心理测评系统在人才测评中应用进展及启示

邬宇涵，苏茜，貟蓓，陈恋，潘潇，韩琳，

（1.兰州大学 护理学院，甘肃 兰州 730000；2.甘肃省人民医院 护理部，甘肃 兰州 730000；3.兰州大学第二医院 口腔科，甘肃 兰州 730000）

现代人才测评是以现代心理学和行为科学为基础，对个体的知识、技能、能力倾向、个性特征等进行测量，从而做出科学的评价[1]。 Spencer 认为，人才测评的关键是挖掘预测绩效的潜在因素， 即关注价值观、动机、个性特征等难以培训的隐性能力[2]。 心理测评（psychological evaluation）技术是通过一系列科学的测量手段，按照规范的操作流程，对人的能力、人格、个性、动机、价值观等心理行为和特征进行科学的测量，并预测其发展潜质[3]。 随着互联网和移动通讯设备的发展， 心理测评系统（psychological evaluation system）应运而生。心理测评系统是基于互联网所提出的新型测评技术， 国外研究者将其定义为用于管理、评分、解释各类心理测试的自动化系统[4]。近年来， 心理测评系统的发展为人才测评提供了新的方向，具有突破时间空间限制、评价内容广泛、效率高、 成本低等特点， 可以对个体进行更精细的测量，已广泛应用于人才测评领域[5]。 笔者对心理测评系统在人才测评中的应用进展进行综述， 以供护理领域借鉴，报道如下。

1 心理测评系统应用于护理行业的必要性

基于心理测评系统的人才测评拓展了人才测评的手段，目前广泛应用于执法部门、军队、金融、工业制造、科技、电信以及各类企业中[6-8]。 目前，心理测评系统常通过智能设备、可穿戴设备、数字化面试、游戏化评估、社交媒体评估等技术，实现对个体心理状态更精细的测量，拓宽了传统心理测评手段（如量表法、访谈法等）的测评形式及数据分析方法，实现了更加精准、高效的心理测量，在人才选拔、人员配置、人才心理健康测评、职业安全性评估4 方面展现出了良好的应用前景[5]。

护理行业在人才测评中常围绕知识和技能等显性能力展开，缺少对护士隐性能力的评价与探索，忽略了护士的发展潜力、性格特征是否与岗位相匹配，且存在测评周期长，招聘成本高，数据分析缓慢，难以适应网络化、信息化管理等问题。目前尚且缺乏专门针对护士的心理测评系统。一方面，对护士的心理测评主要以在焦虑、抑郁、压力等心理量表或访谈的形式开展， 这种测评结果多依赖于被试者的主观意念，缺少客观性和真实性；测评方式较单一化、成本高、周期长、数据统计复杂，且各研究所使用的测评工具各不相同，缺乏系统性、规范性、推广性[9-10]。 另一方面，现行对护士的测评还停留在面试、笔试等传统的人才测评方式，忽略了对护士心理状态、心理素质的筛查， 岗位分配时， 更是忽略了护士的人格特质、动机、价值观等隐性能力是否与岗位相匹配[11]。

2 心理测评系统在人才测评中的应用进展

2.1 在人才选拔中的应用进展

2.1.1 在人才选拔中智能设备的应用 基于智能设备的心理测评系统是通过手机、电脑、平板等智能设备，应聘者需完成对应的心理测试题，通过实施电子化的心理测试，系统自动输出结果，能够帮助招聘者自动筛选人才， 高效的完成各类综合测试，从而更加客观的评判人才胜任能力，已被应用于执法部门人才和高层次人才的选拔[12]。 澳大利亚法学心理研究所 （Australian Institute of Forensic Psychology,AIFP） 基于电脑设备所构建的分析系统将电子化心理测评与在线访谈相结合，警员需完成包含法律情况、酒精和药物使用情况、攻击性、冲动性、警察表现能力相关的特征、成熟度、人际关系、智力等内容的电子化心理测试，系统自动生成测评结果并标记测试未达标的警员，招聘小组进一步对未达标警员开展在线访谈，最终排除表现较差的人选[6]。Lough 和Ryan[13]经过3 年的观察发现，经过AIFP 系统筛选的警员表现一直优于未筛选组，筛选组的病假、非应激索赔、机动车事故都明显减少，且鲜有人犯下导致处分或调查的严重在职错误。 Meng[14]构建了以电脑为核心的心理测评人才选拔系统，该系统采用硬件设计、模块化设计和传感技术实现了涵盖情绪稳定性、认知能力测试、智力测试等模块的高层次人才心理测评，通过背景声音产生电路模拟工作场景声音，应用传感器实时收集被测者的握手频率、脉搏、体积阻力等数据，能检测高层次人才在真实工作场景下的情绪稳定性，这种客观真实的数据对于决策者做出人事决定尤为重要。

