Erfarenhet. Vad betyder det för arbetsprestation?

Anders SjöbergUrvalsbeslutSkriv en kommentar

Inom urval pratas det ofta om erfarenhet, det är inte ovanligt i slutklämmen av en lång urvalsprocess att det är antal år av erfarenhet som sökande har, som fäller avgörandet. Men vad säger forskningen om detta? Jag har som vanligt när jag undrar över något gjort en djupdykning i forskningslitteraturen för att testa hypotesen om erfarenhet och arbetsprestation.

Arbetserfarenhet kan vara generell, dvs att man haft ett arbete. Där visar forskningen att korrelationen är svag positiv (r = .13), dvs att ha ett tidigare arbete har en begränsad effekt på arbetsprestationen. Det intressanta här är dels att detta samband påverkas (modereras) av komplexitet i arbetsuppgiften där högkomplexa arbeten visar på ett starkare samband (r = .17) i jämförelse med lågkomplexa arbeten. Dvs det är skillnad mellan standardiserade arbeten där samma arbetsmoment upprepas och arbeten när den anställde utsätts för nya saker att lösa på arbetet. Ytterligare ett intressant resultat är att sambandet mellan erfarenhet och arbetsprestation sjunker med antal år i arbete, och efter ca 15 år är sambandet noll (r = .00), sedan blir det negativt, dvs ju längre erfarenhet desto sämre arbetsprestation, även om sambandet fortfarande är relativt mycket svagt (r = -.08).

Arbetserfarenhet kan också vara organisationsspecifk, dvs man har jobbat en tid i samma organisation, kanske med samma, eller liknande uppgifter, eller bytt jobb inom organisationen. I stort sätt samma mönster följs som ovan, en svag generell positiv korrelation återfinns här (r = .06), och även här är sambandet starkare för högkomplexa arbeten (r = .08) i jämförelse med lågkomplexa arbeten (r = .03). Men i stort sätt triviala samband. Sambandet är dock högre i de studier som har ”objektiv” prestation som utfallsmått (r = . .28) istället för närmaste chefens bedömning (r = .12), troligen för att objektiva mått på prestation är mer tillförlitliga (egentligen högre reliabilitet). Även här ”vänder” sambandet efter ca 15 (exakt 14,2 år) och blir negativt.

När det gäller ålder och prestation är det även här en trivial korrelation (r = .03), här vänder sambandet vid 49 år, och blir svagt negativt (r = -.03). 

“Själv är jag 55 och har jobbat sedan jag var 18, så ni kan ju dra era egna slutsatser. Det blir inte bättre än så här”

De tidigare meta analyserna visade på ovan nämnda triviala samband,  men i praktiken är det ofta så att de sökande har haft liknande arbetsuppgifter, men i en annan organisation än den organisation som har initierat urvalsprocessen. Ett exempel kan vara att en organisation söker en IT-chef, och då finns ofta i kravprofilen att vederbörande som söker ska ha minst tre års erfarenhet av att vara IT-chef. Implicit antar den rekryterande organisationen att sökande som har den profilen har haft tid på sig att tillskansa sig kunskap, utvecklat färdigheter och har en förståelse av att jobba som IT-chef. Bör inte sambandet vara högre där?

Nej, faktiskt inte. Resultatet visar generellt på samma låga samband. När det gäller exemplet ovan med IT -chefen, sambandet är lågt (r = .06). I denna studie finns det många sk moderatorer (typ av prestation, typ av erfarenhet, hur mycket av relevant erfarenhet etc etc). Den enda gång som sambandet blir lite högre är när det gäller lågkomplexa arbeten (r = .16).

När forskarna gick igenom platsannaonser på monster.com var det 82% av annonserna som lade vikt på tidigare erfarenhet. Detta är också min erfarenhet, och det jag också lärt ut på universitetet, att det är viktigt, åtminstone för vissa jobb med erfarenhet.

Men resultatet kan ej bekräfta detta, det är förmodligen inte så viktigt som vi tror. En förklaring kan vara att organisationer är olika, det tar tid att lära känna nya personer och förstå den organisations specifika politiken för att kunna prestera. Detta resultat stämmer inte heller överens med tanken i human kapital teorin, där erfarenhet betraktas som en byggsten att bygga human kapital. 

Om man höjer blicken vilka andra saker vi kan bedöma i en urvalsprocess, som tex intelligens, personlighet och att mäta kunskap genom arbetsprov ter sig erfarenhet stå sig ganska dåligt i jämförelse. Detta gör att min rekommendation är att väga ned erfarenhet generellt som en viktig parameter i de flesta urvalssituationerna, och framför allt använda mer valida bedömingar för att förutsäga arbetsprestation.

Referenser

Sturman, M. C. (2003). Searching for the Inverted U-Shaped Relationship Between Time and Performance: Meta-Analyses of the Experience/Performance, Tenure/Performance, and Age/Performance Relationships. Journal of Management, 29(5), 609–640. https://doi.org/10.1016/S0149-2063_03_00028-X

Van Iddekinge, CH, Arnold, JD, Frieder, RE, Roth, PL. A meta‐analysis of the criterion‐related validity of prehire work experience. Personnel Psychology. 2019; 1– 28. https://doi.org/10.1111/peps.12335

Ett nytt test som mäter “hela” FemFaktorModellen

Anders SjöbergUrvalsbeslutSkriv en kommentar

Många testleverantörer pratar om att det har ett så kallat ”Big Five” eller ”femfaktortest” test. Vid en närmare granskning är det dock få som vid konstruktionen av sina instrument de facto använt Big Five som utgångspunkt i utvecklingsarbetet. Big Five är vad det låter; fem breda faktorer som förvisso visat sig användbara för urvalsbeslut men också kritiserats för att vara en alltför bred kategorisering. Denna kritik har vi tagit stor hänsyn till i utvecklingen avsett ett helt nytt och komplett Big Five test baserat på den kompletta modellen med fem breda faktorer, vilka i sin tur har sex facetter (underskalor). Vi kallar detta instrumentet Personality150.

Inom forskningen har två delvis olika tolkningsmodeller inom personlighet föreslagits. Dessa benämns ”broad” och ”specific”. ”Broad” det vill säga den breda modellen, föreslår att det är de fem breda faktorerna som ska utgöra utgångspunkten när personlighet ska beskrivas eller användas för att förutsäga beteenden eller känslor (t ex prestation och arbetstrivsel). Företrädare för den specifika modellen anser att de fem breda faktorerna inte är tillräckliga för att användas som modell, utan att man istället bör utgå ifrån att personligheten bäst kan beskrivas med mer specifika faktorer. Ett exempel är den breda faktorn Extraversion, under den faktorn finns sex olika facetter: Tillgivenhet, Sällskaplighet, Dominans, Energi, Spänningssökande och Gladlynthet. När vi utvecklade Personality150 bad vi 400 personer besvara frågor om just Extraversion.

