Stel je voor dat je afstudeert van de middelbare school, met de wereld voor je.

Maar nu moet je beslissen welke carrière je wilt nastreven. Je hoopt op een baan die de rekeningen betaalt, maar ook eentje waar je van zult genieten. Ten slotte, u zult een groot deel van uw wakkere uren op het werk doorbrengen.

Maar hoe kun je een betrouwbare keuze maken - verder dan waar je ouders misschien op aandringen, of waar je met je laatste jaarresultaten direct toegang toe krijgt.

Onze studie die vandaag is gepubliceerd in de Proceedings van de National Academy of Science ontdekte dat verschillende beroepen mensen aantrekken met zeer verschillende psychologische kenmerken.

Bij het zoeken naar een nieuwe carrière, u kunt een loopbaanadviseur bezoeken en een reeks vragen beantwoorden om uw interesses en sterke punten te identificeren. Deze resultaten worden gebruikt om u te matchen met een reeks potentiële beroepen.

Echter, deze methode is gebaseerd op lange enquêtes, en houdt geen rekening met het feit dat veel beroepen veranderen of verdwijnen naarmate technologie het werkgelegenheidslandschap verandert.

Zoeken naar werk in de 21e eeuw

We vroegen ons af of we een datagedreven aanpak konden ontwikkelen om een ​​persoon te matchen met een passend beroep, op basis van psychologische sporen die ze online onthullen.

Studies hebben aangetoond dat mensen sporen van zichzelf achterlaten door de taal die ze online plaatsen en hun online gedrag.

Kunnen we dit analyseren om erachter te komen in hoeverre mensen die hetzelfde werk doen dezelfde persoonlijkheidskenmerken delen?

In ons onderzoek, we identificeerden meer dan 100, 000 Twitter-gebruikers, waarvan elk een van de 3, 513 functietitels in hun gebruikersprofiel.

Vervolgens, met behulp van een tool die beschikbaar is via IBM's cloudgebaseerde kunstmatige intelligentie-engine Watson, en zijn Personality Insights-service, we gaven elk profiel een score op tien persoonlijkheidskenmerken, op basis van de taal in hun berichten.

We gebruikten verschillende technieken voor data-analyse en machine learning om de persoonlijkheid van elk van de beroepen te onderzoeken.

Bijvoorbeeld, om de "roepingskompaskaart" te maken, gebruikten we een niet-gesuperviseerd algoritme voor machinaal leren om beroepspersoonlijkheidsgegevens te clusteren in twintig verschillende clusters, het groeperen van de beroepen die qua persoonlijkheid het meest op elkaar leken.

Een beroepskaart

Lange tijd werd gedacht dat werk meer voldoening geeft als het past bij wie we zijn als persoon, in termen van onze persoonlijkheid, waarden, en interesses.

Onze resultaten bevestigden dit, en we ontdekten dat verschillende beroepen vaak heel verschillende persoonlijkheidsprofielen hadden.

Bijvoorbeeld, softwareprogrammeurs en wetenschappers stonden over het algemeen meer open voor het ervaren van een verscheidenheid aan nieuwe activiteiten, waren intellectueel nieuwsgierig, de neiging om in symbolen en abstracties te denken, en vond herhaling saai. Anderzijds, elitetennissers waren doorgaans gewetensvoller, georganiseerd en aangenaam.

Onze bevindingen wijzen op de mogelijkheid om gegevens die op sociale media worden gedeeld te gebruiken om een ​​persoon te matchen met een passende baan.

We gebruikten machine learning om meer dan duizend rollen te clusteren op basis van de afgeleide persoonlijkheidskenmerken van mensen in die rollen.

We ontdekten dat veel vergelijkbare banen konden worden gegroepeerd.

Bijvoorbeeld, één cluster omvatte verschillende technologische banen, zoals softwareprogrammering, webontwikkeling, en informatica. Een andere groep omvatte gymmanagement, logistieke coördinatie, en concertpromoties.

U kunt meer ontdekken met deze interactieve online kaart die we hebben gemaakt.

Echter, terwijl veel van de combinaties overeenkwamen met bestaande beroepsclassificaties (huidige formele groeperingen die overheden en andere organisaties gebruiken om banen samen te groeperen), sommige clusters bevatten rollen die traditioneel niet gegroepeerd waren.

Bijvoorbeeld, cartografen, graanboeren en geologen kwamen uiteindelijk bij elkaar en deelden vergelijkbare persoonlijkheidskenmerken met veel van de technologieprofessionals.

Een datagedreven roepingskompas

Met onze resultaten, we verkenden het idee om een ​​datagestuurd roepingskompas te bouwen:een aanbevelingssysteem dat de beste carrière zou kunnen vinden die bij iemands persoonlijkheid past.

We hebben een systeem gebouwd dat een beroep kan aanbevelen dat is afgestemd op de persoonlijkheidskenmerken van mensen met een nauwkeurigheid van meer dan 70 procent.

Zelfs toen ons systeem verkeerd was, het was niet ver weg, en wees op beroepen met zeer vergelijkbare vaardigheden. Bijvoorbeeld, het zou kunnen suggereren dat een dichter een fictief schrijver wordt.

Beroepen veranderen snel door automatisering en technologische doorbraken. En in onze verbonden, digitale wereld, we laten sporen van onszelf achter. Ons werk heeft een manier geboden om deze sporen op een productieve manier te gebruiken.

Deze aanpak kan ooit worden gebruikt om mensen te helpen hun droomcarrière te vinden, of op zijn minst, better our understanding of the hidden personality dimensions of different roles.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.