On a passé beaucoup de temps à réfléchir à la satisfaction dans la carrière, et dernièrement, on a passé encore plus de temps à réfléchir à ce qui rend exactement quelqu'un satisfait dans sa carrière. On sait que, même si chaque rôle au sein d'une carrière est unique, certaines carrières ont tendance à rendre les travailleurs plus heureux. Pourtant, même parmi les carrières dont les niveaux de satisfaction sont les plus bas, certains sont heureux dans leur travail, et parmi les carrières dont les niveaux de satisfaction sont les plus élevés, certains se disent profondément malheureux. Il n'existe pas de carrière unique, la plus ou la moins satisfaisante, pour tout le monde. Les aspects d'une carrière qui ont incité une personne à la poursuivre ne sont pas nécessairement les mêmes que ceux qui la rendent heureuse. La profession de médecin, par exemple, est l'une des professions les plus compétitives, avec moins d'opportunités qu'il n'y a de personnes intéressées. Malgré cela, il a été constaté que les médecins font partie des travailleurs les plus malheureux. La réalité de la profession est différente de l'idée que l'on s'en fait.

C'est là que réside la difficulté fondamentale. Les choix de carrière sont souvent faits en fonction des intérêts, mais le véritable objectif est de trouver une carrière qui satisfasse. Comment une personne peut-elle choisir une carrière qui l'intéresse et qui la satisferait si elle ne peut déterminer la satisfaction avant d'avoir fait son choix ? Cela ne veut pas dire que l'intérêt et la satisfaction sont incompatibles. Il est intuitif que vous avez peu de chances d'être satisfait par une carrière qui vous intéresse, mais on sait, grâce aux données qu’on recueille, qu'il y a souvent des écarts entre la satisfaction et l'intérêt déclarés.

Considérons par exemple comment les notes moyennes d'intérêt et de satisfaction sont distribuées parmi les 814 carrières de la base de données.

Dans leur grande majorité, les gens se déclarent plus satisfaits de leur carrière que ce à quoi on pourrait s'attendre si l'on pensait que l'intérêt pour la carrière et la satisfaction professionnelle étaient équivalents. Il est possible que cela soit purement un artefact de la satisfaction biaisée. Le biais de l'échantillon pourrait vous induire en erreur et vous amener à surestimer la différence entre satisfaction et intérêt. Par définition, les seules personnes qui peuvent juger de leur satisfaction à l'égard d'une carrière sont celles qui l'ont effectivement exercée ! Si un intérêt élevé conduisait à une satisfaction élevée, alors vous devriez vous attendre à voir le type de graphique ci-dessus. Les personnes qui ont évalué les carrières à faible intérêt n'ont jamais l'occasion de faire part de leur satisfaction, de sorte que les évaluations de satisfaction seraient gonflées. Malgré cela, les niveaux de satisfaction déclarés dépassent de loin les niveaux d'intérêt déclarés.

Il existe une deuxième explication. Il est également possible que la satisfaction soit influencée par d'autres facteurs que ceux qui suscitent l'intérêt. Peut-être que les gens ne comprennent généralement pas la réalité d'une carrière ou peut-être qu'ils évaluent mal leur réaction à ce qu'ils connaissent. Par exemple, une personne peut devenir ingénieur civil parce qu'elle aime l'urbanisme et la physique, mais elle finit par être malheureuse dans son travail parce qu'elle n'a pas réalisé qu'elle passerait la plupart de son temps à un bureau. Ou peut-être qu'une personne devient entraîneur personnel parce qu'elle aime la santé et le fitness, mais qu'elle se rend compte que c'est l'aspect entrepreneurial de son travail qui lui permet de l'aimer vraiment. Si tel est le cas, on devrait en voir la preuve dans les modèles qu’on crée pour prédire l'intérêt et la satisfaction.

Prédire les évaluations des utilisateurs

On a travaillé à l'élaboration de modèles permettant de prédire à la fois les intérêts et la satisfaction en matière de carrière. En utilisant les données fournies par les utilisateurs qui passent l’évaluation, cela vous aide à identifier les carrières qui seraient les plus satisfaisantes pour un utilisateur et où se trouvent les plus grandes différences avec ce qui serait intéressant. Le plus important est peut-être que vous pouvez aussi commencer à comprendre ce qui motive l'intérêt et ce qui motive la satisfaction. Cette partie est un peu technique, alors si vous voulez simplement savoir pourquoi on pense qu’on observe des différences dans les taux d'intérêt et de satisfaction, passez directement à la section suivante.

