Agrupamento em grafos e modelos preditivos para análise de personalidade e competências baseada em DISC

Por que os dados do seu local de trabalho contam uma história

A maioria das organizações coleta pilhas de informações sobre suas pessoas: resultados de testes de personalidade, habilidades, funções e até estresse autodeclarado. Este estudo mostra como esses dados dispersos podem ser entrelaçados em um mapa que revela em que medida os funcionários se assemelham, expondo grupos ocultos e indícios sobre quem pode estar sob pressão no trabalho. O foco é o popular framework DISC e a pergunta é simples, porém importante: até onde conseguimos ir de relatórios de estilo de personalidade até insights úteis e dirigidos por dados sobre estresse e necessidades da equipe — e onde estão os limites?

De códigos de cor a padrões de conexão

Os pesquisadores partem do DISC, um modelo que agrupa as pessoas por estilos comportamentais gerais, como mais assertivo, voltado para pessoas, estável ou orientado a detalhes. Em uma organização universitária, 195 funcionários haviam completado uma avaliação baseada em DISC que também avaliou 17 competências relacionadas ao trabalho, listou pontos fortes e traços mais fracos e registrou o nível de estresse. Em vez de tratar esses perfis como pontuações isoladas, a equipe considerou cada funcionário como um ponto em uma rede, onde a proximidade entre duas pessoas depende de quão semelhantes são suas competências, funções e traços.

Construindo um mapa de quem se parece com quem

Para desenhar essa rede, os autores combinaram três tipos de semelhança. Eles mediram o quão parecidas as pessoas eram nas avaliações de competências, quantos detalhes organizacionais coincidiam (como unidade ou tipo de tarefa) e quanto havia de sobreposição nas descrições de traços. Esses três ingredientes foram mesclados em um único escore de similaridade para cada par de funcionários. Cada pessoa foi então ligada aos colegas mais semelhantes, formando uma teia em que conexões mais espessas significam maior semelhança. Um algoritmo de detecção de comunidades buscou nessa teia os agrupamentos naturais — grupos de pessoas mais fortemente conectadas entre si do que ao resto da organização.

Grupos ocultos e sua mistura de estresse

A rede resultante estava longe de ser aleatória. O método revelou seis comunidades de funcionários, cada uma com sua própria combinação de estilos DISC e níveis de estresse. Alguns grupos continham muitos tipos “organizador” ou “analista”, enquanto outros eram mais mistos. O estudo constatou que esses clusters também diferiam na frequência dos vários níveis de estresse, sugerindo que combinações de estilo comportamental, competências e contexto de função tendem a andar juntas. Isso fornece uma forma para equipes de recursos humanos pensarem em intervenções no nível do grupo, como treinamentos direcionados ou revisão da carga de trabalho para clusters específicos, em vez de focar apenas em indivíduos isolados.

Tentando prever estresse a partir de perfis

Os autores então passaram do mapeamento para a previsão. Usando um método popular de aprendizado de máquina chamado random forest, tentaram adivinhar a categoria de estresse de cada funcionário (baixo, médio, alto ou alto e claramente ligado ao trabalho) a partir do tipo DISC, competências, traços e detalhes organizacionais. O modelo foi melhor do que um palpite puro, mas não superou uma estratégia muito simples de sempre prever a classe majoritária, que era baixo estresse. Em outras palavras, há algum sinal nos dados de personalidade e competências, mas grande parte do que molda o estresse parece residir em outra parte — como prazos que mudam, eventos pessoais ou relações de equipe em transformação que não foram capturadas nessa pesquisa pontual.

O que realmente impulsiona a pressão no trabalho

Mesmo com suas limitações, o modelo preditivo destacou alguns padrões reveladores. Avaliações de competências ligadas a metas de vendas e relacionamento com clientes estiveram entre as entradas mais importantes quando o algoritmo tentou separar os diferentes níveis de estresse. Isso condiz com a experiência comum: funções em que resultados e contato com clientes são centrais frequentemente vêm acompanhadas de pressão extra. O estudo também realizou um exercício separado para “prever” rótulos de grupos de competência e obteve pontuações quase perfeitas — mas aí os rótulos-alvo eram, essencialmente, construídos a partir das mesmas informações usadas como entradas, um exemplo clássico de vazamento de informação que parece impressionante no papel, mas não generaliza.

Por que isso importa para pessoas e equipes

Para um leitor geral, a mensagem-chave é que testes de personalidade e de competências podem fazer mais do que colocá-lo numa caixa com letras; quando combinados com cuidado, podem revelar como você se encaixa no tecido mais amplo do seu local de trabalho. Ao mesmo tempo, este estudo alerta contra excesso de confiança: estresse não é algo que possamos ler com confiabilidade a partir de um gráfico de personalidade. Mapas no estilo de rede de similaridade podem ajudar organizações a identificar grupos significativos e pensar em treinamento ou equilíbrio entre equipes, mas decisões sérias sobre bem-estar ainda exigem informações mais ricas e contínuas e, acima de tudo, conversa humana direta.

Citação: 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

Palavras-chave: estresse no trabalho, avaliação de personalidade, dinâmica de equipe, análise organizacional, competências dos funcionários