تحديد فائدة أداة الاختيار في الصناعات
فائدة أداة التنبؤ هي الدرجة التي يحسن استخدامها من جودة الأشخاص الذين يتم اختيارهم بما يتجاوز ما كان سيحدث لو لم يتم استخدام هذا الجهاز. الصلاحية والموثوقية ، كلاهما يلعبان دورًا مهمًا في تحديد فائدة أي أداة اختيار. بالإضافة إلى ذلك ، هناك العديد من العوامل الأخرى التي لها نفس الأهمية في تحديد المرافق في أي حالة تنطوي على اختيار المجموعة.
هذه المتغيرات الإضافية هي:
(1) اعتمادية معيار ،
(2) أهمية المعيار ،
(3) نسبة الاختيار ، و
(4) نسبة الموظفين الحاليين تعتبر ناجحة.
يتم تحذير القارئ من أن نضع في اعتبارنا أن التنبؤ الجماعي هو عملية اختيار عينة فرعية من المتقدمين الذين هم أكثر عرضة للنجاح ، في المتوسط ، أكثر من المجموعة ككل أو أي مجموعة فرعية يتم اختيارها عشوائيا من الكل. ويختلف هذا عن عملية التنبؤ الفردي حيث يهتم المرء بالتنبؤ باحتمالية نجاح شخص معين ، بدلاً من مجموعة من الأشخاص.
هناك ، بالطبع ، حالات الاختيار التي تنطوي على كل من الجوانب الفردية والجماعية للاختيار. أحد الأمثلة على ذلك هو برنامج اختيار تستخدمه البحرية الأمريكية في اختيارها لطلاب الطيران. تستخدم القوات البحرية تقنيات التنبؤ الجماعي قبل وأثناء مراحل مختلفة من التدريب على الطيران.
بالإضافة إلى ذلك ، من الضروري أيضًا إجراء توقعات لطالبًا محددًا واحتمال نجاحه الفردي في البرنامج. وتحدث الحاجة إلى هذه الأنواع الأخيرة من التنبؤات كلما كان سجل الطلاب المتدربين أثناء التدريب ضعيفًا بما يكفي لإحضاره إلى مجلس المراجعة. بالنسبة لبرنامج Navy هذا ، يتم استخدام نفس المؤشرات الأساسية للمجموعة والتنبؤات الفردية.
صلاحية التوقع:
المؤشر الإحصائي الأساسي الذي يؤثر على فائدة أي أداة للتنبؤ هو صلاحيته. وفي حين أنه سيتبين أن المواقف المنخفضة وحتى الصالحية الصفرية يمكن أن تؤدي إلى انتقاء ناجح للغاية في ظل ظروف خاصة ، فإن معامل الصلاحية يظل هو المتغير المركزي في الاختيار. للتوضيح ، يجب النظر في المخططات الموضحة في الشكل 2.10 والتي يتم فيها عرض علاقتين مختلفتين للتنبؤ ، واحد مع صلاحية 0.00 والأخرى مع صلاحية 0.70. في كلتا الحالتين ، تم وضع درجة قطع على المؤشر الذي يسمح لنا بأخذ أفضل 50٪ من الأشخاص الذين يقومون بإجراء الاختبار.
ما المتنبئ الذي سينتج عنه أكبر زيادة في متوسط درجة المعيار للمجموعة المختارة على مدى ما تحقق من طرق سابقة (أي ، الاختيار العشوائي)؟ بالنظر أولاً إلى العامل A من حيث توزيع الأشخاص على بُعد المعيار فقط ، نجد أن متوسط المعيار للمجموعة "المقبولة" هو بالضبط نفس المجموعة "المرفوضة". أي أن الأشخاص المقبولين عن طريق أخذ النصف الأعلى من الدرجات في الاختبار (أ) لا يميلون إلى الحصول على درجات معيار أعلى من 50٪ من الهدافين في الاختبار A ، كما هو موضح في الشكل 2.11.
