Множественные предельные показатели



ты (разработанных на основании систематического анализа содержания работы). Затем информация о кандидатах сопоставляется и объединяется с целью обеспечить общую оценку сильных и слабых сторон каждого кандидата по отношению к требованиям конкретной работы. Зачастую все, что требуется, - это ранжировать кандидатов от самого подходящего до наименее подходящего; хотя важно также обеспечить позиционирование любого кандидата, которому может быть предложена работа, выше минимального стандарта компетентности, необходимого для этой работы. Даже в том случае, когда информация компонуется не статистическими методами, необходимо обеспечить обоснованность принятия решения - с помощью связанной с работой информации, оцениваемой максимально объективно. Компоновка информации клиническими методами должна обеспечивать принятие решений об отборе, базирующихся на тех факторах, которые можно было бы напрямую соотнести с последующим успешным выполнением работы.

Естественно, когда речь идет о единственных в своем роде должностях, тогда еть немного или (вообще нет) твердых оснований, позволяющих определить, от чего именно зависит успешное выполнение работы в целом. В некотором отношении, это обстоятельство даже усиливает важность акцентирования внимания на релевантных для работы факторах, а не на других характеристиках кандидатов.
Статистические методы для принятия решений об отборе легче всего использовать, когда надо выбрать из множества претендентов и при этом есть численные данные о кандидатах, собираемые в течение нескольких лет. Наиболее усовершенствованный статистический подход пользуется методами множественной регрессии. Основная процедура статистического регрессионного анализа может применяться к ситуациям отбора, когда один (или несколько) показателей выведены на основании используемой процедуры (процедур) отбора.

Рис. 12.4 содержит показатели теста на чувство пространства группы существующих работников и оценки выполнения работы, обеспеченные их супервайзерами. Линейно-регрессионный анализ предусматривает статистическую процедуру для получения линии наилучшего соответствия, которая также показана на рисунке.

Этот пример аналогичен описанному ранее в этой главе при обсуждении деривации предельных показателей.
Как и все прямые линии на графиках этого вида, линия наилучшего соответствия может быть описана математически простым уравнением. Это уравнение имеет стандартную форму:
Y (показатель выполнения работы) = А х X (показатель теста) + С
Показатель выполнения работы (Y) равен сумме произведения показателя теста (X) на коэффициент регрессии (А) и константы (С). Функцией регрессионного анализа вычисляется производное значение для А и С. Например можно получить значения А и С для данных на Рис. 12.4: А = 2, С = 5. Тогда формула прогнозирования выполнения работы выглядит так:
Выполнение работы = 2 (показатель теста) + 5.
Таким образом, показатель теста 14 в результате даст показатель выполнения работы 33.


Во многих условиях отбора для каждого кандидата используется не один, а несколько показателей. Многоуровневый регрессионный анализ обеспечивает способ получить коэффициенты регрессии для каждого имеющегося показателя. Это означает, что для любой процедуры отбора можно вывести точное уравнение, которое обеспечит самый лучший возможный прогноз будущего выполнения работы любым кандидатом. Пример такого уравнения:
Показатель выполнения работы = 2,5 х (показатель теста 1) + Зх (показатель интервью) + 25
Приведенные выше примеры ясно показывают, почему статистический метод обычно превосходит клинические суждения; в то время как специальная формула обеспечивает наилучшую доступную оценку будущего выполнения работы каждым кандидатом, ни один другой метод типа клинической оценки не способен предъявить лучшие результаты. Как показывает пример компании Wyndham and Waugh, важно проводить мониторинг и, в случае необходимости, пересматривать значимость различных элементов в процедуре отбора.
Даже в том случае, когда компания не обладает достаточным количеством информации для выведения уравнения регрессии, базирующегося на эмпирических данных, возможно, наилучшим решением станет обеспечение специфических числовых взвешенных показателей для каждого отдельного показателя, полученного от метода отбора. Это послужит гарантией того, что все участвующие в процессе отбора будут придавать равное значение одной и той же информации о кандидатах. Так же важно не допустить, чтобы никакая числовая система количественных показателей - в особенности не обоснованная эмпирически - не одержала верх над здравым смыслом или навязала бесполезные ограничения для принятия решений об отборе.


Множественные предельные показатели и множественные барьеры
Иногда разумно пренебрегать руководством, обеспеченным простыми взвешенными системами количественных показателей, например, когда плохой показатель одного из критериев отбора не может быть уравновешен хорошим показателем другого. Это может произойти, если в отдельной области требуется минимальный уровень компетентности. Например может случиться, что от кандидата на вакансию секретаря, говорящего на двух языках, потребуется минимальный уровень компетентности - владение двумя языками. Никакие дополнительные способности вроде умения стенографировать и печатать не смогут возместить недостаток знания языков.

В таком случае принимается стратегия множественных предельных показателей, включающая необходимость достижения минимальных стандартов в некоторых областях до момента, когда начинают оценивать кандидата полностью.
Один из методов, родственных описанному выше, включает использование множественных барьеров, когда кандидаты должны доказывать свое соответствие ряду требований последовательно. Основным принципом, применяемым в этом случае, является использование наименее трудоемких и дорогих барьеров с целью исключить кандидатов на ранней стадии процесса отбора, чтобы большая часть времени была уделена подробной оценке многообещающих кандидатов. В этом случае необходимо обеспечить высокую валидность методов, используемых на ранних стадиях отбора, иначе компания может столкнуться с вероятностью ошибочного отклонения хороших кандидатов на ранней стадии отбора.

