Gem. leestijd 6 min  303x gelezen

Brains@Work: Helder zien bestaat dus echt

De wetenschap schrijdt snel voort, ook op het gebied van recruitment. Brains@work behandelt elke maand recent onderzoek. Deze keer: zijn er echt mensen die de wereld om hen heen scherper waarnemen dan anderen? En zo ja, wat zegt dat over hun intelligentie?

Brains@Work: Helder zien bestaat dus echt

Er is veel bewijs dat mensen enorm van elkaar kunnen verschillen als het gaat om persoonlijkheid en cognitieve vaardigheden. En zo lijkt het ook logisch dat er mensen zijn die beter kunnen ruiken, horen en/of zien dan anderen. Oftewel: dat zij beter zijn in waarneming van de wereld om zich heen.

Er is nooit echt goed onderzoek gedaan naar individuele verschillen in ‘perceptuele gevoeligheid’.

Er is echter nooit echt goed onderzoek gedaan naar individuele verschillen in wat we wel noemen ‘perceptuele gevoeligheid’. Juist daarom is de studie die we vandaag behandelen (uitgevoerd door onderzoekers van VanderBilt University, de University of Delaware, Brown University en de Chinese University of Hong Kong) zo interessant.

Key takeaways

Wat zijn de belangrijkste takeaways uit het onderzoek?

  • Er zijn mensen die significant beter zijn in zaken visueel waarnemen dan andere mensen;
  • Er is slechts een klein verband tussen goed zijn in visuele waarneming en fluïde intelligentie. Binnen groepen met dezelfde intelligentie zijn nog altijd grote verschillen in objectherkenning.
  • Er lijkt bewijs te zijn voor één algemene maat voor hoe goed mensen zijn in het herkennen van visuele objecten. De onderzoekers stellen voor om deze maat voortaan o te noemen.

Het onderzoek in het kort

Aan het volledige onderzoek namen 246 mensen deel, van wie 57% vrouw. Zij ontvingen ieder 195 dollar aan het einde van het onderzoek. Het onderzoek bestond uit 4 experimentele sessies van bijna 2 uur die thuis werden uitgevoerd, en 6 experimentele sessies van 1 uur die in het (psychologisch) laboratorium werden uitgevoerd. Hoewel 246 mensen voor een leek misschien aanvoelt als een kleine steekproef, is dit een zeer acceptabel aantal voor een dergelijk onderzoek. Bijna 3.500 uur meten levert bovendien een schat aan data op.

3.500 uur meten levert een schat aan data op.

De proefpersonen deden in de eerste labsessie twee bestaande objectherkenningstesten, namelijk de CFMT (een gezichtsherkenningtaak) en de VET (vliegtuigen, vogels, auto’s huizen en vlinders). Dit om vast te stellen hoe goed de proefpersonen zijn in visuele objectherkenning als het gaat om voor iedereen welbekende objecten.

Space invaders

Daarna deden de proefpersonen steeds thuis een soort van Space Invaders-spelletje waarbij ze alleen objecten konden wegschieten die er hetzelfde uitzagen als het object onder in beeld. Alle objecten waren door een computer gegenereerd en lijken werkelijk in niets op objecten die echt bestaan. Je moet dus heel nieuwe objectcategorieën leren en subtiele verschillen binnen de objectcategorie leren onderscheiden. En dan ook nog een keer in een fractie van een seconde kijken hoe jouw avatar (of eigenlijk kanon) eruit ziet en deze vergelijken met de aanvallers die steeds dichterbij komen om dit spelletje te kunnen winnen.

Je moest in het onderzoek heel nieuwe objectcategorieën leren onderscheiden.

In elk van de 4 thuissessies werd een andere en totaal onbekende objectcategorie gebruikt. Ook werd 1 objectcategorie nooit getoond tijdens de thuissessie, maar werd daar toch op getest tijdens 1 van de labsessies om te kijken of leerprocessen over nieuwe categorieën heen generaliseren. De onderzoekers testten zowel objectherkenning van bekende objecten, zoals een vliegtuig en vlinder als onbekende objecten die computers volkomen random genereerden.

De resultaten

Wat bleek nu?

  • De betrouwbaarheid van de al bestaande objectherkenningstesten (VET en CFMT) bleek goed (α=.8) tot excellent (α=.9). Ook de betrouwbaarheid van de nieuw ontwikkelde objectherkenningstesten zat snor (α=.74-.97, gemiddeld=.89). Dit is belangrijk om te vermelden, want zonder betrouwbare testen kun je überhaupt geen conclusies trekken.
  • Misschien een inkoppertje: er lijken grote verschillen te zijn in hoe goed mensen nieuwe objectcategorieën kunnen leren en vervolgens herkennen.
  • Als je goed bent in het leren van de ene nieuwe objectcategorie, ben je ook goed in het leren van een andere nieuwe objectcategorie. Het is dus niet zo dat de een beter planten herkent en de ander beter auto’s. Van het verschil in hoe goed mensen objecten kunnen herkennen (na een leerfase) lijkt 89% toe te schrijven aan 1 algemene factor o. Dit is een belangrijk en intrigerend punt met mogelijk interessante implicaties voor hoe je talent kunt herkennen.
  • Er zijn mensen die simpelweg sneller leren. Dit noemen we fluïde intelligentie, kortweg g. En er blijkt een correlatie te bestaan tussen fluïde intelligentie (g) en objectherkenning (o). Hoe intelligenter, hoe beter in objecten herkennen dus.
  • Máár: als je controleert voor intelligentie, en je dus eigenlijk steeds mensen vergelijkt met hetzelfde intelligentieniveau, zie je dat nog 70-80% van de verschillen in visuele objectherkenning overeind blijven. Het leeuwendeel van de verschillen tussen mensen in objectherkenning is dus niet toe te schrijven aan verschillen in intelligentie. Ook dit is een belangrijke observatie.
  • Alle andere gemeten en beoordeelde persoonlijkheidseigenschappen doen er helemaal niet toe. Er is dus geen enkel bewijs dat verschillen in visuele perceptie iets met persoonlijkheid van doen hebben.

