Sektörlerde Seçim Aracının Yararının Belirlenmesi

Bir tahmin cihazının faydası, kullanımının, o cihaz kullanılmamış olsaydı, gerçekleşmiş olanın ötesinde seçilen insanların kalitesini artırma derecesidir. Her ikisi de, herhangi bir seçim aracının faydasının belirlenmesinde her ikisi de önemli bir rol oynayan geçerlilik ve güvenilirlik. Ek olarak, grup seçimini içeren herhangi bir durumda faydayı belirlemede eşit derecede kritik olan birkaç başka faktör vardır.

Bu ek değişkenler:

(1) Kriter güvenilirliği,

(2) Kriter uygunluğu,

(3) Seçim oranı ve

(4) Mevcut çalışanların yüzdesi başarılı kabul edildi.

Okuyucu, grup tahmininin sistematik olarak, bir bütün olarak grubun tamamından veya bütün olarak rasgele seçilen herhangi bir alt gruptan daha ortalama olarak başarılı olmaya aday olan adayların bir alt örneğini sistematik olarak seçme işlemi olduğunu unutmamak için uyarılmıştır. Bu, kişinin bir grup kişiden ziyade belirli bir kişinin başarı olasılığını öngörmekle ilgilendiği bireysel tahmin sürecinden farklıdır.

Elbette, seçimin hem grup hem de bireysel yönlerini içeren seçim durumları vardır. Bir örnek, Amerika Birleşik Devletleri Donanması tarafından uçuş öğrencilerinin seçilmesinde kullanılan bir seçim programıdır. Donanma, uçuş eğitiminin birkaç farklı aşamasından önce ve sırasında grup kestirim tekniklerini kullanır.

Ek olarak, belirli bir öğrenci ve programdaki bireysel başarı olasılığı için öngörülerde bulunulması gerekir. Bu ikinci tür tahminlere duyulan ihtiyaç, eğitim sırasında bir öğrencinin kaydının bir gözden geçirme kurulundan önce onu getirecek kadar zayıf olduğu durumlarda ortaya çıkar. Bu Donanma programı için hem temel hem de bireysel öngörüler için aynı temel öngörücüler kullanılır.

Tahmini Geçerlilik:

Herhangi bir tahmin aracının faydasını etkileyen birincil istatistik endeksi geçerliliğidir. Düşük ve hatta sıfır geçerlilik durumlarının özel koşullar altında oldukça başarılı bir seçim ile sonuçlanabileceği gösterilecek olsa da, geçerlilik katsayısı seçimdeki merkezi değişken olmaya devam etmektedir. Göstermek için, biri 0, 00 geçerliliği olan, diğeri ise 0, 70 geçerliliği olan iki farklı yordayıcı-ölçüt ilişkisinin gösterildiği Şekil 2.10'da gösterilen diyagramları göz önünde bulundurun. Her iki durumda da, teste katılan kişilerin yüzde 50'sini almamızı sağlayan öngörücü üzerinde bir kesme puanı belirlenmiştir.

Hangi tahmin edici, seçilen grubun ortalama kriter puanının, önceki yöntemlerle (rastgele seçim) elde edilenlere göre en büyük artışa neden olur? İlk önce A belirleyicisine, insanların yalnızca ölçüt boyutunda nasıl dağıldığına bakıldığında, “kabul edilen” grubun ortalama ölçüt puanının “reddedilen” grup ile tamamen aynı olduğunu tespit ettik. Diğer bir deyişle, A testindeki puanların en üst yarısını alarak kabul edilen kişiler, Şekil 2.11'de gösterildiği gibi, A testindeki puanlayıcıların en düşük yüzde 50'sinden daha yüksek kriter puanlarına sahip olma eğiliminde değildir.

Bununla birlikte, B tahmincisine baktığımızda oldukça farklı bir resim elde ediyoruz. Hemen görüyoruz ki, kesintinin üstündeki insanlar, ölçüt üzerinde, kesimin altındakilerden daha iyi sonuç veriyorlar. Yani, cut-off'un üstündeki insanlar, aşağıdakinden daha yüksek bir ortalama kriter puanına sahipler. Bu, yine ölçüt değerlerinin üç dağılımını gösteren, Şekil 2.12'de gösterilmektedir.

Dolayısıyla, test hizmetinde ilk genel prensibimiz var gibi gözüküyor: testte keyfi olarak tanımlanan herhangi bir kesinti verildiğinde, geçerlilik ne kadar yüksek olursa, seçilen grup için toplam kriter için ortalama kriter puanındaki artış o kadar yüksek olur.

Başka bir deyişle, fark:

(X _{seçili grup} ) - (X _{toplam grup} )

Testin geçerliliği ile doğru orantılı olarak artacaktır. Aslında, cebirsel olarak bunun böyle olduğu gösterilebilir (daha sonra bu ilk prensipte bazı istisnalar göreceğiz). Son zamanlarda Naylor ve Shine (1965), test geçerliliği ve test kesme noktasının belirtilebileceği düşünüldüğünde, herhangi bir testle elde edilebilecek ortalama kriter puanındaki artışın kolay hesaplanmasını sağlayan bir tablo seti yayınlamıştır. Bu tablo Ek'te ve kullanımın açıklamaları ve örnekleriyle birlikte verilmiştir.