På gruppnivå fann vi en ganska hög korrelation mellan de sexfacetterna vilket ger en hög träffsäkerhet (reliabilitet) när det gäller att fånga den generella faktorn Extraversion (Omega Total = .85). Om man tar bort det unika som facetterna står för i den övergripande faktorn Extraversionsfaktorn så sjunker reliabiliteten betydligt (Omega Hierarchical = .60). Detta betyder att det finns unik variation i facetterna som inte kan förklaras av den övergripande faktorn Extraversion. Nu blev det lite väl tekniskt, eller hur? Låt mig förklara utifrån min egen grad av Extraversion. På den övergripande faktorn Extraversion ligger jag klart över medelvärdet.

Men detta betyder INTE att jag har högt på samtliga facetter Tillgivenhet, Sällskaplighet, Dominans, Energi, Spänningssökande och Gladlynthet.

Låt oss titta närmare på två av dessa faktorer, nämligen Energi och Spänningssökande. Här ser vi att den relativt höga nivån på Extraversion handlar inte om att jag söker det oförutsägbara, det som för många personer är själva ”grejen”, att söka spänning tycker jag bara är jobbigt. Däremot har jag fullt tempo i mitt arbetsliv (anställd, eget företag, fotbollscoach, styrelseledamot och bloggare). Jag blir rastlös när det inte finns något att fundera på, lösa eller göra. Med andra ord så finns det reliabilitet i facetterna, det övergripande Extraversion resultatet kan nyanseras i facetterna, i mitt fall skillnaden mellan Energi och Spänningssökande.  

Vad kan detta resultat användas till? Och vilka praktiska konsekvenser får det? För det första ger det helt klart en mer heltäckande bild av individens personlighet. Detta ger en ökad förståelse för hur individen själv kan förstå varför och hur hen tänker och känner inför olika arbetssituationer. Det kan också användas för att öka förutsägelsen av t ex arbetsprestation. Judge och hans kollegor (2013) fann att Extraversion (breda perspektivet) hade betydligt lägre samband med arbetsprestation (r = .20) i jämförelse med det specifika perspektivet där alla 6 facetter (Tillgivenhet, Sällskaplighet, Dominans, Energi, Spänningssökande och Gladlynthet) tillsammans användes för att förutsäga arbetsprestation (r = .40). Både Energi och Spänningssökande bidrog starkt till det relativt höga sambandet (högt resultat på båda facetterna leder till hög arbetsprestation).

När vi konstruerade Personality150, som levereras via vår plattform Assessment Engine, var vi ytterst noga med att inte ta något avsteg från den kunskap vi kan hämta från forskningen. Vi samlade all den forskning som finns om personlighet och dess koppling till både bra och dåliga beteenden på arbetsplatsen.

Det var ett krav att alla frågor skulle kunna appliceras på arbetet, ingen fråga skulle beröra beteenden utanför arbetets domän. Detta gjordes för att forskning visat att kontextualiseringen av frågor kan öka validiteten (Shaffer, J.A., & Postlethwaite, 2013). Detta gjordes också på grund av att vi anser att frågor vid urval och coaching i arbetslivet ska handla om arbetet, inte om vad som händer utanför arbetet (arbete definieras inte här endast som lönearbete).

När detta genomförts administrerades testet till 400 personer, samtliga var för tillfället i arbete (dvs ej studerande, arbetssökande eller dylikt). Detta urval utgör ett tvärsnitt av den svenska arbetande befolkningen. Dessa personer utgör den normgrupp som varje individuellt resultat jämförs med. Vi anser inte att normguppen ska utgöra specifika grupper av den anledningen att när du återkopplar resultatet till individen så ska hen jämföras med en generell normgrupp, inte ett gäng personer från en viss yrkesgrupp, bransch eller organisation.

Efter psykometriska analyser (ni kan beställa manualen från team@assessmentengine.se) så validerades testet mot olika arbetsrelaterade utfall (lön, organizational cititzenship behavior, occupational prestige och komplexitet i arbetsuppgiften).  När detta var klart skrevs alla texter till återkopplingen som ligger till grund för den standardiserade tolkningen av resultatet. 

Om du vill kolla på hur resultatet presenteras kan du ladda ned en exempelrapport här. Ladda ned en exempelrapport

Nu finns personality150 tillgängligt för alla som är redan nu uppkopplade mot Assessment Engine. Vill du börja använda detta i ditt arbete? Anmäl din mailadress här. 

Vi bjuder på assessments upp till 5000 SEK, så det är bara att börja bedöma personlighet på ett tillförlitligt sätt.

Nästa steg i Assessment Engine är att tillhandahålla en kompletterande datarapport (testpoängbeskrivning) som kan användas till den redan publicerade rapporten.

Men naturligtvis nöjer vi oss inte med detta, Assessment Engine utvecklas i takt med att forskningen inom assessment går framåt. Vi kommer inom kort med fler nyheter för att underlätta dina personbedömningar i arbetslivet.

Referenser

Judge, T. A., Rodell, J. B., Klinger, R. L., Simon, L. S., & Crawford, E. R. (2013, September 9). Hierarchical representations of the Five-Factor Model of Personality in predicting job performance: Integrating three organizing frameworks with two theoretical perspectives.Journal of Applied Psychology. Advance online publication. doi: 10.1037/a0033901

Shaffer, J.A., & Postlethwaite, B. E. (2013). A matter of context : A  meta-analytic invetsigation of the relative validity of contextualized and noncontextualized personality measures.Personnel Psychology, 65(3), 445-493.


Assessment Engine Nyheter

Anders SjöbergUrvalsbeslutSkriv en kommentar

Hej!
Under tiden jag varit på SIOP har mina kollegor jobbat vidare med uppdateringar. Nedan ser ni några nyheter.

Förbättrad återkopplingsrapport. För att göra det enklare för dig som administratör att ge feedback till dina respondenter så har vi utifrån våra kunniga kunders synpunkter nu förbättrat återkopplingsrapporten. Med beskrivningar för varje resultatnivå, tydligare grafik och mer omfattande riktlinjer för tolkning, så nu är rapporten bättre lämpad att ge som en fristående återkoppling till respondenter. Klicka här om du vill se ett exempel på hur en rapport kan se ut.

