Persoonlijkheid blijkt al decennia lang een goede voorspeller van gedrag op het werk. En is bovendien stabiel over tijd. Persoonlijkheid wordt nu nog vaak via goed gevalideerde vragenlijsten gemeten, veelal gebaseerd op de Big Five persoonlijkheidsfactoren. Kandidaten ervaren dit echter vaak als een ‘black box’. Zijn er kapers op de kust?
Taalgebruik analyses
Technologie stimuleert veel nieuwe ontwikkelingen, ook in de assessmentwereld. Het bestuderen van micro-gezichtsexpressies in selectiesituaties is daar een voorbeeld van. Maar ook het doen van taalanalyses met behulp van Artificial Intelligence komt steeds meer naar voren. Er zijn verschillende studies gedaan naar het beoordelen van persoonlijkheid aan de hand van geschreven en gesproken taal. Taalgebruik verschilt per individu, is psychologisch rijk en stabiel en het correleert met persoonlijkheid.
Big data: Facebook
In een studie van Park en collega’s (Journal of Personality and Social Psychology, 2016) werd persoonlijkheid beoordeeld aan de hand van een taalanalyse in de sociale media. Het taalgebruik van 66.732 facebookgebruikers werd verzameld, evenals hun Big Five data (via een vragenlijst). Vervolgens is een voorspellend model gebouwd, gebaseerd op hun taalgebruik. Dit model is gebruikt om de Big Five persoonlijkheidsfactoren te voorspellen in een aparte steekproef van 4.824 facebookgebruikers. Uit de resultaten kan worden opgemaakt dat op taal gebaseerde assessments een valide persoonlijkheidsmaat zijn.
Een ander veelbelovend onderzoek is van Schwartz en collega’s (Personality, Gender, and Age in the Language of Social Media, 2014). Zij analyseerden 700 miljoen woorden, zinnen en onderwerpen uit facebookberichten van 75.000 vrijwilligers die ook standaard persoonlijkheidstests hadden ingevuld. Er zijn veel verschillen in taalgebruik gevonden die verband hielden met persoonlijkheid, geslacht en leeftijd.
Taalanalyses kunnen rijke beelden geven van het mentale leven dat is geassocieerd met persoonlijkheidstrekken. Deze Big Data benadering verdient verder onderzoek en kan traditionele methoden aanvullen.
De keerzijde
Net als vele onderzoeken in de sociale wetenschappen, zijn ook bovenstaande onderzoeken gevoelig voor sociale wenselijkheid. Taalgebruik is vaak afhankelijk van de context. Hier is deze context Facebook. Er is heel wat aan te merken op de facebookgebruikers: wie zit er op en hoe serieus is men? Is het niet voornamelijk ‘impressie management’? Als ik de persoonlijkheid van een kandidaat afleid van facebook-posts, hoe relevant is dat voor de context van mijn organisatie? Toch is de verwachting dat de grote steekproeven en beschikbaarheid van demografische informatie in social media ons dichter bij de werkelijkheid zal brengen.
Van Big naar Small data
Taalanalyses zijn met name interessant bij de voorselectie uit een zeer grote groep sollicitanten. Het wekt dan ook geen verbazing dat deze methode met name in grote landen zoals China en de VS snel opkomt. De prijs is relatief laag en het vergt geen inspanning van de kandidaat. De context waar de tekst vandaan wordt gehaald, is en blijft echter een nadeel. Maar na een dergelijke voorselectie (stap 1) uit een grote groep sollicitanten, kunt u verder onderzoek doen: naar de drijfveren, intelligentie-derailers, gedrag en waarden van de kandidaat. Dit gebeurt door online testen (stap 2), middels en interviews (stap 3), eventueel aangevuld door een assessment center (stap 4).
Als u zo als het ware de assessments stapelt, krijgt u niet alleen de beste kandidaten na iedere stap, maar bespaart u ook tijd en geld en verhoogt u de validiteit van het hele selectieproces. Maar het blijft mensenwerk. Het gaat immers om mensen en om de klik met de cultuur en context van de organisatie en het team. Het gaat uiteindelijk om ‘small data’.