Seçme Oranı ve Başarılı Çalışan Yüzdesi:

Bir tahmincinin faydasının belirlenmesinde önemli rol oynayan diğer iki değişken, seçim oranı ve mevcut çalışanların başarılı sayılan oranıdır. Okuyucu, bir tahmincinin faydasının, mevcut seçim yöntemleriyle karşılaştırıldığında bir tahmin cihazı kullanılarak elde edilen işe alımların kalitesindeki iyileşme olarak tanımlandığını hatırlayacaktır.

Kalite tipik olarak (1) grubun ortalama kriter puanını veya (2) bir grup için minimum düzeyde olduğu düşünülen bir değerin üzerinde kriter puanına sahip olan kişilerin oranı açısından tanımlanır. Başarılı bir çalışan olmak. Kriter ve öngörücü arasında elde edilen herhangi bir geçerlilik katsayısı için, seçim oranının ve / veya başarılı sayılan mevcut çalışanların yüzdesindeki değişimin manipülasyonu, işe alınan (seçilen) çalışanların sonuçlarında belirgin değişikliklere neden olacaktır.

Seçim Oranı:

Basitçe tarif edildiği gibi, seçim oranı (SR) şöyle ifade edilebilir:

n / N = SR

N = iş açılış sayısı

N = işe yerleştirilebilir iş başvuru sayısı

SR, 1.00'a eşit veya ondan büyük olduğunda, herhangi bir seçim cihazının kullanımı çok az anlamlıdır. İş başvurusunda bulunanlardan daha fazla iş ilanında, başvuru sahibi, şirketinin kalitesinden bağımsız olarak hizmetlerini satın almak zorunda kalabileceği bir satıcı pazarındadır. Bununla birlikte, eğer SR, 1, 00'dan az ise, o zaman pozisyonlardan daha fazla iş başvurusunda bulunur ve işveren, işe aldığı kişi açısından seçici bir konumdadır.

SR'nin seçim sürecini nasıl etkileyebileceği en iyi şekilde Şekil 2.13'e atıfta bulunularak gösterilebilir. Şekil 2.13a'da, büyük bir insan örneği ile beklenebilecek şekli ve tahminci ve 0.70 kriteri arasındaki bir korelasyon (yaklaşık korelasyon ne kadar yüksekse dağılım o kadar artar) düz bir çizgiye yaklaşacak, korelasyon ne kadar düşük olursa, dağılım grafiği o kadar neredeyse bir daireye yaklaşacaktır). Gölgeli olan ovalin oranı, aslında işe alınan başvuru sahiplerinin oranını temsil eder, yani, SR. Şekil 2.13a'da 100'lük bir SR sunulmuştur; Her başvuru sahibi için bir işyeri açıldığından herkes işe alınacaktır.

Şekil 2.13'ün b bölümünde, SR 0.80 olduğunda işe alınanların ortalama kalitesine ne olduğunu görüyoruz. Başvuru sahiplerinin yalnızca yüzde 80'i için iş olduğu için, işveren mantıksal olarak en yüksek tahminci puanına sahip yüzde 80'i işe alacaktır, çünkü tahminci sonraki kriter performansıyla büyük ölçüde ilişkilidir.

Bu yüzde 80, tahmin edicideki kesme noktasının sağına düşen ovalin gölgeli alanıyla temsil edilir. Elimine alınanlar genellikle düşük kriter puanlarına sahip olduklarından, 0.80'lik bir SR ile işe alınanlar için ortalama kriter puanının, eğer rastgele bir başvuru grubunun, Şekil 2.13a'daki gibi işler üzerine yerleştirilmiş olup olmadıklarından daha yüksek olduğunu görmek kolaydır. Ortalama kalitedeki bu artış, 0.20'lik bir SR'yi gösteren Şekil 2.13c'de daha da çarpıcı bir şekilde gösterilmektedir. Her iki iş için on başvuranın bulunduğu bir durumla karşı karşıya kalan işveren, "hoş bir şekilde oturuyor" - şimdi sanatçıların ilk yüzde 20'sini seçebiliyor. Bu bireyler, Şekil 2.13c'deki kesmenin sağına düşen ovalin gölgeli alanı ile temsil edilir. Bu seçilen alt grup için ölçüt puanının ortalama kalitesindeki fark, tüm grubun aksine. Bu durumda işveren için dolar açısından yararları kesinlikle önemli olmalıdır.