ومع ذلك ، عندما ننظر للمؤشر B نحصل على صورة مختلفة تمامًا. يمكننا أن نرى على الفور أن هؤلاء الأشخاص فوق الحد الأعلى يبدو أفضل في المعيار من أولئك الذين هم دون القطع. أي أن الأشخاص الموجودين فوق الحد الأعلى لديهم درجة معيارية أعلى من تلك الموجودة أدناه. يظهر هذا في الشكل 2.12 ، الذي يظهر مرة أخرى التوزيعات الثلاث لقيم المعيار.
وهكذا يبدو أننا نمتلك أول مبدأ عام في اختبار المنفعة: نظرًا لأن أي قطع محدد بشكل تعسفي في الاختبار ، كلما زادت درجة صلاحيته ، كلما ازدادت الزيادة في متوسط معيار المعيار للمجموعة المختارة على مدى ملاحظة المجموعة الإجمالية.
وبعبارة أخرى ، الفرق:
( مجموعة مختارة X) - ( مجموع المجموعة X)
سيزيد في نسبة مباشرة لصحة الاختبار. في الواقع ، يمكن إظهار ذلك جبريًا أن هذا صحيح (في وقت لاحق سنرى بعض الاستثناءات لهذا المبدأ الأول). وقد نشر مؤخراً كل من Naylor و Shine (1965) مجموعة من الجداول التي تقدم حساباً سهلاً للزيادة في متوسط معيار المعيار الذي سيتم تحقيقه مع أي اختبار بالنظر إلى أنه يمكن تحديد صلاحية الاختبار ونقطة قطع الاختبار. يرد هذا الجدول في الملحق مع شروحات وأمثلة لاستخدامه.
نسبة الاختيار ونسبة الموظفين الناجحين:
المتغيران الآخران اللذان يلعبان دورًا مهمًا في تحديد فائدة أداة التنبؤ هما نسبة الاختيار ونسبة الموظفين الحاليين الذين يعتبرون ناجحين. سيتذكر القارئ أن فائدة أداة التنبؤ قد تم تعريفها على أنها تحسن في جودة التعيينات التي تم الحصول عليها باستخدام جهاز التنبؤ عند مقارنته مع طرق الاختيار الحالية.
يتم تحديد الجودة عادة من حيث (1) متوسط درجة المعيار للمجموعة ، أو (2) من حيث نسبة الأشخاص في تلك المجموعة الذين لديهم درجات معيار أعلى من بعض القيمة التي تعتبر ضئيلة من أجل واحدة ل كن موظفًا ناجحًا. بالنسبة لأي معامل صحة تم الحصول عليه بين المعيار والتنبؤ ، فإن التلاعب في نسبة الاختيار و / أو تغيير النسبة المئوية للموظفين الحاليين الذين يعتبرون ناجحين سوف يؤدي إلى تغييرات ملحوظة في الجودة الناتجة للموظفين المعينين (المختارين).
نسبة الاختيار:
ببساطة ، يمكن التعبير عن نسبة الاختيار (SR) على النحو التالي:
n / N = SR
حيث n = عدد فرص العمل
N = عدد المتقدمين للوظائف المتاحة للوضع
عندما يكون SR يساوي أو أكبر من 1.00 ، فإن استخدام أي جهاز اختيار له معنى قليل. مع وجود فرص عمل أكثر من المتقدمين للوظائف ، يكون مقدم الطلب في سوق البائع حيث قد تحتاج الشركة إلى شراء خدماته بغض النظر عن جودته. إذا كان SR أقل من 1.00 ، عندها يكون عدد المتقدمين للوظائف أكثر من المناصب ويكون صاحب العمل في وضع يسمح له بالانتقائية فيما يتعلق بمن يستأجره.
