmen)
  • US Air Force (amerikanische militärische Organisation)

Wir haben auch Gruppen von Personen in ähnlichen Positionen bei anderen Unternehmen ausgewählt:

  • Software-Ingenieure bei Google, Facebook und IBM
  • Automobil-Ingenieure bei Tesla, Renault und PSA
  • Berater bei Ernst & Young, McKinsey und Total

Obwohl diese Personen bestimmte Aspekte gemeinsam haben (ähnliche Positionen), weisen sie auch signifikante Unterschiede auf (sehr unterschiedliche Unternehmenskulturen). Wir wählten dann eine Gruppe von 1.500 Personen nach dem Zufallsprinzip aus, um alle Übereinstimmungen ein zweites Mal zu bestätigen.

Klassifizierungsleistung

Der Klassifizierungsalgorithmus prognostiziert den Wahrscheinlichkeitsanteil einer Person, die in einer bestimmten Firma oder Position arbeitet (basierend auf ihren Persönlichkeits- und Motivationsergebnissen aus dem mYti-Fragebogen). Um den besten Klassifizierungsalgorithmus auszuwählen, haben wir verschiedene Algorithmen getestet und bewertet. Diese Auswahl beruhte auf drei Kriterien: Ausführungszeit, Prognoseergebnis und die Fläche unter der ROC-Kurve (AUC).

Probieren Sie unsere Prognosealgorithmen ohne Risiko!

Mit unserer Spitzentechnologie werden Sie an der Spitze der People Analytics stehen

Data science study