Marcantonio Gagliardi*, Gian Luca Marcialis
Alors que la personnalité et la psychologie clinique ont commencé à utiliser l’intelligence artificielle (IA) pour améliorer leurs progrès, les méthodes classiques d’analyse factorielle restent la norme pour le développement de l’auto-évaluation. Dans notre travail, en nous appuyant sur le questionnaire Attachment-Caregiving (ACQ), nous suggérons une approche différente de l’analyse des données d’auto-évaluation qui pourrait bénéficier considérablement à l’évaluation de la personnalité, ce qui aurait un impact sur la pratique clinique. Nous pouvons comprendre les répondants plus en profondeur et décrire leur personnalité plus précisément si nous nous appuyons sur une interprétation flexible de leurs réponses basée sur des informations contextuelles sur leur histoire et leur vie présente. Bien que les évaluateurs experts soient capables d’effectuer cette tâche, l’IA peut être décisive pour normaliser et automatiser la procédure, en atteignant à la fois la précision humaine et la cohérence statistique. Différentes approches de mise en œuvre peuvent être adoptées, et nous prévoyons de commencer les tests dès que suffisamment d’ACQ terminés seront disponibles. Le big data pourrait alors être utilisé pour optimiser l’interprétation des éléments et améliorer les performances.