يمكن إظهار الطريقة التي يمكن بها للتأثير على SR في عملية الاختيار بالإشارة إلى الشكل 2.13. في الشكل 2.13a ، يظهر رسم مبعثر للعشرات وهو تقريباً الشكل الذي يمكن توقعه مع عينة كبيرة من الأشخاص وعلاقة بين المتنبئ ومعيار 0.70 (كلما ازداد الارتباط ، كلما كانت النتيجة أكثر تقريبًا سوف تقترب من خط مستقيم ؛ كلما قل الارتباط ، كلما اقتربت قطعة الأرض المبعثرة تقريبًا من دائرة). تمثل نسبة البيضاوي المظللة نسبة المتقدمين الذين تم تعيينهم بالفعل ، أي ، SR. في الشكل 2.13a ، يتم تقديم SR من 100 ؛ هناك فرصة عمل لكل متقدم حتى يتم توظيف الجميع.
في الجزء (ب) من الشكل 2.13 ، نرى ما يحدث لمتوسط جودة أولئك الذين يتم تعيينهم عندما يصبح SR هو 0.80. وبما أن هناك وظائف لـ 80 في المائة فقط من المتقدمين ، فإن صاحب العمل سوف يوظف منطقي 80 في المائة من أعلى درجات التنبؤ ، لأن المتنبئ يرتبط ارتباطا وثيقا بأداء المعايير اللاحق.
يتم تمثيل هذه 80 في المئة من المنطقة المظللة من البيضاوي يسقط على يمين نقطة قطع على مؤشر. بما أن تلك التي يتم التخلص منها تمتلك عمومًا درجات منخفضة من المعايير ، فمن السهل أن نرى كيف أن متوسط درجة المعيار لأولئك الذين تم توظيفهم بواقع 0.80 ريالًا أعلى من ذلك إذا تم وضع مجموعة عشوائية من المتقدمين للوظائف على الوظائف كما في الشكل 2.13 أ. تظهر هذه الزيادة في متوسط الجودة بشكل أكثر حدة في الشكل 2.13c الذي يوضح SR من 0.20. في مواجهة الوضع الذي يوجد فيه عشرة المتقدمين لكل وظيفة ، فإن صاحب العمل "يجلس جميلة" - الآن يمكن تحديد 20 في المئة من كبار الفنانين. يتم تمثيل هؤلاء الأفراد في المنطقة المظللة من البيضاوي التي تقع على يمين القطع في الشكل 2.13c. يعتبر الفرق في متوسط جودة درجة المعيار لهذه المجموعة الفرعية المحددة بدلاً من المجموعة بأكملها كبيرًا جدًا. يجب أن تكون فوائد صاحب العمل من حيث الدولارات في هذه الحالة كبيرة.
المبدأ العام القائل بأن انخفاض نسبة الاختيار سيؤدي دائمًا إلى تعيين الموظفين ذوي الجودة الأفضل طالما أن العلاقة بين المتنبئ والمعيار هي قيمة أكبر من الصفر (تكون القيمة سالبة أو موجبة فعالة بنفس القدر إذا كانت ذات قيمة متساوية) . في الواقع ، يمكن إثبات أن مبدأ نسبة الاختيار يمكن استخدامه بفعالية في بعض الحالات حتى إذا كان جميع المتقدمين بحاجة إلى التعاقد. يمكن أن يحدث هذا إذا كان هناك وظيفتان على الأقل ، كل منها يحتوي على عدد من الفتحات وكل منها له مؤشر خاص به مع صلاحية أكبر من الصفر.
نسبة الموظفين الحاليين الناجحين:
في مناقشتنا حول الصلاحية و SR لقد افترضنا حتى الآن أن المعيار مستمر ، وبالتالي كلما ارتفعت درجة المعيار ، كلما كان العامل أكثر مرضية. دعونا نفترض الآن وجود معيار المعيار الذي يحدد ما إذا كان العامل إما مرضٍ أو غير مرضٍ - أي إذا كان أداءه أعلى من مستوى معياري فإنه يعتبر مرضٍ وإذا كان أقل من هذا المعيار فإنه يعتبر غير مرضٍ. توضح الرسوم البيانية في الشكل 2.14 هذا.
