Ist die Analyse wissenschaftlich zuverlässig?

KeenCorp folgt der Prämisse von William A. Kahn (1990, 1992), dass Engagement ein Maß für das Ausmaß ist, in dem Menschen sich in Arbeitsrollen ausdrücken und einsetzen, und dass dies sowohl Auswirkungen auf ihre Arbeitseffektivität als auch auf ihre persönliche Erfahrung hat. Unser Algorithmus verknüpft diese Vorstellung mit der Arbeit von unter anderem Pennebaker et al. (2003a, 2003b), dass Menschen das Ausmaß, in dem sie sich ausdrücken und einsetzen, in der Sprache offenbaren: mehrere Merkmale des Sprachstils, wie der Gebrauch von Pronomen, emotional gefärbte Wörter, Präpositionen und Konjunktionen, die kognitive Arbeit signalisieren, wurden mit situativen und sozialen Variationen in der Sprache und einer Reihe von Verhaltens- und emotionalen Ergebnissen in Verbindung gebracht. Um den Algorithmus zu validieren, hat KeenCorp auf die Verwendung von Echtzeitdaten eines realen Unternehmens zurückgegriffen, dessen Geschäftslifecycle heute auf dem Markt bekannt ist: KeenCorp hat das öffentlich zugängliche Enron-Korpus verwendet, das 320.000 E-Mail-Nachrichten aus den E-Mail-Postfächern von Enrons 150 Top-Führungskräften über einen Zeitraum von 2,5 Jahren bis zur Insolvenz von Enron enthält. Die resultierenden Daten zeigen einen signifikanten Rückgang, ausgedrückt in Punkten des EBI-Index, mit dem niedrigsten Punkt kurz nach der Insolvenzanmeldung von Enron. Darüber hinaus können die mehreren signifikanten Einbrüche im Index zu früheren Zeitpunkten mit bedeutenden Entscheidungen von Enrons Management in Verbindung gebracht werden, die während der Enron-Prozesse öffentlich wurden.