Key points are not available for this paper at this time.
Les analystes, les gestionnaires et les décideurs s'intéressent à l'analyse prédictive capable d'offrir une meilleure prévoyance. Il est généralement admis que dans les scénarios de prévision impliquant des politiques organisationnelles ou la prise de décision des consommateurs, les caractéristiques personnelles, y compris la personnalité, peuvent être un important prédicteur des résultats en aval. L'inclusion des caractéristiques de personnalité dans les modèles de prévision a été freinée par le fait que les mécanismes de mesure traditionnels sont souvent impraticables. La détection de la personnalité basée sur le texte a attiré l'attention en raison de la disponibilité publique des traces textuelles numériques, cependant, les modèles de pointe proposés par IBM, Google, Facebook et la recherche académique ne sont pas assez précis pour être utilisés pour des tâches de prévision du monde réel. Nous proposons une nouvelle approche de mesure de la personnalité basée sur le texte qui améliore la détection des dimensions de la personnalité de 10 à 20 points de pourcentage par rapport aux meilleures méthodes existantes développées dans l'industrie et le milieu académique. En utilisant des études de cas dans les domaines de la finance et de la santé, nous montrons que la détection de la personnalité basée sur le texte plus précise peut se traduire par des améliorations significatives dans des applications en aval telles que la prévision de la performance future des entreprises ou la prédiction des taux d'infection pendant une pandémie. Nos résultats ont des implications importantes pour les gestionnaires qui se concentrent sur l'activation, la production ou la consommation de l'analyse prédictive pour une agilité accrue dans la prise de décision.
Yang et al. (Mon,) ont étudié cette question.