في الجزء (أ) ، تظهر علاقة بحوالي 0.70 بين المعيار والمتنبئ. لاحظ أن الخط الأفقي ، الذي يطلق عليه معيار الفصل ، يفصل جميع العمال إلى مجموعتين: تلك التي تعتبر ناجحة والتي تعتبر غير ناجحة. بطبيعة الحال ، يجب أن يكون هذا التقسيم تعسفيًا بطبيعته. ومع ذلك ، ليس من الصعب في كثير من الحالات التوصل إلى توافق في الآراء بشأن الحد الأدنى من الأداء المقبول.
ﯾوﺿﺢ اﻟﺟزء b ﻣن اﻟﺷﮐل 2-14 اﻟﺑﯾﺎﻧﺎت ﻧﻔﺳﮭﺎ ﻣﻊ ﻗطﻊ اﻟﺗﻧﺑؤ ﺑﻧﺎءً ﻋﻟﯽ ﻧﺳﺑﺔ اﺧﺗﯾﺎر ﻗدرھﺎ 0.5. الجزء الأخير من الشكل يظهر كلا القطعين معا. عندما يتم دمجها بهذه الطريقة يصبح من الممكن التمييز بين الأجزاء الفرعية المختلفة للبيانات التي يتم تشكيلها من خلال تقاطع الخطين المقطوعين.
الجزء (أ): هؤلاء المتقدمون الذين على يمين نقطة قطع الاختبار وفوق معيار الفصل يطلق عليهم إيجابيات حقيقية. هم أولئك الذين يجب أن يكون الاختبار ناجحًا والذين سينجحون بالفعل وفقًا للمعيار. أنها تمثل القرارات الصحيحة على أساس الاختبار.
الجزء (ب) يشمل هذا الجزء المتقدمين الذين حصلوا على درجات أقل من نقطة توقف التنبؤ وتحت خفض المعيار. يدعى السلبيات الحقيقية ، هؤلاء المتقدمين ، مثل الإيجابيات الحقيقية ، تمثل قرارات صحيحة على أساس المؤشر.
الجزء (ج) - لدى هؤلاء المتقدمين درجات أقل من نقطة قطع التنبؤ ، ولكنها أعلى من معيار الفصل. لن يتم تعيين هؤلاء الأشخاص إذا كانت قرارات التوظيف تستند إلى الاختبار ، على الرغم من حقيقة أن درجة معيارهم النهائي كانت عالية بما يكفي لوضعهم في فئة مرضية. ويمثل هذا نوعًا من الخطأ أو الخطأ الذي يحدث في الاختبار ويشار إليه باسم السلبيات المزيفة.
الجزء D. يتكون الجزء الأخير من الشكل البيضاوي من المتقدمين للوظائف الذين سيتم تعيينهم ولكنهم سيتبين لاحقاً أنهم غير مرضيين في عملهم. يمثل هؤلاء الأشخاص أيضًا "أخطاء" في عملية الاختيار ويُعرفون بالإيجابيات الزائفة.
يمكن إنشاء العديد من النسب ذات المغزى باستخدام الأجزاء المختلفة من الشكل 2.14c. فمثلا،
(1) C + D / A + B
هذه هي نسبة عدد الأخطاء في الاختيار إلى عدد الموظفين الذين تم وضعهم بشكل صحيح. يعتمد حجم هذه النسبة على جميع المتغيرات الثلاثة: موقع قطع المعيار ، موقع قطع المتنبئ ، ومعامل الصلاحية. ليس حجم هذه النسبة فقط متأثراً بهذه المتغيرات ، بل كذلك الحجم النسبي لنوعين من الأخطاء ، C و D. وعادة ما يهتم صاحب العمل بتقليل الإيجابيات الزائفة إلى الحد الذي يقلق حول عدد السلبيات الزائفة. .
غالبا ما يتم الاستيلاء عليها من قبل أولئك الذين يعارضون الاختبار باعتبارها واحدة من الشرور الرئيسية للاختيار العلمي عن طريق الاختبارات ، وهي أن بعض الناس يرفضون الذين سيكونون ناجحين في العمل إذا ما أتيحت لهم الفرصة لإثبات أنفسهم. سيتعين على القارئ أن يناقش إيجابيات وسلبيات هذه المشكلة لنفسه - المؤلفون يشيرون فقط إلى الصعوبة.
