Принятие решений

Информация о кандидатах — в большинстве ситуаций при отборе — может быть получена из нескольких источников, как правило, производных от разнообразных методов отбора. Например начальник службы персонала, планирующий отобрать нового стажера на управленческую должность, может воспользоваться информацией анкеты поступающего на работу, результатами структурированного интервью и показателями психометрических тестов. Насколько хорошо будет использована эта информация, зависит от многих аспектов, самые важные из которых включают: число открытых вакансий; требования работы, предъявляемые кандидату; валидность используемых методов отбора; опытность лица, принимающего решение об отборе.

 

Для крупной организации с большим числом одинаковых должностей и возможностью статистического мониторинга валидности процедуры отбора наиболее разумный способ принятия решений будет иным, чем для маленькой организации с одной вакансией. Если объем статистической информации достаточно велик, то можно эмпирическим путем разработать предельные показатели для каждого прогнозирующего параметра, который будет использоваться для того, чтобы обеспечить условия для принятия решения. Рис. 12.2 показывает, каким образом информация о показателях психологических тестов кандидатов, собранная организацией за несколько лет, может использоваться для разработки предельных показателей.

На графике Рис. 12.2а наблюдается очень сильная взаимосвязь между показателями психологического теста и средством измерения выполнения работы.

Поэтому все точки различных данных находятся довольно близко к линии наилучшего соответствия на графике. Есть проверенные и устоявшиеся статистические процедуры (регрессивные анализы), с помощью которых можно определить прямую наилучшего соответствия и величину корреляции между показателями отбора и показателями выполнения работы. На Рис. 12.2b видно, что хотя все еще существует определенная связь между показателями теста и показателями выполнения работы, она уже не так сильна. И снова это становится ясно, если исследовать расположение линии наилучшего соответствия по отношению к точкам данных. На одном уровне легко определить точку предельного показателя, выбрав показатель на координатной оси выполнения работы, устанавливающий допустимый минимум. Затем (как показано на Рис. 12.2.а и 12.2.b) при помощи перпендикулярных прямых, соединяющих две оси и пересекающих прямую наилучшего соответствия, может быть определена точка на другой координатной оси, соответствующая этому минимальному показателю.

На Рис. 12.2с и 12.2.d показано, каким образом уровень достоверности, связанной с критерием, инструмента отбора оказывает сильное влияние на уверенность в предельном показателе, выведенном таким способом. Для Рис. 12.2с, на котором показана высокая достоверность, связанная с критерием (корреляция между показателями теста и выполнения работы), диапазон показателей выполнения работы, скорее всего, полученных кандидатами с приемлемыми показателями отбора в примере, показанном на Рис. 12.2, довольно узок. И наоборот, когда достоверность ниже, диапазон отличия показателей выполнения работы от отдельного показателя теста гораздо шире. Лишь немногие из кандидатов, получивших предельный показатель, выполняли работу недостаточно хорошо; некоторым Не удалось достичь минимальных установленных норм еще раньше. Также заметим, что несколько человек, не достигших предельного показателя теста отбора, были бы отклонены напрасно, так как их показатели выполнения работы вполне приемлемы. Эти графики иллюстрируют основную мысль, что решения об отборе, базирующиеся на валидных методах отбора, скорее всего, окажутся более успешными, чем решения, базирующиеся на менее валидных процедурах. В частности предельные показатели будут приводить к большему количеству ошибок при отборе, когда используются менее валидные методы. Для практических решений об отборе это означает, что величина запаса, данного кандидатам относительно предельных показателей, должна учитывать валидность метода, на котором они базируются.

Другое важное заключение касается вида информации, предоставляемой каждым методом отбора. Чтобы проиллюстрировать эту мысль, сравним степень полезности информации о кандидатах, полученной из трех различных тестов на познавательные способности, и степень полезности информации, полученной из трех разных источников: теста на познавательные способности, некоего средства измерения личностных характеристик и результатов структурированного интервью. Большинство лиц, принимающих решение об отборе, скорее предпочтут информацию из трех разных источников, чем результаты трех тестов на познавательные способности. Хотя в целом тесты на познавательные способности достоверны (reliable), маловероятно, что из трех отдельных тестов с тремя наборами показателей можно многое извлечь. Методы отбора, обеспечивающие уникальную информацию о кандидатах, — превосходные ингредиенты любой совокупности средств измерения. Как показывает пример, упомянутый выше, получение информации одного вида из разных источников не представляется полезным. В реальности, очевидно, ситуация редко бывает столь ясно очерченной, как в приведенном примере, и лишь немногие станут рассматривать использование трех тестов на познавательные способности одновременно. Тем не менее лица, которые занимаются отбором, используют интервью, тесты на персональные характеристики и рекомендации в качестве составных частей одного и того же процесса отбора. В данном случае сведения, полученные при помощи этих методов, будут частично совпадать, и поэтому в любой процедуре отбора важно минимизировать излишнюю информацию. Например небрежно составленное структурированное интервью, общая «инвентаризация» личности и свободный запрос о предоставлении рекомендаций по поводу личностных характеристик кандидатов могут обеспечить большое количество лишней информации. И наоборот, тест на познавательные способности, тест на личностные характеристики и структурированное интервью обеспечат гораздо больше полезной и исчерпывающей информации; это проиллюстрировано Рис. 12.3. Вопрос о степени акцентирования внимания на данных, полученных при помощи разных методов, лежит в основе принятия решения об отборе. Для сочетания различных данных могут применяться разные стратегии, включающие использование «клинических» или статистических методов, разнообразные клинические методы и методы регрессии.

Клинический метод подразумевает, что для компоновки различных данных о кандидате лицо, принимающее решение, использует свои суждения и опыт; в противоположность этому, статистический подход объединяет сведения с помощью числовых взвешенных показателей и правил решений. Есть аргументы «за» и «против» для каждого из этих подходов, но в целом исследования выяснили, что статистическая процедура превосходит клинический метод. Очевидно, что, несмотря на общее превосходство статистических методов, иногда лицу, принимающему решение об отборе, следует объединять данные более мягким, субъективным (то есть клиническим) способом. Так целесообразно поступать в ситуациях, когда подбирают кандидатов на старшие управленческие или необычные должности. В таких обстоятельствах мало твердых оснований, позволяющих объединять информацию. Решение должно базироваться на ясном представлении требований к персоналу для этого вида рабо-

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 есть 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).