På gång. Vi kommer snart att lansera en stor personlighetsrapport som är komplett med 5 faktorer och 30 facetter och normerat på normalpopulation, samt ett nytt intelligenstest, kanske det bästa jag sett. Kommer hålla er uppdaterade.

Vill du testa Assessment Engine Klicka här

Glad Påsk!
The Assessment Engine Team

Intervju om Assessment Engine

Anders SjöbergUrvalsbeslutSkriv en kommentar

Eftersom vi är experter på det
vi gör så kan vi skapa processer
som maximerar både kvalitet
och enkelhet för våra
användare i alla led. En styrka
är också att vi är nära våra
användare och deras behov, det
finns inga mellanhänder, våra
användare har direktkontakt
med expertisen.
– ANDERS SJÖBERG

Senast månaden har vi sett en ökad trafik på Assessment Engine och snart kommer vi redan efter ett halvår efter start med nyutvecklade Assessments och rapporter. Alla delar i Assessment Engine är väl utprövade under svenska förhållande. Assessment Engines alla delar stödjer naturligtvis ISO10667, bedömningstjänster i arbetslivet. För någon vecka blev jag intervjuad av Josefin Malmer (Home of Recruitment) om vårt arbete med att utveckla Assessment Engine.

Här kan du läsa hela intervjun

Vill du lyssna på en tidigare intervju som Josefin gjorde med mig om rekrytering så finns den här:
https://poddtoppen.se/podcast/1349765236/rekryteringspodden/rekryteringspodden-7-rekrytering-intervju-med-docent-anders-sjoberg

SIOP 2019 dag 2 och 3

Anders SjöbergUrvalsbeslutSkriv en kommentar

Andra dagen på SIOP i Washington inleddes med en diskussion om ”job performance”. Den som avslutade diskussionen var självaste Campbell, J.P., känd forskare som ägnat hela sitt liv åt att validera bedömningstjänster i arbetslivet. Han påminde att arbetsprestation är individuella differenser (prestationer) som individen själv kan påverka. Han var därför kritisk mot begreppen team performance, organization performance. Utgångspunkten enligt Campbell alla prestationsmodeller bör vara individens prestation. För övrigt bjöd seminariet på två nya modeller som jag ska kolla närmare på när jag får tillgång till papers, den ena handlade om fysisk prestation som ofta behandlats i studier och modeller på ett övergripande sätt. De nya modellerna bryter istället ned den fysiska prestationen i mindre komponenter. Detta kan i sin tur innebära att de fysiska test som genomförs inom tex försvarsmakten kan förbättras i framtiden. Den andra nya modellen som föreslogs har tagit utgångspunkt i Campbells ursprungliga prestationsmodell och Dave Bartrams Big Eight model. Utgångspunkten i deras utveckling var, precis det som vi använder i Assessment Engine, tre breda prestationsdimensioner, task performance, organizational citizenship behavior och counterproductive work behavior. Sedan bryter modellen ned dessa beteende i mindre komponenter.  

Nästa seminarium handlade om kandidatens upplevelse av rekryteringsprocessen som fått enormt genomslag senaste åren. I den paneldebatt jag var på kan man konstatera att detta är ett högts diffust begrepp, samtidigt som det är ytterst viktigt för organisationer. Det ramlar ned till att organisationer vill attrahera rätt kandidater, och även om kandidaterna inte får jobbet vill de inte att de pratar ”skit” om organisationen. Inom forskningen, sedan 1939, kallas det att höja baskvoten, dvs att få bra sökande till tjänsten. Jag blev inte klokare av denna paneldiskussion än vad jag redan vet, nämligen att organisationer tvekar att använda valida metoder för att de är rädda att skrämma bort kandidater. Men ingen kan presentera data på att vissa metoder skrämmer bort kandidater, så vad är problemet? 

På eftermiddagen ägnade jag min tid att gå runt på utställningen där både assessment leverantörer och bokförlag visar sina produkter. En reflektion är att stora företag som IBM är med (det lite komiska var att de hade teknikproblem och kunde inte starta sina datorer!). När jag frågade en av utställare från IBM, efter de fått igång sina datorer,  vad de menar med AI och hur det går till fick jag massa buzzwords som att “vi matchar sökande till jobb med AI och machine learning”?????

Behållningen denna dag var istället en kille jag träffade (Garett N Howardson) som hade utvecklat en ny analysmetod för att kunna analysera beteende i väldigt små grupper, samtidigt som analysformen går att presentera på ett begripligt sätt till praktiker som kanske inte är intresserad av statistik. Allt helt gratis om du använder R.

Jag tittade sedan in på ett seminarium som behandlade AI. Några frågor som togs upp av panelen var dessa.

  1. Hur kan AI användas i vanlig testning?
  2. Hur reagerar kandidater att AI används för att analysera?
  3. Hur ska algoritmer utvecklas?
  4. Kommer AI ersätta IO psychologist?
  5. Är det lagligt att använda Facebook i urval?

Det blev en intressant diskussion, men återigen är det svårt att diskutera AI utan en gemensam definition. Inget nytt för mig denna gång.

På lördagen började jag dagen med en session om personlighetsbedömning som INTE är självrapporterade mätningar (traditional testing), sk icke-traditionell testning. Som exempel på icke-traditionell testning togs exemplet upp där forskare tagit data från facebook och kollat sambandet mellan Likes på facebook och din personlighet. Jag har inte varit imponerad av resultatet då korrelationerna ofta bara uppnår .30 -.40 mellan ”LIKES” och personlighets-testpoäng. Att säga att man då kan mäta personlighet med AI liknande metoder (som egentligen är text mining) är att överskatta resultatet, tycker jag. Detta hade professor Harms undersökt betydlig mer djuplodande än jag. Och ha kom fram till dessa slutsater.

  1. Personer utan bakgrund inom psykologisk forskning har varit inblandade i de inledande analyserna (läs Cambridge Analytica).
  2. I stort sätt alla studier har använt personlighetstest där validiteten är tveksam
  3. När man kollar noga i resultatet så upptäcker man konstiga resultat för Big Data metoden, tex att öppenhet och extraversion har ett negativt samband. Big Data analyserna visar också på en dålig diskriminering mellan de fem faktorerna, dvs det finns en hög korrelation mellan faktorerna (medel r = .37)
  4. Och varför har ingen undersökt facetterna under Big Five? Onekligen går det att göra. Harms Misstänker att forskarna mörkat detta då resultatet skulle bli än mer tveksamt.

Sammantaget visar resultatet på oklara samband avseende Big Data analysernas förmåga att ersätta personlighetstestningen.

