Klasteryzacja grafów i modele predykcyjne w analizie osobowości i kompetencji opartych na DISC

Dlaczego dane z miejsca pracy opowiadają historię

Większość organizacji zbiera mnóstwo informacji o swoich ludziach: wyniki testów osobowości, umiejętności, role, a nawet samodzielnie zgłaszany poziom stresu. Badanie to pokazuje, jak te rozproszone dane można połączyć w mapę podobieństw między pracownikami, ujawniając ukryte grupy i wskazówki, kto może odczuwać presję w pracy. Skupia się na popularnym modelu osobowości DISC i stawia proste, ale istotne pytanie: jak daleko można dojść od raportów o stylu osobowości do użytecznych, opartych na danych wniosków o stresie i potrzebach zespołu — i gdzie leżą ograniczenia?

Od kodów kolorów do wzorców połączeń

Badacze zaczynają od DISC, modelu grupującego ludzi według ogólnych stylów zachowań, takich jak większa asertywność, ukierunkowanie na ludzi, stabilność czy orientacja na szczegóły. W jednej organizacji uniwersyteckiej 195 pracowników wypełniło ocenę opartą na DISC, która dodatkowo oceniała 17 umiejętności związanych z pracą, wymieniała dominujące mocne strony i słabsze cechy oraz rejestrowała poziom stresu. Zamiast traktować te profile jako odizolowane wyniki, zespół potraktował każdego pracownika jako punkt w sieci, gdzie bliskość między dwiema osobami zależy od podobieństwa ich umiejętności, ról i cech.

Budowanie mapy podobieństw

Aby narysować tę sieć, autorzy połączyli trzy rodzaje podobieństwa. Mierzyli, jak podobni są ludzie pod względem ocen umiejętności, ile szczegółów organizacyjnych się zgadza (np. jednostka czy typ zadań) oraz na ile nakładają się opisy cech. Te trzy składniki zostały zmieszane w pojedynczy wskaźnik podobieństwa dla każdej pary pracowników. Każda osoba została następnie połączona ze swoimi najbardziej podobnymi współpracownikami, tworząc sieć, w której grubsze linki oznaczają większe podobieństwo. Algorytm wykrywania społeczności przeszukał tę sieć w poszukiwaniu naturalnych klastrów — grup ludzi ściślej połączonych między sobą niż z resztą organizacji.

Ukryte grupy i ich miks stresu

Otrzymana sieć była daleka od losowej. Metoda ujawniła sześć społeczności pracowników, z których każda miała własne połączenie stylów DISC i poziomów stresu. Niektóre grupy zawierały wielu „organizatorów” lub „analityków”, podczas gdy inne były bardziej mieszane. Badanie wykazało, że te klastry również różniły się pod względem częstości występowania różnych poziomów stresu, co sugeruje, że kombinacje stylu zachowania, umiejętności i kontekstu roli mają tendencję do współwystępowania. Daje to sposób myślenia działom HR o interwencjach na poziomie grupy, takich jak ukierunkowane szkolenia lub przegląd obciążenia pracą dla konkretnych klastrów, zamiast koncentrować się wyłącznie na pojedynczych osobach.

Próba prognozowania stresu na podstawie profili

Autorzy przeszli następnie od mapowania do predykcji. Używając popularnej metody uczenia maszynowego zwanej random forest, próbowali odgadnąć kategorię stresu każdego pracownika (niski, średni, wysoki lub wysoki i wyraźnie związany z pracą) na podstawie typu DISC, umiejętności, cech i szczegółów organizacyjnych. Model poradził sobie lepiej niż losowe zgadywanie, ale nie tak dobrze jak bardzo prosta strategia ciągłego przewidywania klasy większościowej, którą był niski poziom stresu. Innymi słowy, w danych o osobowości i kompetencjach jest pewien sygnał, ale wiele tego, co kształtuje stres, wydaje się zależeć od innych czynników — takich jak zmienne terminy, wydarzenia w życiu osobistym czy zmiany relacji zespołowych, które nie zostały uchwycone w tym jednorazowym badaniu.

Co naprawdę napędza presję w pracy

Nawet z ograniczeniami, model predykcyjny uwydatnił pewne wymowne wzorce. Oceny umiejętności związanych z celami sprzedażowymi i relacjami z klientami były jednymi z najważniejszych wejść, gdy algorytm próbował rozdzielić różne poziomy stresu. Pasuje to do powszechnego doświadczenia: role, w których wyniki i kontakt z klientem są kluczowe, często niosą ze sobą dodatkową presję. Badanie przeprowadziło także oddzielne ćwiczenie „prognozowania” etykiet grup kompetencji i uzyskało niemal doskonałe wyniki — jednak tam docelowe etykiety były w zasadzie zbudowane z tych samych informacji, które użyto jako wejścia, co stanowi podręcznikowy przykład wycieku informacji, który na papierze wygląda imponująco, lecz nie uogólnia się.

Dlaczego to ma znaczenie dla ludzi i zespołów

Dla ogólnego czytelnika kluczowe przesłanie jest takie, że testy osobowości i umiejętności potrafią zrobić więcej niż tylko przypisać cię do porządnej „literowej” skrzynki; po umiejętnym połączeniu mogą ujawnić, jak wpisujesz się w szerszą sieć swojej organizacji. Jednocześnie badanie przestrzega przed nadmierną pewnością siebie: stresu nie da się w sposób wiarygodny odczytać jedynie z wykresu osobowości. Mapy podobieństw w stylu sieci mogą pomóc organizacjom dostrzec znaczące grupy i rozważyć szkolenia czy równowagę obciążenia między zespołami, ale poważne decyzje dotyczące dobrostanu nadal wymagają bogatszych, bieżących informacji i, przede wszystkim, bezpośredniej rozmowy międzyludzkiej.

Cytowanie: Samanta, S., Allahviranloo, T., Mrsic, L. et al. Graph clustering and prediction models for DISC-based personality and competency analysis. Sci Rep 16, 10186 (2026). https://doi.org/10.1038/s41598-026-41013-4

Słowa kluczowe: stres w miejscu pracy, ocena osobowości, dynamika zespołu, analityka organizacyjna, kompetencje pracowników