Viabilidade da realidade virtual e aprendizado de máquina para avaliar traços de personalidade em um ambiente organizacional

Introdução A personalidade desempenha um papel crucial na forma como um indivíduo interage com o mundo. Os cinco grandes traços de personalidade são estruturas amplamente utilizadas que ajudam a descrever os comportamentos psicológicos das pessoas. Esses traços preveem como os indivíduos se comportam em um ambiente organizacional. Métodos Neste artigo, apresentamos uma estratégia de realidade virtual (RV) para pontuar relativamente a personalidade de um indivíduo a fim de avaliar a viabilidade de prever traços de personalidade a partir de medidas implícitas capturadas de usuários interagindo em simulações de RV de diferentes situações organizacionais. Especificamente, padrões de rastreamento ocular e tomada de decisão foram usados para classificar indivíduos conforme seu nível em cada uma das cinco grandes dimensões utilizando métodos estatísticos de aprendizado de máquina (ML). O ambiente virtual foi projetado usando uma abordagem de design centrada em evidências. Resultados As dimensões foram avaliadas utilizando o inventário NEO-FFI. Um modelo de ML de floresta aleatória forneceu 83% de precisão na previsão de agradabilidade. Um modelo de ML de k-vizinhos mais próximos forneceu 75%, 75% e 77% de precisão na previsão de abertura, neuroticismo e conscienciosidade, respectivamente. Um modelo de máquina de suporte vetorial forneceu 85% de precisão para prever extroversão. Essas análises indicaram que as dimensões poderiam ser diferenciadas por padrões de fixação ocular e comportamentos durante a RV imersiva. Discussão Medidas de rastreamento ocular contribuíram de maneira mais significativa para essa diferenciação do que as métricas comportamentais. Neste momento, obtivemos resultados promissores com nosso grupo de participantes, mas para garantir a robustez e a generalizabilidade de nossas descobertas, é imperativo replicar o estudo com uma amostra consideravelmente maior. Este estudo demonstra o potencial da RV e do ML para reconhecer traços de personalidade.