Cette partie devient un peu technique, donc le TLDR pour ceux qui veulent sauter cette section est qu’on peut utiliser le modèle pour obtenir une liste de facteurs triés par ordre d'importance pour prédire l'intérêt ou la satisfaction.

Les utilisateurs donnent des notes sur une échelle de 1 à 5. L'une des façons de modéliser les réponses des utilisateurs est donc d'utiliser la régression ordinale, qui est utile lorsque les réponses considérées sont sur une échelle ordinale (c'est-à-dire qu'un utilisateur qui répond par un 3 ou un 4 est logique, mais un 3,5 est autorisé). La régression ordinale fonctionne en combinant toutes les caractéristiques de manière linéaire en une sortie, un peu comme la régression linéaire.

Par exemple, supposez que vous prédisiez l'intérêt pour le métier de photographe et que, pour ce faire, vous utilisiez l'intérêt déclaré de la personne pour l'art (Xâ), son désir d'utiliser ses compétences en programmation informatique (âY) et son intérêt pour le sport (âZ). Le modèle apprend les poids à associer à chacune des caractéristiques en fonction de la façon dont la caractéristique est liée à l'intérêt pour le métier de photographe. Dans le cas ci-dessus, vous vous attendez à ce que l'intérêt pour l'art soit positivement lié à l'intérêt pour la photographie (disons un poids de 2), à ce que le désir d'utiliser des compétences en programmation informatique soit négativement lié (disons un poids de -1), et à ce que l'intérêt pour le sport soit largement non lié (disons un poids de 0,1). À partir de là, le modèle produit une sortie brute,

Ainsi, si une personne a indiqué un 4 pour son intérêt pour l'art, un 2 pour son désir d'utiliser la programmation informatique et un 3 pour son intérêt pour le sport, le résultat brut serait le suivant,

Bien entendu, cela n'a aucun sens en tant que classement prédit, et le modèle a donc besoin d'un ingrédient supplémentaire.

En plus des pondérations, le modèle apprend un ensemble de quatre seuils. Les seuils transforment la sortie brute en une note de 1 à 5. Pour un résultat brut tel que 6,3, la note prédite de l'utilisateur est le nombre de seuils supérieurs à 6,3 plus un. Ainsi, si vos quatre seuils sont -1, 0, 2 et 8, vous prédisez un 4, puisque 6,3 est supérieur à -1, 0 et 2, mais inférieur à 8.

Vous ne pouvez pas visualiser ce qui se passe avec trois caractéristiques, mais si vous considérez le cas d'une seule caractéristique V, vous pouvez commencer à imaginer comment cela fonctionne. Si on a ces quatre seuils à 3, 4,5, 7,5 et 12, alors la fonction de prédiction ressemblera au graphique ci-dessous.

L'axe des x indique la valeur d'entrée, et l'axe des y représente la sortie brute. Chaque seuil est indiqué par une ligne noire horizontale qui divise la sortie brute possible en intervalles irréguliers. Donc, si vous avez passé l'évaluation et que le score pour la seule caractéristique qu’on considére était de 4, cela signifie qu’on a défini la valeur de la caractéristique à 4 et le résultat est ce que vous voyez ci-dessous,

La ligne blanche représente la relation entre l'entrée 4 et la sortie brute 6. Comme 6 est supérieur à deux seuils et inférieur aux deux autres seuils, on prédit 3.

Le point important est que, compte tenu d'un ensemble de données, le modèle apprend les pondérations et les seuils optimaux pour prédire les évaluations. Les caractéristiques qui sont positivement associées à une note élevée reçoivent des poids positifs importants pour aider à pousser la sortie brute vers le haut et, espérons-le, au-dessus de la plupart des seuils. Inversement, les caractéristiques qui sont négativement associées à une note élevée reçoivent des poids négatifs importants pour faire baisser la sortie brute, idéalement en dessous de la plupart des seuils. Chaque poids tire la sortie brute d'un certain montant basé sur les réponses de l'utilisateur, et la sortie brute finit par se stabiliser entre les seuils.

