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

Ny bok om grundläggande psykometri

Anders SjöbergUrvalsbeslutSkriv en kommentar

Psykometri betraktas av många som svårtillgängligt och besvärligt att lära sig. Det finns en mängd bra böcker på engelska men det har hitintills saknats en hel bok på svenska om grundläggande psykometri. Det är Bertil Mårdberg och Leif Carlstedt som skrivit boken som precis heter detta, grundläggande psykometri.

Boken, som är på ca 250 sidor tar upp allt som en testutvecklare, och de som säljer test bör känna till. För den som är intresserad testanvändare kan detta betyda att vederbörande kan bli en bra upphandlare av olika bedömningstjänster i arbetslivet. Boken tar upp allt väsentligt som berör mätteorin inom psykologin, den sk klassiska testteorin. Bokens kapitel handlar naturligtvis om reliabilitet och validitet, men tar även upp mer konkret HUR man arbetar som psykometriker när test ska utvecklas, från början till slut. Exempel på dessa kapitel är Itemanalys (kapitel 3), moment i testkonstruktion (kapitel 8) och från idé till färdigt test (kapitel 11). Även om boken kan användas för att lära sig mer allmänt om psykometri är utgångspunkten att test kan användas för urval. 

Därför berörs både intelligens- och personlighet som begrepp när test ska utvecklas. Boken beskriver även logistisk analys, även kallad Item Response Theory (IRT). Hade jag haft denna bok när jag själv försökte lära mig detta i början av 90-talet hade det varit lite enklare. Jag kommer definitivt använda denna bok inom utbildning, både på universitetet och i de utbildningar jag har i Psychometrics Swedens regi. Passar utmärkt för dig som vill certifiera dig som testanvändare, och ni testleverantörer som har utbildningar, särkilt ni som utbildar, köp och läs på, ni kommer bli 100% bättre utbildare och kunna svara på alla knepiga frågor från era kursdeltagare (givet att testet ni utbildar på är bra). 

Extra roligt att denna bok nu finns i handeln är att det är Bertil och Leif som ger ut boken, de båda herrarna (tillsammans med Jan Eric Gustafsson och Sten Henrysson) är förmodligen de bästa psykometrikerna i Sverige. Bertil hjälpte mig i mitt första utvecklingsprojekt, intelligenstestet BasIQ. Jag hade precis doktorerat 1997 och fick jobb som psykometriker på dåvarande Psykologiförlaget, utan att jag kunde något om psykometri (man kan ju fråga sig hur urvalsprocessen gick till, men det är en annan historia). 

Dåvarande chefen (och fortfarande chefernas chef) Katarina Forssén tyckte att jag skulle utveckla ett nytt intelligenstest baserat på test som utvecklats på 50-60 talet (som egentligen var kopior på test hämtat från USA). Jag fick en ICA påse med gamla papper och penna test och började gräva i påsen, men jag tänkte, varför inte ta rygg på någon som kan det här? Jag ringde Bertil. Bertil blev min mentor, han lärde mig om Item analys, algebra, strukturekvationer, regressioner och kanonisk korrelation. Inget var omöjligt att göra enligt Bertil. Utan Bertil hade inte BasIQ blivit intelligenstestet nr 1 i Sverige (för urval). Tillsammans med Sara Henrysson (ja precis dotter till Sten Henrysson) slutförde vi det projektet 2001. Även om varken Bertil, Sara eller Katarina får ”cred” för detta på Assessios hemsida, så var det så.

Leif träffade jag nyligen för första gången (även om jag läst mycket vad han skrivit genom åren). Det var ca 4 år sedan då jag fick ett uppdrag av Försvarsmakten. Min uppgift var att se över intelligenstestningen inom försvaret, men det gled sedan över på hela urvalsprocessens validitet. Psykologerna där tyckte att mina uttalande borde verifieras av Leif, som enligt dem var PSYKOMETRIKERN. Leif med sitt ödmjuka sätt och enorma kunskap och erfarenhet sa att den där Anders han har rätt i det mesta han säger. Jag tog det som en enorm komplimang. Under samma tid fick jag uppdraget av Mercuri Urval att hjälpa dem med en ISO 10067 certifiering, och bland annat fick jag i handen en psykometrisk manual, av Leif Carlstedt. Naturligtvis exemplarisk skriven, enligt traditionell psykometrisk modell, som tagen från den nu utgivna boken.