Nästa presentatör, Piers Steel från University of Calgary presenterade en mycket intressant studie där han jämförde hur mycket Big Five kan förklara av variationen i arbetstillfredställelse, karriär tillfredsställelse och livstillfredställelse i jämförelse med om vi analyserar facetterna under Big Five, sammanlagt 30 facetter. Resultatet visar att med facetterna kan förklara lite mer än Big Five i tillfredställelse, men över 100% mer förklarad varians mer i tillfredställelse med arbetskarriären och i livet i stort. Detta går emot gängse mot hypotesen att Big Five ska användas när breda kriterier ska förutsägas. I Piers analyser finns stöd för att det är facetterna under Big Five som är den drivande kraften för att predicera senare känslor och beteenden. Detta stämmer också överens med professor Oswalds resonemang (redan förra året på SIOP) att i framtiden  kan vi öka validiteten för personlighet genom att kolla på alla nivåer samtidigt, generell personlighet (1 faktor), Getting along and Getting Ahead (2 faktorer), Big Five, 30 facetter och till och med gå ned på itemnivå (frågenivå). Mycket spännande, eller hur.

Ett trevligt återseende blev det med Jeff Foster som i många år har jobbat för Hogans, nu har han startat eget (https://passkeysint.com) och presenterade sin egen research där han kunde visa att det går att öka validiteten i personlighetsbedömningar om man också tar hänsyn till hur andra bedömer personens personlighet. Jeff var med på två seminarier som jag följde med på. Det andra handlade om att det går att få ut unik information av att bara ställa en fråga, om tex personlighet, sk short scales. Intressant då detta alltid har varit ett BIG NO, dvs att bara ställa en eller några fåtal frågor för att bedöma personlighet. 

Detta tog vi delvis utgångspunkt vid utvecklingen av personality30. När vi utvecklade personlighetstestet som finns i Assessment Engine landade vi i 150 item som kan delas upp i 30 facetter som kan sammanfattas i Big Five. När vi var klara med detta tog vi ut 30 item med hjälp av Item Response Theory och en teoretisk tolkning att 1 item kan spegla 1 facett. I vårt korta test (personality30) har vi låg reliabilitet i varje Big Five faktor (mätt med cronbach alpha). Men vad som händer, som kan verka väldigt kontraintuitivt, är att validiteten ökar. Nedan ser ni validiteten (korrelationen, r) mellan tre av Big Five faktorerna (N, E och C) bedömt med 150 item i jämförelse med 30 item. Reliabiliteten är låg i personality30 (runt .64) men vad ni ser i tabellen ser är att N (känslomässig instabilitet) har en lika hög negativ korrelation med lön för både den långa versionen och den korta versionen av testet. Och för E (Extraversion) och C (Målmedvetenhet) har den långa versionen inget signifikant samband med lön, till skillnad från den korta versionen av samma test.

 

 

 

 

Detta betyder att det är fullt tillräckligt med 30 item för att på ett väsentligt sätt rangordna individer för i detta fall predicera vilken lön de har (samma sak visade sig för flera arbetsrelaterade variabler, om ni vill se våra psykometriska analyser maila mig på info@psychometrics.se. Vi har naturligtvis sammanfattat psykometrin i en manual).

Innan jag tog taxin till flygplatsen var jag naturligtvis tvungen att titta på SIOP:s höjdpunkt, dvs den första presentationen av den nya metanalysen av sambandet mellan begåvning och prestation i arbetslivet. Det är Jack Kostar och Deniz Ones som granskat 25 tidsskrifter,k sammanlagt har de hittat 178 olika test, de har haft tillgång till 59 test manualer och sammanlagt hittat 14 516 studier med sammanlagt 747 976 individer. Faktum är att denna uppdatering är den första sedan 70-80 talet, även om Hunter & Schmidts sammanfattning kom 1998 så var det data från en svunnen tid som utgjorde den stora delen av datan som låg till grund för estimatet .51. 

Och vad blev då resultatet, det tänker jag inte säga nu. Det kommer jag säga när artikeln är publicerad, men jag kan säga att mycket tyder på att jag ska revidera algoritmerna i Assessment Engine snart, inte minst pga att att verbala test är en nödvändighet att ha med i bedömningen, det räcker inte med ett matristest för att förutsäga prestation i arbetslivet, vilket jag sagt i många år.

Sammantaget en mycket bra SIOP konferens, 50% av det man hinner med handlar om att falsifiera sina egna nollhypoteser, dvs gå på de seminarier man egentligen inte tror på. Tyvärr är det fortfarande mycket marknadsföring hos företag på SIOP som har lite med den seriösa forskningen att göra, vilket jag tycker är synd. Tråkigt när stora företag står och säger sig ha löst många problem inom tex urval medan forskarna tycker tvärtom i ett angränsande rum, detta borgar inte för att minska gapet mellan forskning och praktik. Min sammanfattande trendspaning är följande.

  • AI, Big Data, påväg ned i intresse
  • EQ helt borta på kartan
  • Personlighet, särskilt ett intresse för den mörka sidan
  • Lite mer om begåvning, med särskild betoning på andra faktorer än generell intelligens
  • Psykometrisk forskning sker nu i R, ingen analyserar med SPSS längre. 

Och Washington är trevligt, och roligt att vi var en hel del nordbor på plats, träffade flera norska kollegor och många från Sverige.

Nästa år är det bara att borsta av cowboyhatten, då är SIOP i Texas.

Läs mer här

 

 

 

 

SIOP 2019 första dagen

Anders SjöbergUrvalsbeslutSkriv en kommentar

Idag startade SIOP i Washington DC, världens största kongress för arbets- och organisationspsykologer (5200 deltagare). Vi är ett gäng svenskar som är på plats. Det är ett intressant program med föreläsningar, posters och workshops. 

I inledningen av SIOP påpekades det stora arbetet med att minska gapet mellan Science and Practice, flera av årets pristagare var just de som både arbetar men forskning men också jobbar som konsulter så att deras forskningsresultat blir verklighet, något vi kan ta lärdom av i Norden där forskare och praktiker inte alltid pratar samma språk.

För övrigt bjöd dagen på intressanta möten. Ett av dem var ett symposium med titeln ”Theoretical advance in vocational interest research: Moving beyond Holland theory.

Hollands teori (en typologi) handlar om hur intressen hör ihop med olika yrken. Denna teori utvecklades på 60-70 talet. Den utgår från att individers intressen kan dela sin i följande sk Typer (RIASEC)

  • Realistic
  • Investigate
  • Artistic
  • Social
  • Enterprising
  • Conventional

En av grundtankarna med teorin är att du kommer att trivas i ett yrke vars profil överensstämmer med din egen profil. Målet med yrkesvalsteorin är att hitta din intresseprofil som ger vidare vägledning till yrken som passar just dig.

