[論文レビュー] An Automated Compatibility Prediction Engine using DISC Theory Based Classification and Neural Networks

Chandrasekaran Anirudh Bhardwaj, Megha Mishra+1 more|arXiv (Cornell University)|Sep 2, 2017

Mental Health Research Topics参考文献 9被引用数 6

ひとこと要約

本論文は、性格分類にDISC理論を活用し、入社予定の従業員とそのマネージャーの心理的相性を予測するための自動化された相性予測エンジンを提案する。モデルは定義されたデータパイプラインを介して性格属性を処理し、正確な相性インデックス化のための適応的学習を実現する。組織的環境におけるプロトタイプ実装による検証が行われた。

ABSTRACT

Traditionally psychometric tests were used for profiling incoming workers. These methods use DISC profiling method to classify people into distinct personality types, which are further used to predict if a person may be a possible fit to the organizational culture. This concept is taken further by introducing a novel technique to predict if a particular pair of an incoming worker and the manager being assigned are compatible at a psychological scale. This is done using multilayer perceptron neural network which can be adaptively trained to showcase the true nature of the compatibility index. The proposed prototype model is used to quantify the relevant attributes, use them to train the prediction engine, and to define the data pipeline required for it.

研究の動機と目的

• 性格プロファイリングを用いて、従業員とマネージャーの心理的相性を自動で予測するシステムを開発すること。
• 組織的文脈において個々の性格タイプを分類する基盤としてDISC理論を統合すること。
• 性格属性に基づいて相性を定量化するトレーニング可能なニューラルネットワークモデルを設計すること。
• 性格および相性データの収集、処理、トレーニングを支援するスケーラブルなデータパイプラインを構築すること。

提案手法

• 個人の性格的特徴は、DISC理論フレームワークを用いて分類され、4つのタイプのいずれかに割り当てられる：支配性（Dominance）、影響力（Influence）、安定性（Steadiness）、順守性（Compliance）。
• 性格プロファイルは、機械学習モデルへの入力として使用可能な行動的次元を表す数値特徴ベクトルにエンコードされる。
• ラベル付きの相性データに基づいて、多層パーセプトロン（MLP）ニューラルネットワークがトレーニングされ、性格プロファイルと相性結果のマッピングを学習する。
• 誤差を最小化するための誤差逆伝播法を用いて、予測誤差を低減し、時間の経過とともに精度を向上させる適応的トレーニングが実施される。
• 実世界への展開を目的として、データ収集、前処理、モデルトレーニングを標準化するためのデータパイプラインが定義される。
• プロトタイプ実装を通じて、模擬的な組織的環境でのシステムの検証が行われ、実現可能性とパフォーマンスが示された。

実験結果

リサーチクエスチョン

• RQ1 DISCに基づく性格分類は、組織的相性予測のための個々の行動的特徴を効果的に表現できるか？
• RQ2 多層パーセプトロン（MLP）ニューラルネットワークは、性格プロファイルに基づいて従業員とマネージャーの相性をどれほど正確に予測できるか？
• RQ3 適応的トレーニングは、相性予測モデルのパフォーマンスおよび一般化能力にどのような影響を与えるか？
• RQ4 HRシステムにおいてリアルタイムまたはバッチ処理での相性予測を支援するためのスケーラブルなデータパイプラインは、どのように設計できるか？

主な発見

• 提案されたモデルは、ニューラルネットワーク処理に適した数値特徴にDISC性格タイプを効果的にマッピングできた。
• 多層パーセプトロンは、ラベル付きトレーニングデータから相性のパターンを効果的に学習した。
• 誤差逆伝播法による適応的トレーニングにより、繰り返しの反復処理を通じてモデルの精度が向上した。
• プロトタイプ実装により、DISC理論とニューラルネットワークを組み合わせた組織的相性予測の実現可能性が確認された。
• 定義されたデータパイプラインにより、一貫性のあるデータ処理が可能となり、予測エンジンの再現可能性とスケーラビリティが支援された。
• ICRTESM-2017でのプロトタイプによる検証および国際的工学・技術・科学・研究誌への掲載を通じて、システムは測定可能なパフォーマンスを達成した。