Finns det något som saknas i boken? Nej inte direkt, men flera avsnitt som behandlar validitet kan göra läsaren lite förvirrad då författarna blandar olika definitioner och olika tillvägagångssätt. Å andra sidan är det kanske den svåraste frågan att besvara, för man hamnar lätt i filosofiska resonemang där något rätt och fel är svårt att tyda. Men återigen boken fyller ett tomrum och kommer bli en klassiker i Sverige, inom ett ytterst specifikt område, den kommer inte slå försäljningsrekord som böckerna om diverse färger, men det kanske inte därför Bertil och Leif skrivit boken.

Boken går att beställa här endast 259 SEK

Assessment Engine – För dig som vill göra professionella personbedömningar vid urval

Anders SjöbergUrvalsbeslut2 Comments

Jag har arbetat med metodutveckling i över 20 år. Jag har varit med och utvecklat eller anpassat kliniska test, test för skola och förskola, och test avsedda för arbetslivet både i Sverige och i andra länder. Jag har varit med och utarbetat nationella och internationella standards och riktlinjer för kvalitet i test och hur test ska användas, jag har undervisat på företag, myndigheter och akademiska lärosäten i hur man bör arbeta med urval, och jag har jobbat med många leverantörer av både test, andra metoder och tjänster kopplade till personbedömningar i arbetslivet. På det stora hela har det varit utvecklande, spännande och utmanande. Samarbetet med kunniga kollegor — som är sanna specialister inom sina områden, möten med vetgiriga studenter som vill lära sig mer, och inte minst diskussioner med kunder som vill förbättra sig och sin verksamhet, eller som desperat letar efter bra produkter och processer att tillämpa.

Användare som letar efter bra verktyg (traditionella produkter och processbaserade produkter inkluderade) har dock ett svårt arbete. Det råder nämligen brist på verktyg som är både bra, erbjuder tillförlitliga processer för att hantera testresultat på, och som samtidigt är tillgängliga för dem som behöver dem. Jag har därför, tillsammans med mitt nya dream team (klicka här för presentation av mitt team), den senaste tiden utvecklat och nu lanserat en ny digital plattform för personbedömningar i arbetslivet – Assessment Engine.

Kvalitet i hela leveransen

Assessment Engine införlivar de hörnstenar som jag anser vara viktiga för den här typen av verktyg och som jag tycker saknas på marknaden idag. Högst upp på listan ligger förstås kvalitet. Detta sträcker sig från användarvänlighet och teknisk stabilitet i plattformen via validitet och reliabilitet i de produkter (ofta test, men inte enbart) som levereras, till processen för hur poäng sammanfogas (det sker oundvikligen vid alla personbedömningar) och hur resultat slutligen presenteras för användare och återkopplas till respondenter. Den här röda tråden kan sammanfattas i missionen att hjälpa användare att göra rätt, eller åtminstone att göra så rätt som möjligt.

En testplattform ska bygga på forskning

Ibland får jag kritik för mina uttalanden om testanvändning, mitt svar på det är att det inte är jag som bestämmer vad jag ska säga. Jag återger bara det som forskningen säger. Vad säger då forskningen? Jo, vi vet från forskningen att både mätningen och processen där vi sammanfogar olika informationsbitar, däribland testpoäng, mår bäst av att hållas så fria som möjligt från mänsklig inblandning såsom (omedvetna) tankevurpor, intuition och magkänsla. Det är alltså ett mål i sig att standardisera produkter och processer så långt som möjligt. Assessment Engine tar fasta på evidens och standardisering, allt för att leverera så bra bedömningar och beslutsunderlag som möjligt.