En formant des modèles pour prédire l'intérêt et la satisfaction pour chaque carrière, on peut examiner les caractéristiques auxquelles sont associés les poids les plus importants pour aider à déterminer ce qui est le plus important pour chacune. Pour l'exemple de la photographie avec lequel on a joué précédemment, on classera l'importance des facteurs comme suit :

Maintenant, on passe aux choses sérieuses.

Combler le fossé entre intérêt et satisfaction

On a examiné l'intérêt et la satisfaction générale à l'égard des différentes carrières et, grâce aux modèles présentés ci-dessus, vous pouvez commencer à mieux comprendre les différentes carrières en découvrant les facteurs à l'origine des différences. L'une des carrières les plus intéressantes à considérer est celle d'infirmière.

Prédire l'intérêt et la satisfaction chez les infirmières

Les visiteurs donnent en moyenne une note d'intérêt de 2,32 pour les soins infirmiers, ce qui est relativement proche de la satisfaction moyenne de 2,78 rapportée pour cette carrière. Cependant, la profession d'infirmière obtient des notes de satisfaction plus faibles que la majorité des carrières pour lesquelles vous disposez de données.

En utilisant le modèle que on a évoqué plus haut, les cinq facteurs les plus importants pour qu'une personne s'intéresse aux soins infirmiers sont les suivants :

Tous ces éléments sont associés positivement à l'intérêt pour les soins infirmiers, ce qui est tout à fait logique. Vous vous attendez à ce qu'un infirmier ou une infirmière s'intéresse aux soins de santé et aux activités qui y sont associées, et qu'il ou elle aime passer du temps avec les groupes les plus vulnérables de la population, puisqu'il ou elle les verra probablement plus souvent.

Cependant, si l'on creuse les données sur la satisfaction, on constate que d'autres facteurs ne sont pas pris en compte lorsque les gens décident de leur intérêt. Les cinq facteurs les plus pertinents pour la satisfaction professionnelle des infirmières sont les suivants :

Là encore, tous ces éléments sont positivement associés à un intérêt pour les soins infirmiers, mais il existe quelques différences majeures par rapport au cas d'intérêt. Tout d'abord, certaines des tâches quotidiennes les plus évidentes ne sont pas mises en avant, comme le montre l'intérêt pour l'interprétation des résultats des tests médicaux, qui est relégué au quatrième rang. Le désir de travailler avec des populations plus vulnérables est toujours représenté par l'intérêt d'aider les personnes âgées à accomplir leurs activités quotidiennes, mais on voit également une représentation plus holistique des fonctions d'une infirmière grâce à la présence du facteur cinq. Les infirmières sont souvent le visage de l'hôpital lorsqu'il s'agit de soins aux patients, et elles ont donc tendance à voir les gens dans les moments les plus difficiles. Le modèle indique que la volonté de maintenir une attitude positive et de remonter le moral des patients peut jouer un rôle majeur dans la satisfaction au travail.

Un deuxième élément important à retenir est que les données sur la satisfaction sont peut-être plus aptes à saisir la motivation interne. Le facteur trois, le désir d'aider les gens, ne figurait pas dans la liste des traits importants pour l'intérêt pour les soins infirmiers et n'a rien à voir avec les tâches quotidiennes spécifiques d'une infirmière. Il est plutôt lié à la motivation interne. Les soins infirmiers sont un travail exigeant, tant sur le plan physique qu'émotionnel, et le désir interne d'aider les gens peut motiver les infirmières et les garder heureuses malgré les défis de la carrière. Pour qu'une personne soit satisfaite de son travail, il est tout à fait logique qu'elle ait le sentiment de faire un travail utile.

Satisfaction à ce test

La capacité à faire la distinction entre intérêt et satisfaction représente une énorme opportunité. En exploitant l'énorme quantité de données dont on dispose sur les facteurs de satisfaction et d'intérêt, on peut commencer à aider les gens à isoler les qualités les plus importantes qui leur permettront d'être heureux dans leur carrière à long terme. Il y a des choses intéressantes en préparation ici, alors restez à l'écoute et revenez souvent.