Одна из лучших процедур для использования на ранних стадиях процедуры множественных барьеров - биографические данные (см. Главу 9).
Иллюзии и ошибки при принятии решений об отборе
На вопрос можете ли вы правильно оценивать информацию и принимать на ее основе объективные решения? большинство людей с уверенностью ответят утвердительно. К сожалению, исследования в области когнитивной психологии свидетельствуют, что выдвигая суждения и принимая решения, люди склонны совершать ряд последовательных ошибок. Одна из наиболее распространенных известна под названием фундаментальная атрибутивная ошибка (Нисбетт (Nisbett) и Росс (Ross), 1980; Росс и Андерсон (Anderson), 1982). Она связана с тенденцией объяснять причины поведения других людей скорее их индивидуальными характеристиками, а не ситуационными факторами, которые также могли послужить причиной этого поведения. В одном из классических экспериментов людей просили оценить точку зрения авторов эссе по отдельным спорным вопросам.

Даже когда им говорили, что авторы эссе приводили аргументы по поводу какого-либо вопроса по просьбе организаторов эксперимента, оценщики делали выводы, что взгляды, выраженные в эссе, согласовывались с личностными характеристиками автора.
В условиях отбора ошибка атрибуции может вызвать особые проблемы. Интервьюер может предположить, что кандидат, уволенный по сокращению штатов, находился в числе наиболее слабых работников, в то время как на самом деле сокращение штатов никак не было связано с его личными способностями. Ошибка возникает из-за того, что зачастую мы осведомлены о том, как ведут себя другие люди, но не понимаем побудительных сил их поступков.

Не существует простого способа избежать фундаментальной атрибутивной ошибки, но очевидно, что важно знать о возможности ее возникновения и пытаться ее предотвратить.
Вероятно, на принятие решений об отборе еще более негативно влияет ошибка, известная под названием framing bias - пристрастный фрейминг (конструирование, создание рамок) (Тверский (Tversky) и Канемэн (Kahneman), 1998; Мак Нейл (McNeil) и др., 1988). Мак Нейл и др. (1988) представили людям одну и ту же информацию, негативно и позитивно акцентированную, как показано ниже.
• задание рамок показателей выживаемости
Из 100 человек, подвергнувшихся хирургическому вмешательству, 90 человек успешно перенесут операцию, 68 человек будут жить в течение года после операции, и 34 человека - в течение пяти последующих лет.
Из 100 человек, подвергнувшихся лучевой терапии, все успешно перенесут лечение, 77 человек будут жить в течение года после нее, и 22 человека - в течение пяти последующих лет.
• задание рамок показателей смертности
Из 100 человек, подвергнувшихся хирургическому вмешательству, 10 человек не перенесут операцию, 32 человека умрут через год после операции, и 66 человек - через пять лет.
Из 100 человек, подвергнувшихся лучевой терапии, никто не умрет во время лечения, 23 человека умрут через год после терапии, и 78 человек - через пять лет.
При задании рамок показателей выживания (позитивном акцентировании для хирургического вмешательства) процентное отношение людей, которые предпочли лучевую терапию хирургическому вмешательству, было 18 процентов. При задании рамок показателей смертности (негативном акцентировании для хирургического вмешательства), 47 процентов людей предпочли лучевую терапию хирургическому вмешательству. На самом деле, оба ряда показателей давали абсолютно одинаковую информацию!
Если тот, кто принимает решение об отборе, озабочен возможными серьезными последствиями плохого выбора, то он может акцентировать внимание на негативных последствиях найма неподходящего работника. Таким образом, внимание фокусируется на негативных аспектах кандидата и навязывает лицу, принимающему решение об отборе, негативно акцентированный фрейминг. Это хорошо объясняет свидетельства некоторых исследований, показавших, что интервьюеры обращают больше внимания на негативную информацию о кандидатах (Ландэн (London) и Хакел (Hakel), 1974).

Бродт (Brodt) предлагает не вызывающий сомнения обзор необъективности решений, упомянутых выше, и дает примеры, показывающие степень их важности для практики отбора персонала.
Важно не забывать, что кандидаты, как и организации, тоже вовлечены в процесс принятия решения об отборе. Когда кандидат, на которого пал выбор, не принимает предложение о работе, интересы организации страдают. Процесс отбора персонала - первая стадия взаимоотношений между человеком и организацией, и эти взаимоотношения могут длиться многие годы; поэтому важно, чтобы учитывались чувства и потребности кандидатов. Такие характеристики процедур отбора, как реалистичное представление работы, могут играть важную роль в том, чтобы сами кандидаты приняли правильное решение, - согласившись или отклонив предложение о работе.

Важно, чтобы на протяжении всего процесса отбора кандидаты получали точную информацию об организации и рассматриваемой вакансии.
Выводы
Принятие решений об отборе персонала включает использование всех доступных источников информации о Кандидатах. Эта глава рассмотрела основные способы компоновки информации с целью создать основу для принятия Решений об отборе. Важная предпосылка принятия правильного решения об отборе - использование валидных методов отбора.

Для принятия решений можно использовать как клинические суждения, так и статистические процедуры подсчета, хотя есть некоторые свидетельства, доказывающие общее превосходство статистических методов. Психологические исследования обнаружили, что человек подвержен некоторым устойчивым типам ошибок при принятии решений. Общие ошибки суждений могут неблагоприятно влиять на принятие решения об отборе.



Содержание раздела