Recrutadores, coaches de carreira e gerentes de treinamento se beneficiam do seu relatório de avaliação GRATUITO e completo: Talentoday Plus. Entre em contato conosco.

Nossa ciência

Nós unimos a ciência dos questionários psicométricos com poderosos algoritmos de machine learning para te conduzir a contratações inteligentes.

Predictive professional behaviors

O que é um Target Profile?

Quando a inteligência artificial se une à psicometria

O nosso objetivo é usar as mais recentes inovações em algoritmos de machine learning para melhor definir o padrão psicológico de um grupo de indivíduos, graças aos dados da Talentoday. Esta abordagem supervisionada do machine learning, quando se utilizam dados precisos e confiáveis, nos permitem diferenciar com precisão os acúmulos de dados que descrevem as soft skills (competêcias humanas) de cada um . Quando esta análise é vista pela perspectiva de um especialista ela se mostra muito relevante.

Compreendendo o que torma uma equipe única

O questionário mYti usa questões ipsative ou de "escolha forçada": é pedido que os usuários escolham entre duas opções com base nas suas preferências pessoais. Este tipo de questionário minimiza o desvio nas respostas devido ao desejo de ser aceito pois não existe "resposta certa". Os resultados refletem com precisão as características de cada indivíduo.

Validação científica

Avaliando a performance dos algoritmos

Avaliar nossas ferramentas é uma parte essencial da nossa abordagem científica. Nós seguimos uma metodologia que envolve a autoavaliação da performance dos nossos algoritmos: depois de ensinar um algoritmo a diferenciar indivíduos com base em seus cargos na empresa, nós testamos esta capacidade de diferenciação e calculamos a sua confiabilidade.

Interpretando os resultados

Nossos algoritmos não apenas nos permitem conhecer a sensação de pertencimento de uma pessoa ao grupo (empresa ou cargo), como também analisar o próprio grupo. Nós conseguimos, de fato, analisar a estrutura dos dados psicométricos que definem um grupo de indivíduos; em outras palavras, as características psicológicas que definem este grupo.

O gráfico abaixo corresponds a um algoritmo com um alto grau de confiabilidade, mostrando uma grande capacidade de previsão e uma boa área dentro da curva de ROC (AUC).

A área dentro da curva de ROC representa a habilidade do nosso algoritmo de distinguir entre indivíduos que pertencem ou não a um grupo específico. Uma área de 50 significa que o algoritmo tem a mesma capacidade de previsão que um palpite aleatório. Por outro lado, uma área de 100 significa uma previsão perfeita: sem falsos positivos e sem falsos negativos. A área dentro da curva de ROC nunca pode ser menor que 50.

Aqui, uma pecisão de 95 % significa que o algoritmo é capaz de detectar indivíduos que pertencem a um grupo de referência (uma empresa, por exemplo) a partir de novos dados em 95 % das vezes.

O gráfico abaixo corresponde a um algoritmo com baixa performance - com ele é difícil identificar aspectos invariáveis de comportamento. Um candidato aleatório não é muito diferenciado de um candidato que pertença a um grupo de referência.

Resultados de algoritmos

Testando uma amostra representativa

Para medir a prcisão dos nossos algoritmos, nós usamos diferentes grupos predeterminados como amostragem a partir da nossa base de membros base. Paraobter uma amostra grande e representativa o suficienerepresentative, estes grupos são selecionados com base em vários critérios: tamanho da empresa, nacionalidade e indústria.

As seguintes empresas foram selecionadas para este estudo:

  • Spring France (empresa de recrutamento, subsidiária do Grupo Adecco)
  • Total (Grupo francês CAC40 da indústria petroleira)
  • CNRS ("Centre National de Recherche Scientifique", Instituto Francês para Pesquisa Científica)
  • EHPAD ("Établissement d'Hébergement pour Personnes Âgées Dépendantes", um estabelecimento francês de saúde para idosos)
  • McDonald's (Companhia norte americana de fast food)
  • Força Aérea dos EUA (Organização militar norte americana)

Nós também selecionamos grupos de indivíduos em posições similares em diferentes companhias:

  • Engenheiros de Software no Google, Facebook e IBM
  • Engenheiros Automotivos na Tesla, Renault e PSA
  • Consultores na Ernst & Young, McKinsey e Total

Enquanto estes indivíduos têm certos aspectos em comum (posições similares), eles também apresentam diferenças significativas (culturas empresariais bem diferentes). Nós selecionamos, então, um grupo de 1.500 indivíduos aleatóriamente para confirmar os resultados obtidos.

Performance da classificação

Os algoritmos de classificação prevêem a porcentagem de chance de uma pessoa trabalhando em uma companhia e posição específicas (com base nos seus resultados de personalidade e motivações do questionário mYti). Para selecionar o melhor algoritmo de classificação, nós testamos e avaliamos diferentes algoritmos. Esta seleção foi baseada em três critérios de performance: tempo de execução, capacidade de previsão e área dentro da curva de ROC (AUC).

Experimente nossos algoritmos de previsão sem riscos!

Com nossa tecnologia de ponta você estará na dianteira do people analytics

Data science study