Conclusie 1: We verschillen sterk in hoe goed we visuele objecten kunnen onderscheiden

Oké, er zijn dus grote verschillen tussen mensen in hoe goed ze visuele objecten kunnen onderscheiden. Maar nu denk je misschien: leuk, maar wat heb ik daar nou aan in de praktijk? Nou, neem bijvoorbeeld een vakkenvuller bij een supermarkt, die tijdens het werk moet controleren of alle producten in orde zijn of een klant moet helpen een product te vinden. Als die vakkenvuller een hoge o heeft, zal die dit beter en sneller kunnen dan iemand met een lagere o.

Hetzelfde geldt natuurlijk voor een werknemer bij een een distributiecentrum of een autoverhuurbedrijf die op schades controleert. Maar ook voor webdesigners, bouwkundigen, radiologen die bijvoorbeeld MRI-scans controleren op kanker zal iemand met een hoge o sneller, maar vooral ook accurater, het werk doen. Als oog voor detail belangrijk is en kleine verschillen in hoe iets eruit ziet uitmaakt, dan kan dit een kwaliteit zijn die je zoekt in sollicitanten en huidige werknemers.

Conclusie 2: Helder zien staat los van intelligentie

Brad Pitt, credit

Er is door dit onderzoek overtuigend bewijs geleverd dat er grote verschillen zijn in visuele perceptie tussen mensen en dat dit grotendeels onafhankelijk is van fluïde intelligentie. Natuurlijk was al bekend dat mensen erg kunnen verschillen in hoe goed ze visuele objecten kunnen herkennen. Zo zijn sommige mensen bijzonder goed of zelfs vreselijk slecht in het herkennen van gezichten. Het is zelfs zo dat 2% van de mensen gezichtsblind is (onder wie Brad Pitt). Zij herkennen jou dus niet eens als collega!

Zo’n 2% van de mensen is wat we noemen gezichtsblind.

Maar dit soort verschillen gelden vaak alleen voor 1 objectcategorie. Een gezichtsblind persoon kan bijvoorbeeld wel weer heel goed zijn in het herkennen van lichaamshouding en dat gebruiken om jou te herkennen. In dit onderzoek wordt echter aangetoond dat er ook een algemeen principe o is, waaruit blijkt dat als je heel goed bent in visuele objectperceptie voor de ene categorie je ook heel goed bent in visuele objectperceptie voor welke andere categorie dan ook.

Interessante skill

Dus als objecterkenning voor bepaalde functies essentieel is, zoals bijvoorbeeld voor radiologen, is het geen heel gek idee om hiervoor een test te ontwikkelen. Ik vermoed dat de professor die microchip-architectuur onderzoekt en me vertelde dat hij PhD’s selecteerde op visuele secuurheid, aangezien ze werken op de nanometer en een foutje heel snel gemaakt is, hier extreem hoog op scoort. Ik denk dat hij ook veel interesse zou hebben in zo’n test. Net als bijvoorbeeld ASML, Thales of NXP.

Als objecterkenning voor bepaalde functies essentieel is, kun je hiervoor een test ontwikkelen.

En vanuit een talent beredeneerd: als je merkt dat je heel goed bent in visuele waarneming, of een test zou dit aantonen, zou het goed kunnen dat je ook ogenschijnlijk heel verschillende functies zou kunnen vervullen die dit als cognitieve skill vereisen. Denk aan: radiologie, kwaliteitscontrole bij producten of in de chipindustrie. Handig om op je cv te kunnen zetten! Wat de scherp kijkende recruiter dan weer zou moeten opvallen…

Over deze rubriek

In deze nieuwe rubriek leggen Dr. Ilja Sligte (assistant professor aan de Universiteit van Amsterdam en Chief Science Officer van BrainsFirst) en Bas van de Haterd (onafhankelijk spreker en adviseur op het gebied van selectietechnologie) elke maand op een begrijpelijke manier een nieuw wetenschappelijk onderzoek uit dat relevant is voor het selecteren van medewerkers. 

Lees ook

bij Digitaal-Werven

Bas van de Haterd

Bas van de Haterd is onder meer initiatiefnemer van Digitaal-Werven, een jaarlijks onderzoek naar welke organisatie kandidaten de beste sollicitatie-ervaring biedt, en samen met Werf& organisator van TA Live.
  • Leave behind a comment

Onze partners Bekijk alle partners