2.1.2 在人才选拔中数字化面试的应用 基于数字化面试的心理测评系统是采用视频面试等途径，通过远程技术提取语言、声音、面部表情和身体动作等指标，建立指标与心理特征的映射关系，从而实现通过分析被测者的数字化面试表现直接完成对其工作相关的心理特质的自动识别，具备省时省力、方便快捷等特点，可在大规模人才选拔时进行初步筛查，目前已应用于金融、工业制造、科技、电信及公共部门人才的选拔[7，15]。 如HireVue 公司构建的系统可以在每次视频面试中提取25 000 个被试者的数据点，采用机器学习技术分析被测对象的面部表情、用词、语言等预测工作绩效的潜在心理指标， 自动生成包含亲和力、表达能力等各项指标的测评报告[7]。 有研究采用异步视频面试与机器学习技术构建心理测评系统，能够追踪被测者的眼球运动、手势、语言兴奋度、音高和强度、面部运动度和表情的变化，并自动对比申请人在线面试反应和自然反应的区别， 以检测面试中的“欺骗效应”，能够帮助管理者更加高效、准确的甄选应聘人员[16]。 部分公司开发了数字化结构面试，候选者可通过类似Skype 等视频聊天软件，应用网络摄像头记录被测者回答的问题，通过广泛采样，挖掘高绩效员工的文本类型、语言模型，并将面试者与高绩效员工模型进行对比， 能够从中选拔绩效最优的人才，为人才决策提供了重要参考价值[17]。

2.1.3 在人才选拔中社交媒体评估的应用 社交媒体评估是对候选人社交平台所展示的可能预测工作绩效的账户信息、行为数据、文本信息等数据进行分析[18]。 随着大数据技术的发展，研究者开始尝试爬取用户社交媒体数据， 对数据进行分词和处理并建立心理测评模型。 如Kalimeri 等[19]基于手机网页浏览情况、应用使用情况构建了道德评估和价值观计算模型。 Praet 等[20]根据用户点赞数据构建了政治倾向和意识形态识别模型。 Dufner 等[21]研究了成就动机、权力动机、亲和动机与社交媒体间的联系，并据此构建的动机倾向识别模型。 基于社交媒体评估所构建的心理测评系统则将机器学习和自然语言处理技术与社交媒体评估等多种技术融合，实现对个体心理特质的预测，不仅能够对个体的教育背景、技能等“显性能力”进行测评，还能识别价值观、动机等“隐性能力”，目前被应用于各类企业人才的选拔中。如国外的Social Intelligence(SI)系统利用机器学习技术对被测者的Facebook 和LinkedIn 社交平台进行7 年在线活动的自动化分析，能够生成包含种族主义、歧视行为、潜在非法活动等价值观的心理测评报告；国内的微招聘基于微博平台对被测者的技能、教育背景等进行分析，根据职位要求为企业自动推荐候选人，这类招聘工具已成为企业人才决策的附加工 具[22]。 TalentBin 则 拥 有 包 括Facebook、Twitter、Google+、Meetup、Quor 等社交平台上超5 亿份用户社交资料，此外TalentBin 甚至还涉猎了美国专利数据库、开源电子邮件列表服务和PubMed 生命科学作者身份数据库等各种非社会化的海量数据，通过机器学习技术挖掘被测者的品格、兴趣、能力特征，自动生成“人才画像”，目前已经与亚马逊、UPS 等200 家企业合作[17]。

