Kompetensmodeller inom rekrytering, hur överens är experterna?

Anders SjöbergOkategoriseradeSkriv en kommentar

Ett vanligt scenario inför många rekryteringar idag är att hänvisa till företagets eller kommunens kompetensmodell. Innan man tar ett urvalsbeslut diskuteras ofta hur kandidaten “matchar vår kompetensmodell”. Kompetensmodellen har jobbats fram av olika experter inom organisationer ofta tillsammans med en expert, på just kompetensmodeller. Resultatet blir en unik kompetensmodell för organisationen. Rent historisk är kompetensmodellen en produkt av att många var missnöjda med den traditionella arbetsanalysen, där varje del av arbetet identifierades för att sedan delas upp i just olika typer av egenskaper som indviden bör ha för att just passa det arbete som ska utföras. Kritikerna till den metoden framförde att arbetsanalysen inte tillräckligt tog hänsyn till organisationen övergripande mål och visioner. Arbetsanalysen tog inte inte heller avstamp i det förändringsarbete som ständigt pågår i organisationer.

Vad händer då i praktiken när kompetensmodellen omsätts i ett urvalsarbete? Jo, ofta administreras ett psykologiskt test till kandidaten, detta resultat ska sedan passas ihop med kompetensmodellen. Tillsammans med testet genomförs ofta en intervju och sedan “matchar man mot profilen” . Detta utgör således ett kausalt tänkande, egenskaperna som mäts i testet ska förutsäga respektive kompetens. Överfört till evidensbasering ska det föreligga ett samband mellan testresultat och det senare kompetenta beteendet. Få studier har undersökt detta, men om vi nu struntar i det för ögonblicket och fokuserar på om det är möjligt på ett tillförlitligt sätt säga att vi har en gemensam kompetensmodell att utgå ifrån? Detta torde vara en förutsättning, eller hur?

Om vi i det första exemplet tar en hantverkare (målare, elektriker) som ska anställas, hur överens är experterna vilka kompetenser som  är viktiga? Om skalan kan gå från 0 till 100%, där noll är inte alls överens och 100% är helt överens, visar det i fallet hantverkare (vänstra diagrammet), att experterna till 59% är överens, de andra delarna av diagrammet består av 2%, vilket visar  till vilken grad experterna är oense hur kompetenserna ska rangordnas. Och resten är slumpen som avgör vilken kompetens som hamnar i topp; 39%.

Detta betyder att experterna är ganska överens om vilka kompetenser som gäller i hantverkaryrket. Om vi skulle överföra detta i reliabilitetsmått (som vi ofta pratar om i psykologiska test så betyder detta en reliabilitet på 0.82, inte illa). Om vi istället ska bedöma chefers kompetens (det högra diagrammet),då blir det följande resultat. Hela 71% består av slumpen och bara 12% av variationen kan hänföras till att experterna är överens om vilka kompetenser som ska ligga i topp. Resterande 17% betyder att experterna är helt oense. Reliabiliteten i kompetensmodellen som är framtagen för cheferna är endast 0.34, det är inte bra. Slutsatsen är att det är betydligt svårare att bedöma en chefsprofil i jämförelse med en hantverkar profil. Vad får det för konsekvens? Svaret är att en kompetensmodell som har denna reliabilitet sätter taket för hur högt sambandet kan vara mellan ditt test och ditt beslut, i detta fall 0.34.

Det som du lärt dig på utbildningar; att begåvningstest har en validitet på 0,50 att ett arbetsprov har en validitet på 0.54, den strukturerade intervjun har en validitet på 0.51 osv, gäller inte längre. Validiteten av metoden ska istället betraktas tillsammans med hur bra din kompetensmodell är? Och forskningen visar att det kan vara problematiskt att få ihop en sådan modell.

Hur ska man då göra? Detta får du veta när du går utbildningen evidensbaserat urval.

Referens

Lievens, F., Sanchez, J.I., Bartram, D., & Brown, A. (2010). Lack of consensus among competency ratings of the same occupation: Noise or substance. Journal of Applied Psychology, 95, 3. 562-571.

 

Dela detta inlägg

Kommentera

E-postadressen publiceras inte. Obligatoriska fält är märkta *

Denna webbplats använder Akismet för att minska skräppost. Lär dig hur din kommentardata bearbetas.