Jag har testat ca 400 blivande psykologer och den vanligaste profilen är kombinationen Social, Artistic och Investigate (i nämnd ordning). Det är särskilt S som är framträdande, vilket ofta uttrycks som att ”vi vill hjälpa andra människor”.

Den vanligaste användningssättet för RIASEC modellen är att använda den som vägledning inför yrkesval, eller utbildningsval. På svenska heter detta test Vägvisaren. Arbetsförmedlingen använder denna modell för att vägleda arbetssökande;

https://www.arbetsformedlingen.se/For-arbetssokande/Valj-yrke/Intresseguide/

(jag vet inget om detta test är validerat så tolka med försiktighet, vill du testa med ett validerat test ska du testas med vägvisaren som idag säljs av Assessio (http://www.assessio.se/testlosningar/vagvisaren/).

Men nu tillbaka till seminariet. .. Moving beyond Holland theory. Samtliga presentatörer var överens om att RIASEC modellen HAR varit en bra modell för att kartlägga intressen, så är det INTE det längre. Modellen utvecklades när arbetsmarknaden såg annorlunda ut, särskilt har den tekniska utvecklingen gjort att många arbeten idag inte var uppfunna vid tiden RIASEC modellen utvecklades. Idag finns yrken som handlar om att bevara vår miljö, samtidigt som en mängd olika yrken inom vården vuxit fram.

Men hur ska vi lösa det? Det finns lite olika förslag på det. Ett förslag är bygga ihop modeller om personlighet och intressen. Teorin bakom detta är att vissa trait inom personlighet har en direkt påverkan hur du utvecklar intressen. Tex har extraverta betydligt högre sannolikhet att utveckla intressen som har med att hjälpa eller leda andra människor i jämförelse med introverta personer. Ett annat förslag var att överge typologin och istället fokusera på att det är en mängd olika basintressen som interagerar med mer hur generella intressen utvecklas. En hel del forskning visar också att vissa intressen har negativ korrelation med prestation, tex om du är intresserad av nya idéer samtidigt som du jobbar i en stark hierarkisk organisation (tex militären) bidrar ditt intresse negativt till prestationen. Mycket av forskningen handlar om att utveckla nya sätt att mäta intressen både för att vägleda individer men också för att förutsäga prestation. 

En del föredrag på SIOP handlar om nya tekniker för att analysera information, AI och maskininlärning är några begrepp som flitigt används. Men detta år är det en betydligt mer återhållsam argumentation. Det finns företag på SIOP som säger sig ha löst detta, men ingenting jag såg idag tyder på att detta är löst. Snarare säger forskningen att en hel del ”nya” problem dyker upp, inte minst etiska aspekter. Intressant är att många av begreppen som används kan summeras till text analys, dvs text mining. Jag har själv provat denna analysform och kan bara hålla med, ibland kan det var att gå över “ån efter vatten”. Men i och med att forskarna detta år använder AI som en övergripande term som kan innefatta väldigt mycket, men samtidigt kräver en stringens vid presentationerna vad som gjorts och vad analysen bidragit, till kommer det snart utkristalliseras vad som funkar och inte funkar. 

För övrigt var jag på seminarier som var mer psykometriskt orienterade. Bland annat om hur vi kan använda item response theory för att utveckla nya mätmetoder och ett seminarium som handlade om hur man kan testa vilken fördelning man har på sina mått. Vi har inom psykometrin fram tills nu fokuserat på normalfördelningen, men vissa av våra mått är EJ normalfördelade, och frågan är om hur vi ska göra analysera vår data i framtiden. Speciellt tack till Harry Joo och Kyle Bradely som delade med sig av sin programmering i R som jag kan använda i min forskning. En hälsning till mina akademiska kollegor, ingen använder SPSS längre.

Återkommer med mer info, nu pustar jag ut efter en första hektisk dag.

Konferenser om bedömningstjänster i arbetslivet i Sverige och USA

Anders SjöbergUrvalsbeslutSkriv en kommentar

Psykologiförbundets Psykologikonferens bjöd på en mängd seminarier inom arbets- och organisationspsykologi. Själv deltog jag med tre presentationer på konferensen. Nedan kommer jag sammanfatta mina presentationer som jag höll tillsammans med mina duktiga kollegor, Sofia och Sara. Samt också berätta om konferensen absoluta höjdpunkt.

Den första presentationen visade på möjligheten att använda ”text mining” vid analys av utsagor om chefers ledarskap. Sara Henrysson Eidvall och jag fick uppdraget av en organisation för ett år sedan att analysera öppna skriftliga svar om ledarskap insamlad från sammanlagt 80 chefer. Sara jag berättade om både svårigheter och möjligheter att kvantifiera text data. Det var vårt första försök, även om det var enormt mycket jobb att analysera data för första gången bedömer vi att text mining är ett verktyg som kommer att användas inom en mängd olika områden i framtiden. Bäst i Sverige på detta är Sverker Sikström vid Lunds universitet som precis publicerat en artikel i den ansedda tidskriften Psychological Methods. Där beskrivs tillvägagångssättet när öppna svar ska operationalisera psykologiska begrepp såsom personlighet. Detta kommer vara användbart, när metoden förfinats inom urval och rekrytering.

I den andra presentationen berättade jag om det personlighetstest vi precis utvecklat och normerat för den svenska arbetsmarknaden. Det unika med detta test är att det utgår från hur din personlighets tar sig uttryck på jobbet. Alla frågor som du svarar på i testet utgår från att du är på din arbetsplats (eller i skolan). Studier har visat att kontextualisera frågor kan höja validiteten (Shaffer & Postletwaite, 2012). Även om personlighet är stabilt över situationer finns det ändock variation mellan hur du är på jobbat och hemma . Personality150 är den fullständiga versionen av testet som först och främst är en bra beskrivning av en persons personlighet på arbetet. Resultatet presenteras i de fem övergripande faktorerna i Big Five modellen tillsammmans med 6 facetter under varje bred faktor. Personality30 är den korta versionen av samma test, som först och främst ska användas för att ta urvalsbeslut när resultatet på fem personlighetsfaktorer vägs ihop med ett intelligenstest. Vid utvecklingen har vi använt både klassisk testteori och item response theory, och de valideringsstudier som genomförts (Sjöberg & Sjöberg, 2019) visar på mycket lovande resultat, både för personality150 och personality30.