2.2 在人员配置中的应用进展

2.2.1 在人员配置中社交媒体评估的应用 社交媒体的开放性使其构成了动态、全面的数据集合，加之社交媒体的熟人社交特性， 能够传递比传统人才测评更加丰富及可靠的个性特征信息， 这是人员配置的潜在前因[17，23]。 目前，社交媒体评估常通过收集被测者社交媒体的文本内容， 采用机器学习构建预测模型来推测候选人的人格特征。例如Islam 等[24]基于机器学习算法对用户微博内容进行文本特征、 行为特征、表情符号使用特征分析，能够进一步推测用户的大五人格。 社交媒体评估与心理测评系统的融合，更是提高了人格预测的智能化与自动化。 如Schwartz等[25]使用差异语言分析技术所构建的心理测评系统，能够通过Facebook 文本的单词、短语、主题推测人格特质（如使用更多的负面情绪词对应神经质、展示更多自我成就暗示自恋）。 Varathan 等[26]构建的软件工程专业学生心理测评系统基于Facebook 的个人资料（相册、点赞、朋友、群组等）计算被测者的大五人格，根据人格特征推测该学生适宜的岗位层级，比如高亲和力和低神经质的人适宜从事软件工程工作，责任心高的人适宜评估员的工作。 Faliagka 等[27]开发的系统则利用个性挖掘技术和文本分析技术，能够从申请人社交媒体资料上提取性格特征，根据监督学习算法推导候选人与职位的相关性，通过相关分数对候选人进行排名，为在线招聘和岗位匹配提供了新方法。

2.2.2 在人员配置中游戏化评估的应用 基于游戏化评估的心理测评系统是将游戏化元素和心理测量指标相结合， 能够在游戏中探查测评对象的行为表现， 根据测评对象在游戏情境中的行为表现以及测评匹配度挑选最合适的人才[28]。 游戏化评估能够提供新的方法测量与职位相关的应变能力、抗压能力、专注度及人格特质等重要心理特征， 如美国麻省理工学院开发的Pymetrics 测评系统，测评对象通过完成数字记忆、金币交换游戏等1～3 分钟共12 个项目的小游戏，完成游戏后，系统会自动生成性格分析报告，决策者根据报告结果，选择与工作岗位最契合的人才，在有效增强了人才测评的趣味性的同时，能够快速获取测评对象信息， 节约了人才配置的时间成本[28]。

2.3 在人才心理健康中的应用进展

2.3.1 在人才心理健康中可穿戴设备的应用 手环、 眼镜等可穿戴设备可以测量人体生理信息（血压、心率、体温等）、定位信息[29]。 研究者通过收集可穿戴设备的海量数据搭建云服务器， 对数据进行分析、处理、计算，挖掘数据与心理健康状况的联系，从而建立基于可穿戴设备的心理健康测评系统， 能够实现对个体抑郁、创伤后应激障碍、药物滥用、自杀等心理问题的预测，目前已应用于军人、特殊人群的心理健康测评与干预。 创伤后应激障碍、抑郁、酒精和药物滥用等问题， 是战后军人相关的长期心理健康问题，美国国防部开发了系列诊断、评估、干预和管理军人心理健康的测评系统， 该系统基于用户所佩戴的可穿戴设备可以记录客观数据及指标（如个体身体活动信息、物理位置，血压、心率、呼吸、睡眠等生理数据），结合心理测评问卷、认知行为疗法等功能，能够及时评估军人是否存在创伤后应激障碍、抑郁、压力、焦虑等心理健康问题，迅速反馈结果，有利于对早期出现心理问题的个体进行科学干预[8]。随着大数据技术的发展， 具有更高预测性能模型的出现， 更是提高了可穿戴设备进行心理健康测评的准确性。 如Hassantabar 等[30]构建的MHDeep 系统实现了从生理信号对个体双向情感障碍、 重度抑郁等精神疾病的预测，该系统使用智能手表持续收集连续性的心率、血压、体温等生理数据，应用深度学习技术构建预测模型，实现了通过智能手表数据直接完成对精神疾病的准确预测，准确率可达100%。

2.3.2 在人才心理健康中智能设备的应用 智能手机等便携设备的广泛应用， 使得能够充分反应个体心理活动的表情、 动作、 语音等数据的采集更加便利， 通过提取智能设备所采集的多模态数据建立心理健康预测模型，能够提供更加准确、高效的心理健康测评方式。 如Zhao 等[31]基于步态特征构建的情绪预测模型，准确率可达80%以上。Afshan 等[32]应用录音识别抑郁症、焦虑症患者，模型准确率高达95%。基于智能设备的心理测评系统则可以通过智能手机等设备采集的多模态数据建模技术自动对个体进行心理测评，目前已应用于企业部门、司法部门及高压工作人群。 如黄伍等[33]基于深度学习技术构建了包括人脸表情识别模型与声音情绪特征识别模型的心理测评系统，该系统通过对话服务、情绪分析服务、人脸识别服务、测评服务实现了抑郁症状的测评。其中， 对话服务采用开放性问答策略响应用户的问题并生成语音文件， 情绪分析服务基于声音情绪特征识别模型提取声音特征值并自动分析， 人脸识别服务则基于人脸表情识别模型， 通过智能手机所采集的用户人脸照片进行自动化的分析， 最终生成测评结果，目前已经应用于企业及司法部门。智能手机的普及也使得智能聊天机器人成为心理健康测评的新手段。 TNH Health 团队则基于决策树算法构建了智能聊天机器人， 该系统能够通过手机展示交互式的聊天界面，确定员工是否存在焦虑、抑郁、压力、倦怠等工作压力造成的心理健康问题， 并将测评结果提交至公司管理层以便采取干预措施[34]。

