Evidensbaserat Urval: Workplace Safety

Anders SjöbergUrvalsbeslutSkriv en kommentar

Assessment Engine

I mitt förra inlägg berättade jag hur vi på Assessment Engine bygger processer som maximerar validiteten från testresultat, vi kallar dessa processer Evidensbaserat urval, EBU-processer. Säkerheten på arbetsplatser är en viktig fråga för många organisationer. Nu har vi tagit fram en EBU-process som kan användas för att tidigt i en process screena bort individer som har en högre risk för att hamna i eller orsaka arbetsplatsolyckor.

Olycksincidenter orsakade av anställda kan äventyra säkerheten för både den anställde själv, för medarbetare i organisationen och för andra personer, samtidigt som det kan vara kostsamt för arbetsgivare i form av försäkringar och skadestånd. Redan 2016 skrev jag om detta här på Psychometrics.

Arbetsplatsolyckor kan bero på en mängd olika saker, inte minst säkerhetskulturen på arbetsplatsen, men en bidragande orsak kan också vara personens personlighetsdrag. Forskning visar t ex att av 20% av professionella chaufförer var inblandande i 80% av alla olycksincidenter. Även om säkerhetstänket prioriteras på arbetsplatser i Sverige så sker det fortfarande arbetsplatsolyckor och även om antalet dödsolyckor sjunkit något de senaste åren så ligger de runt 50 stycken per år. Räknar man med personer intagna för vård på kriminalvårdsanstalter och liknande, anställda i utländska företag som är verksamma i Sverige men registrerade i andra länder, samt vissa elever så hamnar vi runt 60 dödsolyckor per år. Om vi räknar incidenter så var det inom byggbranschen 2015 över 5000 olyckor registrerade.

Första gången jag kom i kontakt med urval inom ett yrke där säkerhet är en stor del av arbetsmiljön var för ca 12 år sedan när jag och en kollega genomförde en mindre valideringsstudie där vi testade om personlighet kan förutsäga ogynnsamma beteenden hos busschaufförer (klagomål från kunder, olycksincidenter och andra avvikande beteenden). Vi lät 43 busschaufförer svara på ett personlighetsformulär som mäter fyra av de fem faktorerna i FemfaktorModellen (FFM), Emotionell stabilitet, Extraversion, Samvetsgrannhet och Sympatiskhet. Förutom personlighetsdata samlade vi in hur många klagomål personerna hade fått (0-10 st). Resultatet visade att låg Emotionell stabilitet, låg Samvetsgrannhet och hög Extraversion förutsade vilka personer som fick klagomål på sig. När vi delade in gruppen i de som fått klagomål (N=15) och de som EJ fått klagomål (28) kunde personlighetstestet träffa rätt i 34 fall av 43 (slumpen skulle kategorisera ca 21-22 rätt). Slutsatsen enligt mig var att om de från början administrerade detta test och vägde testpoängen enligt ovan redovisade resultat, så skulle en hel icke önskvärda beteenden kunna undvikas. Detta skulle bespara organisationen stora pengar då en olycka av bussbolaget uppskattades kosta företaget i genomsnitt 1 miljon kronor, och en hel del personligt lidande.

Vilka personlighetsdrag bidrar då till att anställda inte följer föreskrifter och med en högre sannolikhet hamnar i situationer som bidrar till olycksincidenter? Nedan kommer en beskrivning av en person som har en förhöjd risk att hamna i olyckssituationer.

Denna person sätter sig själv främst och engagerar sig ogärna i andras problem, i synnerhet inte om det medför uppoffringar, stora som små, för den egna personen. Hen är avslappnad och ointresserad av att vara effektiv och driven i det man tar sig för. Hen prioriterar och värdesätter inte att hålla ordning och reda, speciellt inte för sakens egen skull. Hen har överlag en lättsam inställning till ansvar, skyldigheter och förpliktelser. Hen sätter sällan upp tydliga och explicita mål att arbeta mot och har vanligtvis inte någon förutbestämd plan för hur livet ska te sig. Däremot tenderar hen att vara uppmärksam, på sin vakt och snabb på att reagera. Hen oroar sig ofta för framtiden och blir nervös för saker som kan komma att gå fel. Hen är ofta temperamentsfull har ett livligt humör. Hen kan tappar humöret när hen uppfattar att hen blir orättfärdigt och ojuste behandlad av andra. 

Nedan kommer en beskrivning av en person som har en sänkt risk att hamna i olyckssituationer.

Denna person är osjälvisk och altruistisk och visar ofta stor omtanke om andras välbefinnande. Hen är mycket förnuftig och grundlig i hur hen tar sig an och genomför uppgifter och projekt. Hen är mycket ordningsam, välorganiserad, strukturerad och systematisk, samvetsgrann, plikttrogen och ambitiös. Hen är mycket lugn och avslappnad och ger ett stabilt intryck. Hen är i regel tålmodig, är lättsam och har ett jämnt humör. Brusar sällan upp och tappar inte humöret. Hen är kontrollerad och beräknelig och har en mycket god impulskontroll. I grunden har hen ett avsiktligt och därmed förutsägbart beteende och agerar sällan på stundens ingivelse. Hen har generellt ett mycket begränsat behov av spänning och äventyr och undviker aktivt situationer som präglas av det oväntade och oförutsägbara. 

EBU Workplace Safety

Så här gör man. I Assessment Engine väljer du EBU-processen Workplace Safety. Assessment Engine plockar sedan ihop de frågor som behövs för att täcka av om personen mer liknar den första profilen (Safety behavior) eller den andra profilen (Unsafety behavior). När respondenten besvarat frågebatteriet tillämpas en algoritm, baserad på ovan beskrivna forskning, och genererar en så kallad ”Suitability Score” som kan variera från 30 till 70. Högre poäng betyder att den personen har minskad risk för att hamna i olyckssituationer. EBU Safety går naturligtvis att kombineras med andra EBU:er. Om det gäller en chefstillsättning rekommenderas till exempel EBU:erna Functional och Dysfunctional Leadership som tillägg och de tre EBU:erna vägs samman i en övergripande ”Suitabilty Score”. Vill du prova Assessent Engine så bjuder vi på dessa tre EBU:er, plus två till om du testar inom en månad. Välkomna till Assessment Engine (klicka på nedan länk)

Assessment Engine

Dela detta inlägg

Lämna ett svar

E-postadressen publiceras inte. Obligatoriska fält är märkta *

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