ومع ذلك ، سارع المؤلفون إلى إضافة أن علماء النفس الصناعيين يمكن أن يكونوا عقليًا اجتماعيًا مثل نقادهم. لدى علماء النفس الصناعي عمومًا البيانات التي تحكي القصة كاملةً ، في حين أن بعض النقاد دون أي بيانات على الإطلاق هم مجرد "صرخات" حول خطأ واحد.
يتم إعطاء نسبة أخرى من الأهمية من قبل
(2) A + C / A + B + C + D = النسبة المئوية الناجحة حاليًا
وهذا يمثل النسبة المئوية للموظفين الحاليين الذين يكونون مرضيين. هي النسبة الأساسية التي تعبر عن درجة النجاح التي يتم الحصول عليها باستخدام أي طرق اختيار تم استخدامها قبل إدخال أداة التنبؤ. النسبة الثالثة ،
(3) A / A + D = النسبة المئوية الناجحة باستخدام المتنبئ هو تعبير عن نسبة المتقدمين الذين يتم تعيينهم والذين سوف يكونوا ناجحين إذا استخدم المرء المتنبئ كأداة مساعدة للاختيار جنبا إلى جنب مع الأساليب المستخدمة حاليا. إلى الحد الذي (3) أكبر من (2) ، يقوم المتنبئ بإضافة شيء إلى عملية الاختيار.
عند مقارنة الحجم النسبي (2) و (3) ، يمكن ذكر بعض المبادئ العامة:
1. لأي تخفيض محدد للصلاحية والمعيار ، سيؤدي تخفيض SR إلى زيادة في الصلاحية الفعلية. وبالتالي ، يمكن للمرء أن يعوض عن صلاحيتها منخفضة الإحصائية إذا كان يمكن للمرء أن يكون انتقائي في تعيينه.
2. بالنسبة لأية نسبة محددة من الصحة والانتخاب ، كلما قل نسبة الموظفين الحاليين الذين يعتبرون مرضيين ، كلما زادت النسبة المئوية لمقدمي الطلبات الذين تم الحصول عليهم باستخدام المتنبئ. وبعبارة أخرى ، إذا حددنا الفرق بين النسبتين (2) و (3)
المنفعة = A + C - A + C / A + B + C + D = زيادة في الفعالية
عندما تُعرّف الفعالية بأنها النسبة المئوية للنجاحات التي يتم توظيفها ، عندئذ ستتم ملاحظة أكبر فائدة في ظل الظروف التي يتم فيها إنجاز أفقر الوظائف حاليًا - وهي نتيجة منطقية. هناك بعض الاستثناءات بالطبع. على سبيل المثال ، انظر الشكل 2.15.
لاحظ من الشكل 2.15 أنه بغض النظر عن أي من نسب الانتخاب الثلاثة المختلفة التي يستخدمها المرء ، فإن 100 في المائة من جميع المتقدمين المستأجرين سيحكم عليهم في النهاية. وبالتالي ، هناك موقف واحد حيث لا توجد تغييرات كبيرة في نسبة الاختيار.
طاولات Taylor-Russell:
قام تايلور ورسل (1939) بإعداد تعبير تفصيلي عن العلاقات الدقيقة بين حجم معامل الصلاحية ونسبة الاختيار ونسبة الموظفين المقبولين في الوقت الحالي. تحت شروط محددة من صحة ، ونسبة الاختيار ، ونسبة مئوية مرضية ، تسمح جداولها واحد لتحديد نسبة التعيينات التي ستكون مرضية باستخدام المتنبئ بالتزامن مع الطرق الحالية.
ومع ذلك ، يبدو أن جداول Naylor-Shine التي تمت مناقشتها في القسم المتعلق بصلاحية التنبؤات لها عدة مزايا على جداول Taylor-Russell. تصاغ جداول Naylor-Shine من حيث الاختلافات في متوسط درجة المعيار بين المجموعة المختارة والمجموعة الأصلية ؛ يستخدم تايلور ورسل الاختلافات في النسبة المئوية الناجحة بين المجموعة المحددة والمجموعة الأصلية.