Den tredje presentationen berörde det faktum att den intuitiva tolkningen av testresultat håller på att dö ut pga att algoritmer håller på att ta över det arbete som idag många rekyterarere sysslar med. Istället för att rekyteraren själv väger ihop testresultatet har det (som bekant) visat sig att algoritmer slår den intuitiva tolkningen med stor marginal. I presentationen visade Sofia Sjöberg först vilket massivt forskningsstöd det finns för detta (sedan 1950-talet och framåt) och rekryterares och psykologers enorma motstånd att ta till sig denna forskning. Flera i publiken kunde vittna om att de övergivit den intuitiva tolkningen och vilken tidsbesparing och validitetshöjning det blir av detta i urvalsbeslut.

Även om det är trevligt att själv föreläsa så var höjdpunkten på konferensen när Deniz Ones berättade om hennes senaste forskningsresultat och praktiska arbete med personlighetsbedömning. På 1 timme lyckades Deniz beröra nya personlighetsmodeller, likheten och olikheten mellan att bedöma normalpersonligheten och personlighetsstörning, nya  metaanalyser avseende hur Extraversion relaterar till både ”på jobb” beteenden och andra beteenden, samt det tydliga sambandet mellan målmedvetenhet och olika typer av prestation. Deniz pekade på att algoritmer inom urval är på frammarsch. Jag fick en pratstund med Deniz efter konferensen och frågade vad jag och Sofia höll på med nu för tiden. Jag berättade att vi har gått 100% in för att underlätta testandet i Sverige genom att utvecklas EBU™ till att innehålla de senaste algoritmerna baserat på det enorma arbete hon gör genom att genomföra storskaliga metanalyserna. Något förvånat hörde jag henne säga att hon har koll på min bloggsida! Jag gillar att hålla koll på vad som händer i praktiken fortsatte hon. När jag frågade vad som är hetast just nu i assessment världen rekommenderade hon att kolla vidare på hur textmining kan användas inim urval, och att det som håller på att avta är tron på att ”game based assessments” kan frälsa rekryteringsvärlden, game based assessments är en avtagande bedömning enligt henne.

Nu sitter jag jag och väntar på flyget till SIOP, den årliga konferensen i USA för oss nördar inom arbets- och organisationspsykologi. Vi är ett gäng svenskar som åker över, men för er som är hemma kommer jag naturligtvis blogga de närmaste dagarna om det dyker upp något intressant på SIOP 2019 Washington DC.

Referenser

Oscar, N. E. E., Oscar, K., Garcia, D. (2019). Semantic measures: Using natural language processing to measure, differentiate, and describe psychological constructs. Psychological Methods, 24, 92-155. 

Shaffer, J. A., Postletwaite, B. E. (2012). A matter of context: A meta-analytic Investigation of the relative validity of contextual and noncontextual personality measures, Personnel Psychology, 445-494, 65.

Sjöberg, S., & Sjöberg, A. Assessment Engine (2019). Technical Manual. Psychometrics Sweden AB. Stockholm. Sweden.

 

 

 

 

Testa din begåvning och personlighet med Assessment Engine

Anders SjöbergUrvalsbeslut1 Comment

Ett vanligt tillvägagångssätt när man rekryterar personal är att administrera ett begåvningstest tillsammans med ett personlighetstest. Ett begåvningstest mäter maximal prestation, dvs kandidaten ska anstränga sig för att lösa så många uppgifter som möjligt inom utsatt tid. När personlighet testas så är inte maximal prestation i fokus utan typisk prestation – kandidaten svarar på ett antal frågor som mäter hur hen typiskt tänker, känner och agerar i olika situationer. Nedan kan du läsa om både begåvning och personlighet. Du har också möjlighet att testa din begåvning och din personlighet med Assessment Engines test. Du får återkoppling direkt på skärmen

Klicka här om du vill gå direkt till testning

De svar du lämnar är anonyma. All information behandlas och sammanställs på gruppnivå och kan inte härledas till dig som person.

Begåvning

Egenskapen begåvning, eller generellbegåvning som den ofta kallas, avser förmågan att snabbt lära sig nya saker, att effektivt och logiskt bearbeta information, att se (ibland abstrakta) sammanhang och bakomliggande mönster. Även förmågan att använda information och fakta för att dra logiska slutsatser och hitta lösningar på nya problem ingår i begåvningsbegreppet. De kognitiva (tankemässiga) processerna är även relaterade till arbetsminnets kapacitet – effektiv problemlösning kräver att fakta, förutsättningar, konsekvenser och alternativ kan hållas i minnet.

Med detta som utgångspunkt är det lätt att förstå varför forskningen otvetydigt visar att begåvning är den enskilt viktigaste egenskapen för arbetsprestation. Detta faktum gör den förstås extremt relevant att kartlägga i rekryterings- och urvalssammanhang.

Frågan är då hur begåvning kan mätas på bästa sätt. Att begåvningstest, det vill säga standardiserade uppsättningar med problemlösningsuppgifter, är det mest tillförlitliga och kostnadseffektiva sättet att mäta generell begåvning på, är otvetydigt. Generell begåvning kan även mätas genom till exempel arbetsprov eller olika typer av övningar, men sådana verktyg är inte alltid tillämpbara i praktiken. De lider ofta av brister i tillförlitlighet (reliabilitet), och de är betydligt mer kostsamma att använda jämfört med ett begåvningstest.

Personlighet

Att människor skiljer sig åt i personlighet och att dessa skillnader har betydelse för hur vi tänker, känner och beter oss är något som få människor betvivlar och de vetenskapliga beläggen för att detta stämmer har ökat markant under det senaste årtiondet. Inte minst i arbetslivet påverkar vår personlighet våra beteenden och sätter ramarna för våra styrkor och svagheter. Det innebär att oavsett

vilken arbetsplats och vilka uppgifter eller position som en person befinner sig i eller är på väg till, så är personligheten viktig för hur man ser på sig själv och på andra, hur andra uppfattar en själv, och hur man kommer att fungera, trivas och prestera.

Den så kallade femfaktormodellen (FFM) är den mest robusta modellen för att strukturera och mäta personlighet. Det innebär att oavsett vad syftet är med att kartlägga en individs personlighet, exempelvis urval, utveckling, eller självkännedom, så är den empiriskt mätbara strukturen densamma. FFM har därför en självklar roll i beskrivningar av personligheten och är även den modell som har starkast stöd i forskningen vad gäller att förutsäga (predicera) beteenden på arbetsplatsen. FFM har fått sitt namn efter sina fem övergripande personlighetsdrag vilka beskrivs här:

Känslomässig instabilitet

Detta personlighetsdrag rör generellt hur känslomässigt stabil och välanpassad en person är. Känslomässig instabilitet avspeglar hur säker eller osäker en person är på sig själv, hur väl man kan motstå impulser, på vilket sätt man hanterar stress och vilken sinnesstämning man i allmänhet har. En del personer blir lättare irriterade och frustrerade, och känner sig lättare nedslagna och modstulna om saker går emot dem. Andra har ett lugnt och jämnt humör, en positiv syn på framtiden och är stabila även under besvärliga förhållanden.

