“大數據”預測員工的心理狀態(tài)

　　這是一個(gè)大數據時(shí)代，那么我們又能不能借用大數據預測員工的心理狀態(tài)呢?“大數據”預測員工的心理狀態(tài)是小編為大家帶來(lái)的，希望對大家有所幫助。

　　大數據”“神經(jīng)元學(xué)習”“人工智能”，這些新潮的名詞在我們生活中出現的頻率越來(lái)越高，尤其是“阿法狗”和李世石的世紀大戰，更是把前沿科學(xué)結晶帶入我們的認知當中。也許有些人會(huì )提出質(zhì)疑：這對我們的生活來(lái)說(shuō)，意義何在?不久前，谷歌采用了新的神經(jīng)網(wǎng)絡(luò )算法，來(lái)升級其核心產(chǎn)品——谷歌翻譯，從一定程度上回答了這個(gè)疑問(wèn)。

　　在培訓和管理領(lǐng)域，相似的顛覆性局面是否也會(huì )發(fā)生?新的技術(shù)、交互與呈現形式，是否會(huì )改變未來(lái)的培訓過(guò)程，顛覆管理的方法?基于我們多年來(lái)的人工智能培訓研究和實(shí)驗型項目，這樣的改變已經(jīng)在悄然發(fā)生。

　　數據建模

　　預測員工心理狀態(tài)趨勢

　　計算機自主學(xué)習的強大，在于無(wú)止盡地自我完善，具有無(wú)與倫比的適應性和自生長(cháng)性。事實(shí)上，人工智能看似神秘，其實(shí)充斥著(zhù)大量的數學(xué)計算的研究過(guò)程。在人才發(fā)展方面，人工智能可以幫助我們預測員工的心理狀態(tài)趨勢，從而激發(fā)員工的熱情。

　　我們曾啟動(dòng)了管理環(huán)境對人類(lèi)心理的影響研究，旨在尋找那些激發(fā)員工工作熱情的最佳管理環(huán)境方面的實(shí)踐。目前已積累了3414個(gè)管理環(huán)境樣本，并針對每個(gè)樣本持續采集了約5年的員工心理及行為數據，調研不同企業(yè)所采取的管理戰略以及具體的執行方案。通過(guò)運用人工智能，我們進(jìn)行了大量的建模和驗證工作，發(fā)現不同的管理方式下的員工心理狀態(tài)變化趨勢，尤其是工作動(dòng)機，在一定程度上都是可預測的。

　　事實(shí)上，在分類(lèi)或趨勢預測的背后，是龐大的數據演算，建模和預測的過(guò)程包含了繁復的統計過(guò)程，包括描述統計與推斷統計。

　　借助“員工激勵與動(dòng)機管理”沙盤(pán)可以預測并反饋員工的心理及行為變化

　　與此同時(shí)，“預測”這一點(diǎn)對于人工智能應用而言很重要。因此，我們設計了沙盤(pán)工具“員工激勵與動(dòng)機管理”——既然動(dòng)機和行為是可預測的，那么就可以通過(guò)計算機模擬，用物理形式呈現在人們眼前。

　　通過(guò)人工智能將各種管理環(huán)境中發(fā)生的事件融入其中，沙盤(pán)能夠圍繞動(dòng)機水平高低、績(jì)效程度好壞兩個(gè)維度，對虛擬的企業(yè)員工進(jìn)行分類(lèi)，并讓沙盤(pán)參與者針對各類(lèi)管理事件作出虛擬的處理選擇。根據學(xué)員的選擇，計算機可以預測并反饋其心理及行為的變化。這種運用了人工智能的沙盤(pán)工具，其預測準確性高達84%，置信水平0.95。這就意味著(zhù)，如果一個(gè)參與者做了決策后，沙盤(pán)將能準確地預言各類(lèi)員工的心理及行為變化趨勢。

　　運用人工智能進(jìn)行“無(wú)責任的”開(kāi)放式推演，在培訓過(guò)程中能允許參與者不斷試錯。學(xué)員根據自身的管理環(huán)境，可以實(shí)驗出合適的管理方法，并對培訓中所獲得知識進(jìn)行實(shí)時(shí)驗證。

