员工自愿离职会对组织产生直接的财务影响。而且，在大流行病爆发之时，大多数组织都在寻求削减员工成本，自愿员工离职会给公司带来很大的担忧。因此，预测员工离职率的能力不仅可以帮助制定明智的雇用决策，还可以帮助您在不确定的时间内节省大量的财务危机。
认识到，来自AI招聘初创公司PredictiveHire的研究人员和数据科学家建立了一种语言模型，可以分析候选人的开放式面试问题，从而推断出候选人跳槽的可能性。由Madhura Jayaratne和Buddhi Jayatilleke领导的这项研究是对45,000名求职者的回答进行的，他们使用聊天机器人进行了面试，并对自己跳槽的可能性进行了自我评估。
研究人员评估了五种不同的文本表示方法-术语频率-逆文档频率(TF-IDF)的缩写，LDS，用于词表示的GloVe Vectors，Doc2Vec文件嵌入以及语言查询和字数统计(LIWC)。但是，GloVe嵌入提供了最佳结果，突出了单词序列与员工离职的可能性之间的正相关关系。
研究人员还进一步指出，员工跳槽与他们的“开放经验”也存在正相关关系。由于公司能够为新生提供相同的预测，而那些改变职业的公司可以为公司带来可观的财务收益。
回归模型来推断跳槽
除了新员工入职或将工作外包给财务带来的影响外，提高员工离职率还可能降低生产率，并削弱员工士气。实际上，在这种竞争格局中，为了寻找更好的工作而离开工作的趋势已经得到了广泛的关注。因此，对于公司而言，评估候选人在选择之前跳槽的可能性变得至关重要。
传统上，这种评估是通过浏览候选人的简历来完成的;但是，手动干预使过程既累又不准确。另外，此方法仅适合具有工作经验的专业人员使用，而对于新手和业余爱好者没有用。因此，研究人员决定利用面试答案来分析候选人的人格特质以及他们自愿离职的机会。