Extraversion

Extraversion avspeglar hur social och sällskaplig en person är, i motsats till att vara mer reserverad och kanske blyg. Vissa personer gillar att träffa nya människor, de stimuleras av nya omgivningar, är pratsamma och ofta underhållande. Andra håller en lägre profil, är inte lika benägna att ta kontakt med andra och trivs bäst i mindre sällskap eller med att vara ensamma. Detta personlighetsdrag omfattar även gladlynthet i motsats till ett mindre sprudlande uttryckssätt (men inte nödvändigtvis ledsamhet), grad av vitalitet och ”livstempo”, liksom huruvida en person uppskattar spänning och stimulans från omgivningen eller ej.

Öppenhet

Öppenhet avspeglar egenskaper som fantasifullhet kontra ett mer alldagligt förhållningssätt, och viljan att prova det nya kontra att föredra det som är känt sedan tidigare och redan beprövat. Öppenhet omfattar också i vilken grad en person är intellektuellt nyfiken och generellt sett öppen för nya erfarenheter och upplevelser.

Sympatiskhet

Detta personlighetsdrag handlar i stor utsträckning om vilken ”stil” en person har i sina relationer till andra. Vissa personer är varma, tillitsfulla, sympatiska och ivriga att hjälpa, medan andra är mer avvaktande och skeptiskt inställda till sin omgivning och har lättare för att anta ett kritiskt synsätt. Sympatiskhet reflekterar också egenskaper som ”ömsinthet kontra realism” och ”följsamhet kontra konkurrensinriktning”.

Målmedvetenhet

Detta personlighetsdrag avspeglar i vilken utsträckning en person gillar att aktivt planera, har en stark vilja och är beslutsam. Den rör också drivkraften att prestera, att vara noggrann, pålitlig och ha självdisciplin, i motsats till att vara mer avslappnad, spontan och att ta lättare på förpliktelser. Målmedvetenhet avspeglar också om man tenderar att vara eftertänksam eller snarare har en tendens att fatta snabba och ibland förhastade beslut.

De fem personlighetsdragen samvarierar på olika sätt och påverkar tillsammans en persons beteenden och prestation på arbetet. Resultatet på varje personlighetsdimension ger en fingervisning om en persons sätt att ta sig an arbetsuppgifter, hur man interagerar med chefer, medarbetare och kunder, och i vilka miljöer och i vilken typ av arbete som en person kommer bäst till sin rätt. De olika personlighetsdragen har alla för- och nackdelar i olika yrken; vissa egenskaper tycks dock vara universellt viktiga oavsett yrken eller position.

Vill du testa din begåvning och personlighet?

testa.assessmentengine.se

 

Kartlägg risken för kontraproduktiva beteenden på arbetet med datadrivna algoritmer

Anders SjöbergUrvalsbeslut2 Comments

När en organisation påbörjar en rekryteringsprocess så sker någon form av arbetsanalys, dvs en analys av situationen som den nya personen ska arbeta i. Denna analys överförs sedan till en specifikation av vilka kunskaper, färdigheter och andra personliga egenskaper som den perfekta kandidaten ska besitta. Det är en version av denna specifikation som vi sedan ser i platsannonser, där kan vanliga egenskaper som social förmåga, stresstålighet och team känsla vara egenskaper som eftersöks. Platsannonsen utgörs i princip av resultatet från arbetsanalysen med fokus på positiva och konstruktiva aspekter och formulerat på ett sätt som ska attrahera sökanden till tjänsten. 

Mycket sällan står det i en platsannons vad man INTE ska göra på jobbet, t ex att man inte ska stjäla saker, inte mobba andra på jobbet, och/eller dra benen efter dig. Det övergripande begreppet för denna typ av beteenden är kontraproduktiva beteenden på arbetet, på engelska ”Counter productive Work Behavior” (CWB), och enligt forskningen så är det minst lika viktigt att förutsäga CWB som att kandidaten ska besitta egenskaper som social förmåga, stresstålighet och teamkänsla.

CWB omfattar avsiktliga beteenden som är riktade mot både organisationen och/eller individer som ingår i denna. Exempel på kontraproduktiva beteenden är; stöld, förstörelse av egendom, missbruk av information, missbruk av tid och resurser och dålig arbetskvalitet och bristande närvaro. Denna typ av beteenden har stora ekonomiska konsekvenser för organisationer – så pass stora att man kan räkna med att 20 % av alla verksamheter misslyckas på grund av detta (Sjöberg & Sjöberg, 2007).

Runt 2004 började jag och några kollegor undersöka om man skulle kunna konstruera ett test för att förutsäga CWB. Vi fann en hel del belägg för att en kombination av personlighetsdimensionerna Emotionell stabilitet, Sympatiskhet och Målmedvetenhet tillsammans kan förutsäga CWB. Träffsäkerheten i förutsägelsen är långt ifrån perfekt, men om personer med låga poäng på dessa skalor plockas bort tidigt i urvalsprocessen kan en del CWB minska i organisationen. Testet som vi utvecklade benämndes MINT (MeasuringINTegrity), och säljs idag av testleverantören Assessio. 

Nu är det 2019 och en hel del har hänt forskningsmässigt. I en stor studie av Gonzalez-Mulé, E., Mount, M. K., & Oh, I.-S, (2014) så sammanfattar forskarna flera meta-analyser och kan bl a konstatera att kontraproduktiva beteenden är svagt negativt (r=-.11) relaterat med intelligens. Det betyder att även intelligens ska tas hänsyn till när man testar för att förutsäga CWB, detta visste vi inget om när vi utvecklade MINT. 

