F或者我们中的许多人，找到“正确”的职业感觉像是一个不可能的壮举。我妹妹高中最后一年时，她参加了职业能力倾向测试。她的顶级职业？烟囱清扫工。幸运的是，我妹妹看来一切都很顺利。她现在正在接受工程师培训，但谁知道她是否会继续从事其他工作：今天的普通人会持有他们一生大约做12份工作。在任何时候，三分之一的员工都是如此不合格就他们目前的角色而言，四分之一的人资历过高。在全球范围内，绝大多数人感到空闲的在工作。停业错误的职业这似乎是一种非常常见的经历。
虽然职业测试可以有所帮助，但它们不是灵丹妙药。大多数人，就像我姐姐所做的那样，依赖于自我报告调查，这不仅耗时，而且也可能非常困难伪造．这些测试的结果是否有意义也是有争议的。例如，广受欢迎的迈尔斯-布里格斯类型指标(Myers-Briggs Type Indicator)一直是评论因为他提供了“对人类人格极其有限和简化的观点”。一个新的纸为不完美的职业测试提供了另一种选择:Twitter feed。研究人员将机器学习方法应用于Twitter数据，提供了他们所称的“21世纪的方法，将一个人的个性与相应的职业匹配起来。”Marian-Andrei Rizoiu他是悉尼科技大学(University of Technology in Sydney)的计算机科学讲师，也是这项研究的合著者之一。他说，“这项研究非常有趣，因为它采用了大数据方法来研究性格和职业。”
你的工作性格甚至会影响你的收入。
Rizoiu和他的同事分析了近13万推特用户的推文。通过识别用户语言的模式，研究人员能够捕捉到Rizoiu所说的个性档案——形成我们的特质和价值观的集合。他和同事们将这些个人资料与用户在Twitter个人简介中提到的职业进行了比较。这种联系是非常紧密的，以至于这些个人资料可以用来“预测”职业，准确率超过70%。“这意味着，”Rizoiu解释道，“如果你给我一份随机的个性档案，而没有任何其他信息，在四分之三的情况下，我们可以正确地猜出他们的职业。”
如果您深入研究这些数据，这些错误(应用程序出错的情况占四分之一)通常没有您想象的那么严重。Rizoiu说，很多错误发生在当应用程序混淆了同义职业时，如学校校长和主管，或涉及类似技能的工作，如数据科学家和软件工程师。
这项研究可能会对未来的求职者产生令人兴奋的影响。他说:“我认为这可以开辟……各种可能性。佩吉·克恩她是墨尔本大学(University of Melbourne)积极心理学中心(Center for Positive Psychology)的副教授，也是这项研究的主要作者。“我希望，它能让人们进行更多的探索，思考如何超越我们做出(职业)决定的典型方式。”
为了推荐职业，Kern和她的同事们的方法依赖于用户个性的两个方面:特质和价值观。她解释说，性格特征是一些常见的特征，比如外向或神经质。另一方面，价值观代表了我们真正关心的东西，比如帮助别人，尊重传统，或者取得成功。这两方面都是我们个性的核心，事实证明，这两方面都与我们在职业生涯中的感受和表现密切相关。
过去的研究将人格与一切联系起来可雇佣性和职业潜力到工作表现和职业成功．你的工作性格甚至会影响你的收入。在2017年的一次研究在近8500名员工中，性格适合自己职业的人更有可能多赚10%。人格的后果意义正得到越来越广泛的认识。去年,美国心理学家发表纸标题为“人格特征的政策相关性”。
找到合适的伴侣甚至会影响你的健康。科恩说:“如果我的工作符合我的价值观，它就会对我的幸福产生积极的影响。”通过使用数据做出真实而有意义的职业选择，我们在职业、经济甚至身体上都可能变得更好。
克恩认为，研究中使用的方法可以改进，帮助人们根据在线行为留下的数字痕迹，确定真正适合自己特点和价值观的职业选择。例如，人们可以利用自己的社交媒体数据来确定各种可能更适合、更充实的选择，而不是追求父母推荐的职业。
使用大数据，如本研究收集的大量推文，有助于发现难以识别的趋势。但这种方法也严重依赖于现状，不管是好是坏。他说：“我认为这篇论文完美地利用了我们现有的社交媒体数据，在这些数据中，你有一组来自不同地区的人们性格的海量数据。”Kiki Leutner他是伦敦大学学院(University College London)的商业心理学家和数据科学家，没有参与这项研究。“但是，当然，你只能看事情的现状。你可以看到外向的人更有可能在哪里工作，但不清楚这是否意味着外向的人更适合这些角色。这并不一定意味着人们的职业选择是正确的。”
目前还不清楚不同群体的Twitter用户在平台上的交流方式是否存在显著差异，也不清楚这是否会影响他们被推荐的职业选择。但如果种族、性别或年龄等人口统计学因素确实起作用，那么科恩和她的同事使用的机器学习方法可能最终会让工作场所现有的偏见继续存在。她说:“我最大的担忧之一是它可能会被滥用。”“我可以很容易地想象，一些企业会把它(作为)一种筛选员工的新方式……我认为那将相当危险。”
机器学习的好坏取决于它从中学习到的信息。因此，如果某个特定的少数群体在团队分析的数据中代表性不足，那么分析可能最终导致一些真正有偏见的结果。勒特纳对此表示同意。“如果你想在[员工]选择环境中使用它，你必须确保它非常可靠，”她说。“你真的必须证明拥有这些特质有利于在这个角色上的表现。”在研究人员知道这些数字人格特征是否真正代表了普通人群之前，这项技术应该仍然是一种探索性的工具，更多的是信息性而非规定性。
尽管如此，这项研究提供的可能性还是很诱人的，尤其是在现代职场中变成越来越多的自动化。“想想有多少一直存在的工作正在消失，”Kern说。随着越来越多的职业变得多余，员工的任务是寻找新的职业，数据驱动的建议可能非常有用。“这可以让人们在职业道路上不断学习，这非常重要，因为在整个21世纪，工作将继续发生不断的变化。”
职业选择可能很快就不再是偶然事件，而是更多地由数据决定。当我问科恩她是如何结束自己的职业生涯时，她笑了。“我从没想过自己会住在澳大利亚，做学术界的助理教授，”她耸耸肩说。“然而，这对我来说还是很适合的。我喜欢我的工作，但我觉得我是跌跌撞撞地进入它的。”
爱丽丝·弗莱奇(Alice Fleerackers)是一名自由撰稿人，也是西蒙·弗雷泽大学(Simon Fraser University)的博士生，她在该校研究有争议的科学是如何在数字领域传播的。在推特上找到她@羊毛球拍．
最新和最受欢迎的文章投递到您的收件箱!
