I dipendenti con tratti di personalità “oscuri” valutano il proprio lavoro in modo più negativo? Analisi del contenuto testuale delle recensioni online dei dipendenti

Perché alcune recensioni di lavoro appaiono più dure di altre

Chi cerca un nuovo impiego ha probabilmente scorrere recensioni anonime di dipendenti, cercando di distinguere fra avvertimenti sinceri e sfoghi ingiustificati. Questo articolo pone una domanda semplice ma significativa: le persone con tendenze di personalità “più scure” scrivono recensioni dei loro datori di lavoro sistematicamente diverse, e i lettori reagiscono in modo differente a quelle recensioni? Analizzando il linguaggio di oltre mezzo milione di commenti online, gli autori esplorano come tratti di personalità nascosti possano modellare in modo sottile la reputazione delle aziende — e le scelte dei candidati che si affidano a queste piattaforme.

Tratti nascosti dietro opinioni severe

Lo studio si concentra su tre noti schemi di personalità “oscuri”: il narcisismo (senso di importanza di sé e bisogno di ammirazione), il machiavellismo (manipolazione fredda e strategica) e la psicopatia (insensibilità e impulsività). Le persone con punteggi più alti in questi tratti tendono a essere più antagoniste e meno vincolate dalle norme sociali. Gli autori ipotizzano che sui siti di recensioni anonime, dove gli utenti si sentono meno osservati e meno responsabili del tono, queste tendenze possano emergere più nettamente. Se così fosse, i candidati che leggono le recensioni potrebbero vedere non solo il luogo di lavoro, ma anche la personalità dei recensori riflessa nelle valutazioni.

Leggere la personalità dalle parole

Per indagare questa idea, i ricercatori hanno raccolto 533.007 recensioni di società S&P 500 pubblicate su Glassdoor tra il 2008 e il 2022, oltre a un ampio sottoinsieme con dati sul numero di voti “utile” ricevuti da ciascuna recensione. Invece di intervistare direttamente i recensori, hanno utilizzato uno strumento chiamato Linguistic Inquiry and Word Count (LIWC). LIWC classifica le parole in gruppi psicologici ed emotivi, come pronomi in prima persona, parole di rabbia, imprecisioni o emozioni positive e negative. Basandosi su lavori precedenti che collegano specifici schemi linguistici ai tratti oscuri, gli autori hanno costruito indici compositi: ad esempio, alcuni riferimenti in seconda persona e parolacce sono stati usati come indicatori di narcisismo; combinazioni di emozione negativa, ridotta emotività positiva e brevità del messaggio sono state usate per il machiavellismo; e rabbia, focalizzazione temporale e marcatori di incoerenza per la psicopatia.

Come i tratti oscuri influenzano valutazioni e utilità

Con questi indicatori basati sul linguaggio, il team ha esaminato due aspetti del processo di recensione. Dal lato della “generazione”, hanno chiesto se livelli più elevati di linguaggio associato ai tratti oscuri predicessero valutazioni stellari più basse, tenendo conto di sei aspetti del lavoro come equilibrio vita‑lavoro e retribuzione, oltre a effetti di azienda e temporali. Dal lato del “consumo”, hanno verificato se quegli stessi tratti predicessero quanto altri utenti ritenessero utile una recensione, misurato dai conteggi dei voti utili. Su centinaia di migliaia di recensioni, i risultati sono stati coerenti ma modesti: tutti e tre i tratti erano associati a valutazioni leggermente più basse. Per l’utilità, i pattern linguistici narcisistici e psicopatici tendevano a ridurre quanto i lettori considerassero utile una recensione, mentre i pattern machiavellici erano associati a un lieve aumento della percezione di utilità — forse perché scrittori strategici e calcolatori producono critiche più affilate e dense di informazioni.

Piccoli segnali in un mondo online rumoroso

Nonostante l’uso di un dataset molto ampio, gli autori sottolineano che questi effetti sono statisticamente affidabili ma piccoli. Il linguaggio legato ai tratti oscuri spiega solo una minima parte della variazione nelle valutazioni e nei voti utili rispetto a fattori come le condizioni effettive del lavoro o le differenze fra aziende. In altre parole, la personalità lascia un’impronta rilevabile sulle recensioni, ma non le domina. Tuttavia, il lavoro dimostra che contesti anonimi e a bassa conseguenza consentono alle tendenze antagoniste di filtrare nelle valutazioni pubbliche. Mostra anche che la personalità può essere studiata su larga scala attraverso il linguaggio quotidiano anziché solo tramite questionari formali, aggiungendo una lente comportamentale‑linguistica allo studio degli atteggiamenti sul lavoro.

Cosa significa per chi cerca lavoro e per i datori di lavoro

Per il lettore generico, la conclusione principale è che non tutte le recensioni online dei dipendenti sono uguali. Alcune delle recensioni particolarmente dure o ostili possono riflettere la personalità del recensore almeno quanto il luogo di lavoro — e alcune recensioni fortemente critiche ma ben strutturate possono provenire da scrittori calcolatori che sanno come apparire utili. Gli autori non suggeriscono di cercare di diagnosticare individui né di usare questi strumenti per selezionare i dipendenti. Piuttosto, sostengono che datori di lavoro e candidati dovrebbero considerare le recensioni colorate dalla personalità come un ingrediente in un mix molto più ampio di informazioni. La conclusione dello studio è rassicurante e bilanciata: i tratti oscuri spingono le recensioni verso una maggiore negatività e, in alcuni casi, verso una maggiore o minore utilità, ma il contesto, le realtà lavorative e il design delle piattaforme continuano a fare la maggior parte del lavoro nello plasmare ciò che leggiamo sui luoghi di lavoro online.

Citazione: Yousaf, S., Hyun, S. & Kim, J.M. Do employees with dark personality traits review their jobs unfavorably? Textual content analysis of online employee reviews. Humanit Soc Sci Commun 13, 273 (2026). https://doi.org/10.1057/s41599-026-06592-7

Parole chiave: recensioni online dei dipendenti, triade oscura della personalità, soddisfazione sul lavoro, valutazioni Glassdoor, reputazione organizzativa