وهكذا ، يبدو أن جداول Naylor-Shine تعطي مؤشرًا أكثر فائدة لمنفذ الاختبار. كما يتطلب استخدام طاولات Taylor-Russell أن يتم فصل الموظفين إلى مجموعتين ، "ناجحة" و "غير ناجحة" ، عن طريق اختيار بعض النقاط التعسفية على بُعد المعيار الذي يمثل "أداءً مرضٍ للغاية". جداول Naylor-Shine لا تتطلب أي قرار من هذا النوع لاستخدامها وبالتالي تكون أكثر عمومية في تطبيقها.
ملاحظة من الحذر. يحتوي كل من جداول Naylor-Shine وطاولات Taylor-Russell على بعض القيود الهامة للغاية. تعتمد كلتا الطريقتين لتقييم منفعة الاختبار على الافتراضات التالية: (1) العلاقة بين المتنبئ والمعيار هي خطية ، و (2) معامل الصلاحية المستخدم هو واحد تم الحصول عليه من خلال إجراءات الصلاحية المتزامنة.
وقد أشار سميث (1948) وآخرون إلى المخاطر الموجودة إذا حاول أحدهم استخدام جداول مثل تايلور ورسل في ظروف لا تكون فيها العلاقة بين المتنبئ والمعيار علاقة. هذه العلاقة مبينة في الشكل 2.16. عند وجود مثل هذه العلاقات غير الخطية ، يكون كلا الجدولين غير مناسبين تمامًا لتحديد أداة الاختبار.
وحقيقة مفادها أن كلا الجدولين يفترض وجود معامل صلاحية يستند إلى إجراءات التحقق المتزامنة قد يكون مفاجئاً منذ ذلك الحين ، وقد أشير إلى أن الصلاحية المتزامنة ليست بديلاً جيداً بشكل خاص للصحة التنبؤية. ومع ذلك ، تتضمن الأداة المساعدة للاختبار تحديد الزيادة في إما مقياس المعيار المتوسط (جداول Naylor-Shine) أو النسبة المئوية من الموظفين الناجحين (طاولات Taylor-Russell) مقارنة بالموارد الحالية. القطعة الأساسية المبعثرة تعتمد على الموظفين الحاليين المستأجرين بإجراءات الاختيار العادية - نموذج الصلاحية المتزامن النموذجي.
موثوقية التوقع والمعايير:
وموثوقية المعيار والمتنبئ مهمة أيضاً ، وذلك في المقام الأول لأنها تؤثر أو تضع حدوداً على حجم معامل الصلاحية الذي يمكن الحصول عليه. هناك علاقة جبرية أساسية موجودة بين صلاحية وموثوقية المتنبئ والمعيار الذي هو
r pc (got) = r pc (true) √r pp xr cc
أين
r pc (تم الحصول عليها) = ترابط مرتبط (صلاحية) بين المتنبئ والمعيار
r pc (true) = "true" correlation (validity) بين المتنبئ والمعيار
r pp = موثوقية المتنبئ
ص cc = موثوقية المعيار
لاحظ من العلاقة المذكورة أعلاه أنه عندما تكون وحدة r pp و r pcc هي الوحدة (الموثوقية الكاملة) ، تكون الصلاحية التي تم الحصول عليها مساوية للصحة الحقيقية. كما يقلل من موثوقية المقياسين ، وكذلك سوف يتم التحقق من صحتها. على سبيل المثال ، لنفرض r pc (true) = 0.06، r pp = r pcc = 0.08 ، ثم r pc (تم الحصول عليها) = 0.06 √0.80 x 0.80 = 0.60 (0.80) = 0.48. لاحظ أيضًا أنه إذا كانت موثوقية المُنبئ أو المعيار صفراً ، فإن صلاحيتها ستكون صفراً أيضًا.
معيار الصلة
لا ترتبط أهمية المعيار بالمنفعة التجريبية الفعلية لأداة التنبؤ ، على الرغم من أن لها علاقة كبيرة بالمنفعة المنطقية.
