Blog

Durchbruch in der automatischen Erfassung von Motiven

Apr 17, 2020 10:09:46 AM / by Simon Tschuertz

Automatische Sprachanalyse wird ja häufig kritisiert. Es sei nicht valide und bisher hat noch niemand nachgewiesen das es wirklich funktioniert. Bereits im September 2019 haben wir in einem Beitrag von Algorithmwatch (https://algorithmwatch.org/story/sprachanalyse-hr/) darüber berichtet an einer großen Validierung zu arbeiten, die den wissenschaftlichen Durchbruch markiert. Mit Stolz können wir nun die Ergebnisse präsentieren.

Dieser Beitrag zeigt das Vorgehen und unsere einzigartigen Ergebnisse auf.

Warum sind gerade Motive wichtig zu erfassen?

Motive sind wichtige interne Handlungsanleiter. Sie veranlassen einen Menschen, in eine bestimmte Richtung zu denken und sich auf eine bestimmte Weise zu verhalten. Sie drücken ein Streben aus: „Ich möchte gerne … sein“ oder „Ich wäre gerne …“. Generell werden drei Grundmotive unterschieden. Es sind die Motive nach Macht, Status und Führung, nach Leistung und Weiterentwicklung und nach harmonischen Beziehungen zu anderen Menschen.

Dabei besitzen Motive – anders als andere Persönlichkeitsmodelle wie den Big 5 – eine sehr hohe Vorhersagekraft menschlichen Verhaltens. Mit Motiven lassen sich beispielsweise Verkaufschancen erhöhen oder beruflichen Erfolg vorhersagen. Eine Person mit einem hohen Leistungsmotive benötigt für die Kaufentscheidung lösungsorientierte Argumente. Eine Person mit einen hohen Machtmotiv hingegen prestigeorientiere Argumente. Beruflicher Erfolg lässt sich ebenso vorhersagen. Dörr konnte 2016 beispielsweise zeigen, dass Führungskräfte unter einer bestimmten Motivausprägung zufriedenere Mitarbeiter haben. Diese Motive wurden von dem Sozialpsychologen David McClelland formuliert und in der Psychologie beforscht. Leider wurden diese bisher nicht breit in Praxisanwendungen übertragen.

Warum Motive noch nicht in der Breite angewandt werden?

Bisher wurden Motive mit einem Verfahren erfasst, das nur mit viel Aufwand durchgeführt und ausgewertet werden kann. Texte, die von Personen geschrieben werden und über die implizite Motivstruktur einer Person Auskunft geben, müssen in mühevoller Kleinarbeit von zwei erfahrenen Psychologen untersucht werden. Das dieses Verfahren nicht skaliert und in Kommunikationsprozessen nicht eingesetzt werden kann versteht sich von selbst.

Daher haben wir uns als 100 Worte damit auseinandergesetzt Lösungen zu entwickeln, die die Kraft von Motiven in diversen Praxisanwendungen zum Tragen bringen. Sei es im Verständnis von Mitarbeitern, Kunden und Interessenten. Aber auch um besser mit diesen Gruppen in Beziehung zu treten. Das sichert erfolgreiche Zusammenarbeit und Kommunikation.

Um Motive erfolgreich vorherzusagen sind Validierungsstudien wichtig. Für uns sind diese essenzieller Bestandteil unserer Unternehmensphilosophie. Persönlichkeitsmerkmale in hoher Qualität zu messen, kann ansonst ja jeder behaupten.

Durchführung und Ergebnisse der aktuellsten Validierung

Für die Vorhersage von Motiven verwendeten wir den Kern unserer Software. Die sogenannte Psychological AI, die wir seit 2014 erforschen und entwickeln. Für die Aufgabe stand uns der mehr als 66.000 Sätze umfassende Datensatz von Schönbrodt et al. (2020) zur Verfügung. Jedem Satz in diesem Datensatz wurde eine Information angehängt, die Auskunft über die Motivausprägung gibt. Dieses Label wurde von auf diese Aufgabe trainierten Psychologen vergeben. Den Datensatz teilten wir, wie üblich, in einen Trainings- und einen Testdatensatz auf. Das wiederholten wir mehrmals, in dem wir Trainings und Test Datensatz immer wieder zufällig unterschiedlich wählten. Und jedes Mal ließen wir unsere Psychological AI vorhersagen, welches Motiv in einem gegebenen Satz zum Ausdruck kommt. Um zu entscheiden, wie gut unsere Psychological AI die Motive richtig klassifiziert, erhoben wir die sogenannte Accuracy. Diese gibt den prozentualen Anteil aller richtigen Entscheidungen zu allen Entscheidungen an. Wir erreichen dabei eine Accuracy von 85%. Das bedeutet, dass 85 % unserer Entscheidungen, mit denen von Menschen übereinstimmen. Der F-Score, fällt noch besser aus, nämlich 86%. Dieser berücksichtigt noch die Prediction. Die Prediction gibt den prozentualen Anteilen aller falschen Entscheidungen zu allen Entscheidungen an. Doch was bedeutet dies nun genau.

Bedeutung dieses wissenschaftlichen Durchbruchs

Um die Bedeutung besser zu verstehen, vergleichen wir die erreichten Werte, mit denen der zwei Psychologen. Diese erreichen durchschnittlich einen Wert zwischen 75 und 85 %. Mit den 86 % unserer Psychological AI liegen wir damit über den Werten der beiden ähnlichsten Psychologen. Berücksichtigt man nun noch die Objektivität, also den Einfluss von Messschwankungen, und der Wirtschaftlichkeit ist unser Ansatz dem Standardverfahren klar überlegen. Damit können Motive nun erstmals in einer breiten Anwendung in zweierlei Hinsicht eingesetzt werden. Einerseits um Verständnis von Kunden, Mitarbeitern und Interessenten aufzubauen und anderseits, um die Beziehung auf Basis dieser Information besser zu gestalten. Dies erschafft ganz neue Möglichkeiten, um Beziehungen zwischen Personen positiv zu gestalten.

Tags: Psychological AI, implizite Motive, Textanalyse

Written By Simon Tschuertz