想象一下自己高中畢業，眼前的世界。

但是，現在您必須決定要從事的職業。您希望找到一份既能支付賬單的工作，又能享受這份工作。畢竟，您將在工作中花費大部分時間。

但是，如何做出可靠的選擇-除了父母可能會追求的目標之外，或者您最終的學年成績將使您直接進入。

我們今天發表在《美國國家科學院院刊》上的研究發現，不同的職業吸引著具有截然不同心理特征的人。

在尋找新職業時，您可以拜訪職業顧問并回答一系列問題，以確定您的興趣和優勢。這些結果用于將您與一組潛在的職業相匹配。

但是，這種方法依賴于長期的調查，并未考慮到隨著技術改變了就業格局，許多職業正在發生變化或消失的事實。

21世紀求職

我們想知道是否可以開發一種數據驅動的方法來根據一個人在網上揭示的心理痕跡來匹配一個合適的職業。

研究表明人們通過在線發表的語言和在線行為留下自己的痕跡。

我們是否可以對此進行分析，以找出從事相同工作的人在何種程度上具有相同的性格特征?

在我們的研究中，我們確定了超過100,000個twitter用戶，每個用戶的用戶資料中都包含3,513個職位之一。

然后，使用ibm基于云的人工智能引擎watson提供的工具及其personality insights服務，我們根據每個帖子的語言為他們提供了十個與個性相關的特征的評分。

我們使用了各種數據分析和機器學習技術來探索每種職業的個性。

例如，要創建“職業指南針地圖”，我們使用了無監督機器學習算法將職業人格數據聚類為二十個不同的聚類，從而將人格方面最相似的職業分組。

長期以來，就我們的個性，價值觀和興趣而言，如果工作適合我們作為一個人，就一直被認為會更加充實。

我們的結果證實了這一點，并且我們發現不同的職業傾向于具有非常不同的性格特征。

例如，軟件程序員和科學家通常更樂于體驗各種新活動，對知識好奇，傾向于思考符號和抽象，并發現重復無聊。另一方面，精英網球運動員往往更加盡責，有條理和樂于接受。

我們的發現指出，有可能使用社交媒體上共享的數據來使個人匹配合適的工作。

我們根據推斷出的人的人格特質，使用機器學習對一千多個角色進行了聚類。我們發現許多類似的工作可以組合在一起。

例如，一個集群包含不同的技術工作，例如軟件編程，web開發和計算機科學。另一個小組包括體育館管理，后勤協調和音樂會促銷。

您可以使用我們制作的此交互式在線地圖來探索更多內容。

但是，雖然許多組合與現有的職業分類器(政府和其他組織用于將工作分組在一起的當前正式分組)保持一致，但某些集群所包含的角色傳統上并未分組在一起。

例如，制圖師，谷物農民和地質學家最終聚集在一起，并與許多技術專業人員共享相似的個性特征。

數據驅動的職業指南針

通過我們的結果，我們探索了構建數據驅動的職業指南針的想法：一種可以找到適合某人個性的最佳職業的推薦系統。

我們構建了一個系統，該系統可以推薦一種與人們的人格特質相匹配的職業，其準確性超過70%。

即使我們的系統有問題，也相距不遠，它指向具有非常相似技能的行業。例如，這可能暗示詩人成為了虛構的作家。

由于自動化和技術突破，行業正在迅速變化。在我們互聯的數字世界中，我們留下了自己的痕跡。我們的工作提供了一種有效地使用這些痕跡的方法。

這種方法可能有一天可以用來幫助人們找到理想的職業，或者至少可以幫助我們更好地理解不同角色的隱藏性格特征。