MentalGame：基于多元游戏与机器学习方法预测软件开发人员的性格-职业匹配度
机器学习
2026-01-06 v1 人工智能
人机交互
软件工程
摘要
职业规划与人员选招中常用的性格评估依赖自报问卷，存在响应偏差、疲劳及故意扭曲等问题。基于游戏的评估通过捕捉游戏过程中的潜在行为信号，提供了一种有前景的替代方案。本研究提出一种结合多元游戏框架与机器学习技术的_serious_game_系统，用于预测适合软件开发角色的匹配度。通过系统性文献综述及对专业软件工程师的实证研究，识别出与软件开发人员相关的性格与行为特征。设计了一款定制移动游戏，以激发与问题解决、计划、适应性、坚持、时间管理及信息检索相关的行为。收集并分析细粒度的游戏事件数据，采用两阶段建模策略，仅基于游戏派生的行为特征预测适配度。结果表明，模型在最佳情况下达到97%的精确率和94%的准确率。行为分析揭示，合适的候选人表现出distinct的游戏模式，如在基于拼图的游戏中获得更多胜利、更多挑战性副任务、更频繁地浏览菜单，以及进行较少的暂停、重试和投降操作。这些发现表明，游戏过程中捕获的隐式行为痕迹在预测软件开发适配度方面具有前景，无需进行显式的性格测试，从而支持_serious_game_作为一种可扩展、引人入胜且偏颇较小的职业评估替代方案。
引用
@article{arxiv.2601.01206,
title = {MentalGame: Predicting Personality-Job Fitness for Software Developers Using Multi-Genre Games and Machine Learning Approaches},
author = {Soroush Elyasi and Arya VarastehNezhad and Fattaneh Taghiyareh},
journal= {arXiv preprint arXiv:2601.01206},
year = {2026}
}