Tillgänglighet

En annan hörnsten är tillgänglighet. Verktyg och processer ska vara tillgängliga för dem som behöver dem. Idag är verktyg för personbedömningar tillgängliga för dem som har möjlighet att lägga åtskilligt med tid och pengar på att utbilda sig i ett verktyg, betala dyra licenser och höga priser för produkter. Men ska det vara tillgängligt för dem som är i behov, professionella personbedömare förstås men även beslutsfattare i arbetslivet, så ställer det krav på utformning och leverans. Assessment Engines uppgift är att leverera produkter med tillhörande standardiserade processer. Görs detta på rätt sätt så anser jag och mitt team att det inte ska krävas någon omfattande utbildning i hur man använder verktyget, och det ska inte behöva vara förbehållet några speciellt utvalda yrkeskategorier. Assessment Engine är till för Er som vill göra professionella personbedömningar i arbetslivet.

Kostnadseffektivitet

Tillgänglighet är förstås relaterat till ytterligare en av de viktigaste hörnstenarna för Assessment Engine – kostnadseffektivitet. I Assessment Engine betalar man bara för det som man faktiskt kan använda – dvs resultaten, och en transparent prissättning gör att du kan bedöma den ekonomiska nyttan för dig med att använda Assessment Engine.

Så vad jag vill säga är, välkommen till Assessment Engine! Vi har funderat på detta i tjugo år, byggt det på ett halvår (bra jobbat). Assessment Engine levererar valida och reliabla test och evidensbaserade processer som genererar bedömningar av sannolik framtida prestation enklare, billigare och mer träffsäkert än någonsin. Kan det vara möjligt tänker du. Ja! Nu är det verklighet.

Anmäl ditt intresse genom att klicka på denna länk: Assessment Engine

 

I betraktarens ögon – att obeservera andra personers personlighet

Anders SjöbergBedömningstjänster, MetanalysSkriv en kommentar

Personlighetsteori och personlighetsbedömning har varit i fokus under lång tid både hos forskare och praktiker. Jag har läst på lite och tänkte försöka vidga diskussionen genom undersöka hur vi som observatörer av personlighet har möjlighet att på ett tillförlitligt sätt bedöma personlighetsdragen i Fem Faktor Modellen (FFM).

Många likställer personlighet med ett personlighetstest, dvs när du gör ett personlighetstest så får du ”reda på” din personlighet. Testet, som ofta går ut på att du svarar på ett antal frågor om dig själv, resulterar i ett antal testpoäng som jämförs med vad andra personer svarat på samma frågor. Även om detta är ett bra sätt att mäta personlighet, är detta inte din ”sanna” personlighet.

Inom psykometrin har vi vår mätteori och utgångspunken i denna teori är att du ”ALDRIG” kan få reda på din ”sanna” personlighet. För att komma så nära som möjligt ditt sanna JAG, bör flera indikatorer på din personlighet kartläggas. Tänk er en situation där du som person kan observeras i oändligt många olika situationer över en lång tidsperiod av andra personer som står dig nära, samtidigt som du själv ”observerar” dig själv genom att göra anteckningar om vad du gör, samt svarar på olika personlighetstest. Sannolikheten, efter denna noggranna datainsamling, är att du når ett mer korrekt svar, men vår mätteori kommer ändock upptäcka fel i bedömningen, det är det som kallas reliabilitet och validitet.

Att samla så mycket information om varje person som nämns ovan, går naturligtvis inte att samla in i urvalssammanhang och kanske inte i något sammanhang, därför har psykometrin uppfunnit statistiska formler som kan uppskatta hur sambanden mellan personlighet och beteenden skulle se ut om vi hade perfekta bedömningar, sk kallade korrigeringar pga reliabilitetsbrister.

Innan vi tittar på lite resultat från forskningen tänker jag förklara vad som påverkar vår bedömning av andra personers personlighet.

Vad påverkar vår bedömning?

Den första frågan som ska ställas är; i vilken miljö bedömningen genomförs? Är det hemma, på jobbet, i skolan eller på fritiden? Det viktiga här är att miljön som personen befinner sig i måste tillåta personen att uttrycka egenskapen (relevans) och låta observatören uppfatta denna egenskap (tillgänglighet). Sålunda måste observatörer märka egenskapen (detektion) och på lämpligt sätt tolka dessa signaler för att bilda ett intryck av personen (utnyttjande). När dessa faktorer är uppfyllda har observatören en chans att komma närmare en persons personlighet.

