De techniek van het onderzoek bestond uit twee simpele stappen. Eerst vormden de onderzoekers een machine learning algoritme om leiderschap te voorspellen op basis van persoonlijkheid. Dit is een vorm van kunstmatige intelligentie (AI), gericht op het bouwen van systemen die van de verwerkte data kunnen leren of data gebruiken om beter te presteren. Daarna gaven ze het algoritme gemanipuleerde input. Op die manier konden zij zien welke persoonlijkheidsaspecten en welke combinaties belangrijk zijn.
De onderzoekers ontdekten dat Need for Cognition – in hoeverre iemand plezier heeft in diep nadenken – erg belangrijk is. Nederlandse leiders scoorden vaak bovengemiddeld op deze eigenschap. Daarnaast is openheid een belangrijke eigenschap. Een leider is ofwel heel gesloten, ofwel heel open en is daarin dus niet gemiddeld. Voor mensen die hoog scoorden op openheid en Need for Cognition voorspelde het algoritme vaak dat het over een leider ging. De combinatie van deze persoonlijkheidsaspecten is hier dus belangrijk.
De techniek van Doornenbal en co laat zien op basis waarvan black-box machine learning algoritmen voorspellingen doen van leiderschap. Deze techniek – het openen van de black-box – helpt niet alleen leiderschap beter te begrijpen, maar helpt ook om zaken als seksisme bloot te leggen. Doornenbal: “Als wij het algoritme informatie geven over geslacht en leeftijd, dan zien we dezelfde effecten van persoonlijkheid, maar voorspelt het algoritme minder vaak dat het om een leider gaat bij jongere vrouwen. Gebruikt een organisatie zo’n machine learning algoritme blindelings voor het selecteren van leiders zonder de black-box te openen, dan kunnen jongere vrouwen met een persoonlijkheidsprofiel passend bij een leiderschapsfunctie gemakkelijk over het hoofd worden gezien. Het openen van de black-box is dus niet alleen belangrijk om de kennis te vergroten over wie leider wordt, maar ook om discriminatie te voorkomen.”
Bron: Vrije Universiteit Amsterdam.
Link naar artikel: https://www.sciencedirect.com/science/article/pii/S1048984321000205