Det har dessutom visat sig att det är en särskild aspekt av personligheten som visat sig ha en större betydelse än vad som tidigare varit känt , och det är faktorn Sympatiskhet. Låg grad av Sympatiskhet karaktäriseras  av brist på tillit till andra och svårigheter att vara följsamma i det sociala samspelet genom att vara manipulativ, självisk, arrogant och hårdhudad. Personer med mycket låga poäng på Sympatiskhet utför med större sannolikhet kontraproduktiva handlingar på arbetsplatsen och  kan genom att uppvisa dessa beteenden vara skadliga för organisationen. Även  låg målmedvetenhet (samvetsgrannhet) och avsaknad av öppenhet hos individer har visat sig öka sannolikheten till kontraproduktiva beteenden. Detta betyder att faktorn emotionell stabilitet, som forskningen fram till 2014 identifierat som den viktigaste faktorn och är den faktor som MINT mäter till 80% (Sjöberg & Sjöberg & 2007), har en begränsad betydelse för att kunna förutsäga kontraproduktiva beteenden.

Så, en hel del har hänt de senaste 15 åren avseende personlighetstestning i syfte att förutsäga CWB, inte minst det faktum att emotionell stabilitet visat sig ha begränsad prediktiv kraft. Men, det har också visat sig att det är bättre att använda en kombination av hela fem faktor modellen (FFM) tillsammans med intelligens för att förutsäga CWB. Dagens testning för att förutsäga CWB bör därför inkludera ett intelligenstest, även om det har en liten effekt för att förutsäga CWB så bidrar det ytterligare i prediktion. Låg grad av Sympatiskhet bör viktas upp betydligt, men även låg grad av öppenhet ska vägas in i bedömningen tillsammans med låg målmedvetenhet. 

Assessment Engine och CWB

Till skillnad från andra leverantörer av arbetspsykologiska test för urval så har vi på Assessment Engine valt att utveckla psykometriskt sunda test där resultat i form av testpoäng tolkas genom standardiserade evidensbaserade algoritmer (EBUer). Dessa algoritmer optimerar testresultaten i förhållande till det som ska förutsägas – detta ska förstås som att det inte finns någon annan ”tolkning” av testresultaten som kan ge bättre träffsäkerhet.  I praktiken är det dock vanligast att den som använder ett test ska avgöra hur ett testresultat ska vägas samman till en helhetsbedömning för varje kandidat. Detta sker ofta med hjälp av yrkespersoner som, av testleverantören, är tränade i hur tolkningen av testpoängen ska gå till. Detta sätt att tolka och väga ihop testresultat kan dock inte dra nytta av testresultaten på ett standardiserat och optimerat sätt, och därmed sjunker träffsäkerheten (validiteten) i förutsägelsen.  Att validiteten sjunker och man har en kostnad för utbildning i tolkning av testresultat samt en större kostnad för den manuella ”hanteringen” testresultaten, gör att den ekonomiska nyttan sjunker betydligt (Sjöberg, 2014; Sjöberg & Sjöberg, Näswall & Sverke, 2012).

Assessment Engine fokuserar på vad du är i behov av att förutsäga, du behöver därför först fastslå vad du vill förutsäga. 

När du valt vad du är i behov av att förutsäga så väljer Assessment Engine vilka test (typer avuppgifter) som dina kandidater behöver svara på för att systemet ska kunna leverera en sammantagen bedömning med maximerad kvalitet (maximal prediktion). 

Assessment Engine sköter förstås även själva sammanvägningen av testresultaten. Kort sagt så kan du som användare fokusera vad du vill förutsäga istället för att behöva fundera på vad som ska mätas och du slipper även arbetet med själva tolkningen, sammanvägningen, av testresultaten. 

I Assessment Engine kan du välja bland många kriterier (evidenbaserade algoritmer, EBUer), CWB är ett. I Assessment Engine ser det ut så här.

Detta resultat kommer alltid baseras på det absolut senaste forskningsresultatet, ändras forskningsresultat ändras algoritmen (inte testen). Assessment Engine kommer alltid ligga steget före andra testleverantörer som fokuserar på vad som ska mätas. Assessment Engine följer även gängse krav på att genomföra en arbetsanalys, detta gör du genom att välja EBUs i Assessment Engine. Så om du vill ligga i fronten att vara evidensbaserad och datadriven i dina urvalsbeslut ska du använda Assessment Engine.

Klicka på nedan länk för att begära inlogg till ett datadrivet urval

Assessment Engine

Referenser

Gonzalez-Mulé, E., Mount, M. K., & Oh, I.-S. (2014, August 18). A meta-analysis of the relationship between general mental ability and nontask performance. Journal of Applied Psychology. Advance online publication. http://dx.doi.org/10.1037/a0037547

Sjöberg, S., & Sjöberg, A. (2007). MINT Measuring Integrity. Manual. Stockholm: Assessio International.

Sjöberg, S., Sjöberg, A., Näswall, K., Sverke, M.  (2012). Using individual differences to predict job performance: Correcting for direct and indirect restriction of range. Scandinavien Journal of Psychology, 53, 368–373.

Assessment Engine och kompetensmodeller

Anders SjöbergUrvalsbeslutSkriv en kommentar

Jag har tidigare inlägg kritiserat kompetensmodeller, särkilt i anslutning till personlighetstestning och annan psykologisk testning i arbetslivet. Nu har jag och mitt Assessment Engine team byggt en assessment plattform som är ett alternativ till kompetensmodeller. Istället för att säga att Extraversion mäter en kompetens så har vi utvecklat ett test som mäter bla Extraversion, och hör och häpna vi har döpt den faktorn i vårt test till Extraversion, kort och gott för att det mäter Extraversion.

Men vad är då nytt här förutom att Assessment Engine inte säger att vi mäter en kompetens. Jo, i Assessment Engine har vi konstruerat algoritmer som bygger på evidens från metaanalyser vilka talar om för oss vilka samband det finns mellan tex Extraversion och arbetsrelaterade beteenden. Vi har byggt ett evidensbaserat system som du kan känna dig lugn med att det bygger på den absolut senaste forskningen, inga påhittade kompetensmodeller.

Hur har vi då gjort? Dessa steg har tagits.

  1. En genomsökning av samtliga meta analyser som utreder sambanden mellan personlighet, och/eller begåvning med arbetsrelaterade kritierier (vi kallar det EBU)
  2. Utvecklat två nya personlighetstest (just nu finns den korta versionen av testet i Assessment Engine)
  3. Utvecklat ett nytt begåvningstest
  4. Genom statistiska analyser av våra test och metanalyserna konstruerat algoritmer som maximalt väger ihop testresultat för varje kandidat så att sannolikheten att välja rätt person för jobbet ökar.

Genom att ständigt följa forskningen om personlighet och begåvning kommer vi utveckla denna plattform till att bli en heltäckande plattform för bedömningstjänster i arbetslivet. Idag kan du med hjälp av Assessment Engine tolka och ta beslut på 6 stycken evidensbaserade kriterier.

Vill du testa Assessment Engine (KLICKA HÄR). 

Lycka till