　　技術(shù)迭代展開(kāi)更高效的自主學(xué)習

　　隨著(zhù)90后員工踏上工作舞臺，打破了傳統的人工智能數據建模思路和方法。之前的模型設計思路通常是建立一個(gè)個(gè)假設，比如，正向激勵與負向激勵的抵消性、個(gè)人得失與他人得失的對比性、個(gè)人得失與環(huán)境公平性關(guān)系等。在此基礎上，通過(guò)數據集的分類(lèi)統計來(lái)驗證假設的科學(xué)性，同時(shí)，調整參數來(lái)觀(guān)察預測的可靠性。但是新的數據集所具備的'特點(diǎn)，極大地顛覆了先前的結果，尋找新的解決方案迫在眉睫。

　　此時(shí)，基于神經(jīng)網(wǎng)絡(luò )的計算機自學(xué)習技術(shù)，即神經(jīng)元自學(xué)習，是一個(gè)不錯的解決方案。相比以前的人工智能培訓工具，神經(jīng)元自學(xué)習更為繁雜。為了讓計算機高效地自主學(xué)習、識別行為模式，我們需要將調研結果解構成更基本的參數“告訴”計算機，從而得出對應的結果。

　　“員工激勵與動(dòng)機管理”沙盤(pán)

　　虛擬人物的前后左右移動(dòng)，代表他們動(dòng)機或績(jì)效的趨勢性變化

　　展開(kāi)神經(jīng)元自學(xué)習具有一個(gè)明顯的優(yōu)點(diǎn)，每當調研和統計結果有所更新，計算機就會(huì )自動(dòng)對這些數據進(jìn)行新的學(xué)習，對模型進(jìn)行修正。這個(gè)過(guò)程是動(dòng)態(tài)的，不需要人為干預。而且，當計算機再次遇到一個(gè)新世代富有特色的信息集合，甚至可能自主地推翻之前的模型設計，重新構建新的統計描述方式。

　　神經(jīng)元學(xué)習不僅節省了時(shí)間和精力，更能為沙盤(pán)推演參與者提供更深入的信息——通過(guò)選擇處理事件，能夠歸納出參與者的管理風(fēng)格傾向性。這是傳統培訓和沙盤(pán)工具做不到的。

　　超越培訓為管理帶來(lái)新思路

　　作為培訓產(chǎn)品來(lái)說(shuō)，人工智能培訓工具已經(jīng)足以彰顯其魅力，它允許學(xué)員在虛擬環(huán)境中試錯，讓工作效率得以改進(jìn)。我們認為，它更重要的意義在于，對現實(shí)世界的指導。

　　以我們的沙盤(pán)工具為例，一個(gè)實(shí)際使用者能從這個(gè)工具中得到許多培訓之外的有價(jià)值的信息。他可以在遇到“員工要求加薪”“員工消極怠工”“員工集體離職”“員工尋求晉升”“辦公室政治”等各種管理事件時(shí)，讓系統給出各種模擬的結果，評估各種行為的可行性，盡量做到趨利避害。這個(gè)工具超脫了培訓范疇的桎梏，真正在工作中產(chǎn)生價(jià)值。

　　我們一直在設想這樣一個(gè)場(chǎng)景：在不久的將來(lái)，通過(guò)調研以及人工智能自學(xué)習的方式，可以在更多領(lǐng)域給使用者提供全方位的建議，包括工作、家庭、子女教育、愛(ài)情、社交，以APP為載體，成為每個(gè)人的私人心理顧問(wèn)、人際關(guān)系顧問(wèn)，幫助人們觀(guān)察世界、預知周遭環(huán)境的變化。我們認為，未來(lái)應用人工智能進(jìn)行調研和實(shí)驗的方向之一，是在更大范圍內搜集、整理數據和信息，比如對中國“高領(lǐng)導力人群”的研究、關(guān)于職場(chǎng)人士的家庭及情感模式研究、關(guān)于人才選拔實(shí)踐研究等。

　　我們熱衷于這樣天馬行空的幻想，并一直在進(jìn)行多樣性的人工智能?chē)L試。其探索過(guò)程本身，就著(zhù)實(shí)令人著(zhù)迷。我們堅持一個(gè)原則，始終不曾改變：創(chuàng )新，或淪為看客。

【“大數據”預測員工的心理狀態(tài)】相關(guān)文章：

考試中常出現的3大心理狀態(tài)12-01

工作狀態(tài)的心理小測試06-25

當前兒童的心理狀態(tài)及其教育11-02

當前兒童的心理狀態(tài)及教育07-21

當前兒童的心理狀態(tài)和教育07-21

當今兒童的心理狀態(tài)研究07-08

培養良好的考試心理狀態(tài)的方法12-13

高考前怎么調整心理狀態(tài)11-14

考試前怎么調整心理狀態(tài)10-11