Seedlink人工智能如何预测员工与企业的匹配度
发布于2017年10月2日周一

研究背景

一家颇负盛名的工业气体公司希望通过找到一些符合企业文化的员工,以实现长期的商业成功。Seedlink曾与他们合作,建立了一套‘预测指标基准’以提升高质量人才选拔质量。

文化匹配度方法论

1.学术根基

Seedlink的“文化匹配预测模型“基于如下两个理论:

  • 人们会无意识地在所用的语言中透漏一些与行为表现相关的信息(Back, et al., 2010; Li, et al., 2014);
  • 在语言使用方面,候选人与组织中的优秀员工越相似表现越为相似,此候选人就越有可能与企业文化契合(Pennebaker & King, 1999; Eirinaki & Vazirgiannis, 2003).

Seedlink人工智能算法能够将语言与行为联系起来,并以此预测候选人与企业文化的契合程度、其未来表现。

为了建立企业的模型,这一算法需要以下两类数据:

  • 80-100份企业内部员工的语言数据样本,以及每位员工的行为标签数据。
  • 至少5000份的训练数据,需要包含人类的语言模式及其行为标签。

2.两种类型的数据,不同的重要性

Picture 1a. Language Space


Picture 1b. Language Space in graphic

如果我们将人类语言看作宇宙,训练数据视为银河,那么所选用的内部员工语言样本将可视为太阳系。想要在广袤无垠的宇宙中准确找到太阳系几乎是不可能的,但是如果我们知道银河系在哪里,找到太阳系就简单许多了。

类似的,我们必须保证内部员工数据能在相对封闭式训练数据内聚合(如图1所示),这样人工智能技术就能够识别出其中特定的行为模式,并这些行为模式与企业中高表现者的行为关联起来(De Fortuny et al., 2014; Gao, et al. 2013; Verhoeven & Daelemans, 2014)。

在这一场景中,我们必须使用同样的问题来收集带标签的语言与训练数据。最重要的是,训练数据必须包含最多行为标签以符合特定企业的选择。

推荐问题设置

文化匹配模型中的部分行为(胜任力):

  • 团队合作
  • 坚持原则
  • 逻辑与分析
  • 持续学习
  • 计划与组织
  • 结果导向
  • 应对挑战
  • 应对压力

Seedlink人工智能推荐使用下表中的前3个问题(见下表格),其中的训练数据已经包含了所有公司所选的行为标签。

常用问题


引用文献

  1. Back, M., Stopfer, J., Vazire, S., Gaddis, S., Schmukle, S., Egloff, B. & Gosling, S. (2010). Facebook Profiles Reflect Actual Personality, Not Self-Idealization. Psychological Science, 21(3).
  2. De Fortuny, E., De Smedt, T., Martens, D. & Daelemans, W. (2014). Evaluating and understanding text-based stock price prediction models. Information Processing and Management, 50(2) ,426-441.
  3. Eirinaki, M. & Vazirgiannis, M. (2003). Web mining for web personalization.
  4. Gao, R., Hao, B., Bai, S., Li, L., Li, A. & Zhu, T. (2013). Improving user profile with personality traits predicted from social media content. Conference on Recommender Systems.
  5. Li, L., Li, A., Hao, B., Guan, Z. & Zhu, T. (2014). Predicting active users’ personality based on micro-blogging behaviors.. PLOS ONE, 9(1) , e84997-e84997.
  6. Pennebaker, J. W., & King, L. A.(1999). Linguistic styles : Language use as an individual difference. Journal of Personality and Social Psychology, 77(6) ,1296-1312.
  7. Verhoeven, B. & Daelemans, W. (2014). CLiPS Stylometry Investigation (CSI) corpus: A Dutch corpus for the detection of age, gender, personality, sentiment and deception in text.
即刻与Seedlink取得联系!
您希望了解什么?
留下您的信息,
我们将为您安排一个免费产品演示