2.3.3 在人才心理健康中社交媒体的应用 基于社交媒体评估的心理健康测评系统是通过收集个体在社交媒体所发布的文本内容， 采用自然语言技术建立文本与心理状态间的关系，从而实现对抑郁、自杀倾向等心理健康问题的预测， 目前被应用于各类风险人群中。 如Liu 等[35]提取464 名微博用户资料构建了生态识别系统，该系统通过语言查询、字数特征提取了99 个行为特征，能够通过个人微博资料和信息在线识别经受家庭暴力者的抑郁、自杀概率、生活满意度等心理健康状况， 为自动检测受害者的心理健康及减少暴力的危害提供了潜在帮助。 李雨昕等[36]开发的基于微博的用户情感倾向检测系统， 通过爬取用户账号、昵称、头像、性别、粉丝数等用户信息，以及发布内容、时间、转发数等数据信息，对被测者进行情感分析，最终以可视化形式展示测评结果。Jamil[37]提出的自动化系统能够利用Twitter 数据和情感分析技术自动检测抑郁风险人群，该系统由推文分类器和用户分类器构成，其中推文分类器可通过每条推文识别高危群体，用户分类器可通过分析用户历史推文确认用户心理健康状况，为确定抑郁高危个体并采取干预措施提供了帮助。

2.4 在职业安全性评估中的应用进展 安全问题是高危操作人员、 驾驶员等高危行业最关注的问题之一，睡眠不足、饮酒及情绪问题往往会导致严重的经济损失甚至人员伤亡，通过心理筛查，可以有效减少消极情绪导致的不安全行为，提升职业安全性。目前， 心理测评系统在职业安全评估主要应用的技术为智能设备、可穿戴设备。如日本建立了一套完整的驾驶员心理评估系统， 能够对具有事故倾向的驾驶员进行缺陷诊断，并给出建议，降低了驾驶员事故发生率[38]。 中国香港开发了一种基于可穿戴式脑电图设备的建筑工人心理筛查系统， 该系统利用脑电信号在频域的重力频率和功率谱熵来评估工人的疲劳程度[39]，基于脑电图的评估具备比传统测评更加客观、可靠，且脑电图与压力[40]、倦怠[41]和疲劳[42]等复杂的人类社会心理状况直接相关。 中国大陆也开展了驾驶员心理测评系统的相关研究， 如云南交通技术职业学院联合昆明索弗拓科技有限公司所研发的道路运输驾驶员心理适宜性测评系统采用了3D 虚幻引擎、大数据、云计算等技术，实现了远程、无限量心理测评， 且该系统经过孙云等人验证具备良好的重测信度和稳定性[43]。

3 启示

近年来， 心理测评系统不断应用于人才测评领域，使得人才测评方式不断革新。在实际构建护士心理测评系统时， 应注意不同的测评方式在处理不同类型数据和指标时侧重考察的素质有所不同[5]。 比如护士选拔可通过智能设备结合大数据及机器学习算法的形式， 通过建模识别绩效优秀护士的隐性特征，从而预测潜在的优质人才[44]。 社交媒体评估与游戏化评估辅助下的心理测评则更适用于护士的岗位配置，社交媒体评估侧重于评估性格、价值观等心理特征和差异性[17]；游戏化评估可将实际工作场景、工作任务以虚拟游戏的形式展现， 根据不同工作场景侧重的能力选择最契合的人才[28]。 可穿戴设备与智能设备可收集用于收集心率、皮肤温度、血压等生理指标，能够实现更加高效、客观、无侵扰的心理健康评估，更适用于护士心理健康的测评[45]。 研究者可根据我国国情建立适用于护士的心理测评系统，对护理人才进行科学评估、有效配置、动态检测，实现护理人才选拔向“数据驱动范式”进行变革。