Förutom dessa kriterier anser många forskare att vissa personlighetsdrag är lättare att bedöma, och vissa personlighetsdrag är svårare att bedöma. Mycket synliga egenskaper består av externa uttryckt som kan observeras, medan låg synlighet av egenskaper består interna tendenser som inte är direkt tillgängliga för andra (t ex tankar och känslor). Om man utgår ifrån Fem Faktor Modellen (FFM) av personlighet sticker Extraversion (EX) ut som en relativ enkelt personlighetsdrag att bedöma medan Emotionell Stabilitet (ES) framstår som en relativ svår faktor att bedöma. Extraversion består av högst externa uttryck som socialt dominerande, ambition och spänningssökande, medan Emotionell Stabilitet handlar om inre känslor som avsaknad av ångest och depression. En annan faktor som visat sig svår att upptäcka är Öppenhet (OP), särkilt de egenskaper som handlar om värderingar och känslor.

Ytterligare en sak att ta hänsyn till bedömningen av personlighet är hur socialt önskvärt vissa personlighetsdrag är. Personer visar hellre önskvärda drag i jämförelse med drag som inte passar in i olika situationer. Här har situationen stor betydelse, rent generellt verkar det som att människor ”överpresterar” personlighetsdrag som handlar sympatisk framtoning, vänlighet, och följsamhet, detta betyder att man som observatör i större utsträckning ser dessa personlighetsdrag i jämförelse med tex emotionell stabilitet. Emotionell stabilitet är istället lättare att bedöma om personen själv får svara på frågor om hur stabil och stresstålig man är.

Men vad säger då forskningen om hur effektiva vi är att bedöma andra människors personlighet. När det gäller reliabilitet i bedömningen av FFM, i detta fall hur reliabel en bedömare är har Connely & Ones (2010) undersökt detta i en meta analys där man skiljer på olika typer av bedömare. Resultatet generellt säger att Extraversion har högst reliabilitet, dvs bedömare har högst träffsäkerhet, dvs utåtriktat beteende (Extraversion) och inåtvänt beteende (Introversion). Svårast var det att bedöma Öppenhet. En annan fråga är vilken relation en bedömare har till den person som ska bedömas? Den kategori av bedömare som hade lättast att bedöma personlighet var, inte överraskande nära vänner, de hade betydligt större träffsäkerhet i jämförelse med arbetskollegor. Vännerna var mer överens än familjemedlemmar att bedöma samtliga faktorer i FFM. Men hur är det med arbetskollegor? I nedan graf ser du en jämförelse hur träffsäkra bedömningarna är på samtliga faktorer i FFM (dessa resultat är omräknade så att reliabiliteten gäller för endast 1 bedömare, korrigerat för stabilitet i bedömningen över tid).Som ni ser i tabellen ovan så är det ej så höga reliabilitetsestimat, medel ligger strax under 0,40. Detta är inte konstigt då detta bygger på att det är endast 1 bedömare. Den faktor som har mest träffsäker är precis som sagts ovan, Extraversion (EX). Och även bland arbetskollegor är det Öppenhet (OP) som har lägst reliabilitet.

Extraversion är förmodligen den egenskap som är ”lättast” att bedöma av FFM, framförallt ökar reliabiliteteten när personer som står nära den person som ska bedömas gör bedömningen. Övriga faktorer är Emotionell Stabilitet (ES), Sympatiskhet (AG) och Målmedvetenhet (CO).

Slutkommentar

Bob Hogan skiljer på att bedöma personlighet utifrån två perspektiv, den självrapporterade personligheten kallar han för identitet (eng; identity) och om personlighet bedöms av andra personer benämner han som det rykte (eng; reputation) personen har. Ovan har jag diksuterat med hjälp av vad forskningen säger om reliabilitet i form av det rykte personen har. Att tänka på är ”vem” bedömaren är, “i vilken situation” bedömningen sker och inte minst “vilket personlighetsdrag” som ska bedömas.

Referens

Connelly, B. S., & Ones, D. S. (2010). An other perspective on personality: Meta-analytic integration of observers’ accuracy and predictive validity. Psychological Bulletin, 136(6), 1092-1122.