Text från Assessiobloggen. I förra inlägget berättade Assessios nya R&D-chef Sofia Sjöberg om visionen för framtidens testanvändning. I del två av intervjun får vi veta mer om hennes forskning, vad intelligens egentligen betyder och varför forskningsbaserat urval är så viktigt.
Sofia Sjöberg – psykometriker och dessutom filosofie doktor i psykologi – disputerade 2014 vid Stockholms universitet på avhandlingen Utilizing research in the practice of personnel selection. Ett av huvudfynden var att generell intelligens som urvalsmetod visade sig ha en ännu bättre prediktiv validitet – det vill säga, förmåga att förutsäga kandidaternas arbetsprestation – än man tidigare sett. Vad är det som gör att denna förmåga, som är långt ifrån okontroversiell bland praktiker och allmänhet, är så viktig för arbetsprestation? Sofia framhåller först att man måste vara mycket noga med att definiera begreppet.
– Många gånger tror jag att vi som arbetar med det här inte varit tydliga med vad intelligens är, i psykometrins mening. Då blir följden att alla laddar det med sin egen uppfattning i stället. Om man läser in sig ordentligt på vad intelligens egentligen är så blir det väldigt självklart varför det är viktigt, menar Sofia.
Mycket kortfattat kan man säga att intelligens i forskning definieras som den breda förmågan att hantera information, tänka abstrakt, tänka i flera led, utvärdera konsekvenser och lösa problem.
– Det är en sådan extremt grundläggande egenskap, konstaterar Sofia. Den slår igenom i allt tänkande: När vi ska fatta beslut, sortera i information, förstå något nytt och det gäller även i våra relationer med andra människor… Dessutom är det ju den här typen av utmaningar som snart sagt alla jobb går ut på. Det vore oerhört märkligt om intelligens inte visade sig viktigt för arbetsprestation.
Forskningsläget är glasklart – intelligens- och personlighetstest är överlägsna andra urvalsmetoder som ostrukturerad intervju och CV-granskning för att förutsäga arbetsprestation. Dessutom visade Sofias avhandling att urvalsbeslut blir mycket bättre om man låter en algoritm väga ihop informationen om kandidaterna (så kallad mekanisk tolkning), än om rekryteraren gör en så kallad helhetsbedömning (så kallad intuitiv tolkning). Ändå är det fortfarande långt ifrån alla företag som arbetar i enlighet med urvalsforskningen. Varför? Sofia finner svaret i historien.
– Många vedertagna arbetssätt bland praktiker idag, bland annat att göra intuitiva helhetsbedömningar, fick fäste på 1970-talet. Då övergav forskarna mer eller mindre allt som hade med mätning av individuella skillnader att göra, berättar hon. Före dess var Sverige framstående inom psykometri, men nu blev mätning av individuella differenser stämplat som skamligt och området togs över av praktiker utan forskningsförankrad kunskap. Nu är vi på väg att ta igen det kunskapstappet, men det intuitiva arbetssättet är djupt rotat sedan 30 år tillbaka. Det är en del av många yrkesgruppers identitet, och dessutom omsätter det enormt stora pengar.
Det stora glappet mellan forskning och praktik är ett samhällsproblem, framhåller Sofia.
– Att vi har kunskapen om vad som fungerar räcker inte – praktikerna måste använda verktygen på rätt sätt. Test är inget diskussionsunderlag, det är ett beslutsunderlag. Det finns en viktig etisk aspekt på den här frågan: Kandidaterna som söker jobb har ingen möjlighet att själva ställa krav utan är helt i händerna på branschen. De förtjänar en kvalitetssäkrad process – det är en fråga om etik.
Samtidigt påpekar Sofia att det har hänt mycket i rekryteringsvärlden på senare år. Hon understryker samtidigt att forskare, testleverantörer och konsulter måste bli ännu bättre på att klargöra den röda tråden i ett forskningsbaserat urvalsarbete, och vilka värden det ger.
Men hur är det då med argumentet att vi människor är alldeles för komplexa för att reducera till en mätning? Sofia framhåller att det bygger på ett tankefel.
– Det är precis tvärtom! När vi har att göra med något så komplext som mänsklig förmåga och lämplighet måste vi systematisera så mycket det bara går, och fatta bästa möjliga beslut efter den relevanta information vi faktiskt har. Med välutformade och evidensbaserade verktyg och processer som standardiserade test i kombination med mekanisk tolkning tar vi mycket bättre hänsyn till komplexiteten än vad man gör med t ex den intuitiva helhetsbedömningen. Dessutom säkerställer vi att vi inte baserar våra urvalsbeslut på information som inte alls har med kompetens eller lämplighet att göra, det är därmed det enda sättet att vara säker på att man inte diskriminerar.