Daha düşük bir seçim oranının her zaman daha kaliteli çalışanların işe alınmasına neden olacağı genel ilkesi, öngörücü ve ölçüt arasındaki ilişki sıfırdan büyük bir değer olduğu sürece geçerlidir (negatif veya pozitif r, eşit büyüklükte eşit derecede etkilidir). . Aslında, seçim oranı ilkesinin, tüm başvuru sahiplerinin işe alınması gerekse bile, bazı durumlarda etkin biçimde kullanılabileceği gösterilebilir. Bu, her biri birkaç açıklık bulunan ve her birinin sıfır geçerliliğinden büyük olan kendi öngörücüsüne sahip olan en az iki iş olması durumunda ortaya çıkabilir.

Başarılı Olan Çalışanların Yüzdesi:

Geçerlilik ve SR ile ilgili tartışmamızda, ölçütün sürekli olduğunu ve bu nedenle ölçüt puanının ne kadar yüksek olduğunu, çalışanın o kadar tatmin edici olduğu düşünülmektedir. Şimdi bir çalışanın tatmin edici mi yoksa yetersiz mi olduğunu tanımlayan bir kriter puanının olduğunu varsayalım - yani, bir standardın üstünde bir performans sergiliyorsa tatmin edici olarak kabul edilir ve bu standardın altında performans sergiliyorsa yetersiz kabul edilir. Şekil 2.14'teki şemalar bunu göstermektedir.

A bölümünde, ölçüt ile öngörücü arasında yaklaşık 0, 70'lik bir ilişki gösterilmiştir. Kriter kesintisi olarak adlandırılan yatay çizginin, tüm çalışanları iki gruba ayırdığını unutmayın: başarılı sayılanlar ve başarısız sayılanlar. Bu tür bir kesinti, elbette, doğası gereği oldukça keyfi olacaktır. Ancak, çoğu durumda kabul edilebilir asgari performans konusunda bazı fikir birliğine varmak çok zor değildir.

Şekil 2.14'teki b kısmı, yaklaşık 0.5'lik bir seçim oranına dayanan bir tahminci kesmesiyle aynı verileri göstermektedir. Şeklin son kısmı her iki kesimi birlikte göstermektedir. Bu şekilde birleştirildiğinde, iki kesme çizgisinin kesişmesiyle oluşturulan verilerin çeşitli alt bölümleri arasında ayrım yapmak mümkün hale gelir.

Bölüm A. Test puanının kesilmesi ve kriterlerin kesilmesinin üstünde olan adaylara gerçek pozitif denir. Testin başarılı olması gerektiğini ve kritere göre gerçekten başarılı olacağını söyleyenler bunlar. Teste dayanarak doğru kararları temsil ederler.

Bölüm B. Bu bölüm, öngörü kesiminin altında ve kriter kesiminin altında puan alan adayları içerir. Gerçek negatifler olarak adlandırılan bu başvuru sahipleri, gerçek pozitifler gibi, tahminde bulunan doğru kararları temsil eder.

Kısım C. Bu başvuru sahipleri, öngörü kesicinin altında, ancak kriter kesiminin üstünde puanlara sahiptir. Bu insanlar işe alım kararlarının teste dayanması durumunda, nihai kriter puanlarının tatmin edici kategoriye girebilecek kadar yüksek olmasına rağmen işe alınmayacaktır. Bu, testlerde ortaya çıkan ve sahte negatif olarak adlandırılan bir tür hatayı veya hatayı temsil eder.

D Bölümü. Ovalin son bölümü, işe alınacak ancak daha sonra çalışmalarında tatmin edici olmayacak olan iş başvurusundan oluşur. Bu kişiler ayrıca seçim sürecinde “hataları” temsil eder ve yanlış pozitif olarak bilinir.

Şekil 2.14c'deki çeşitli parçalar kullanılarak birkaç anlamlı oran oluşturulabilir. Örneğin,

(1) C + D / A + B

Bu, seçimdeki hata sayısının doğru yerleştirilmiş çalışan sayısına oranıdır. Bu oranın boyutu, üç değişkenin tümüne de bağlıdır: ölçüt indirgemesinin yeri, tahmin kesicinin yeri ve geçerlilik katsayısı. Bu oranın büyüklüğü sadece bu değişkenlerden etkilenmekle kalmaz, aynı zamanda iki tip hatanın (C ve D) göreceli büyüklüğünü de gösterir. Genellikle işveren, sahte negatiflerin sayısından endişe duyduğundan, sahte pozitifleri en aza indirmekle daha fazla ilgilenir. .

Bu genellikle testler yoluyla bilimsel seçimin en büyük kötülüklerinden biri olarak test edilmeye karşı çıkanlar tarafından ele geçirilir, yani, kendilerini ispatlamak için bir fırsat verilirse, işte başarılı olacak bazı kişilerin reddedilmesi. Okuyucu, bu problemin artılarını ve eksilerini kendi için tartışmak zorunda kalacaktır - yazarlar sadece zorluklara dikkat çekeceklerdir.

Bununla birlikte, yazarlar, endüstriyel psikologların eleştirmenleri kadar sosyal düşünebildiklerini eklemeye isteklidirler. Endüstriyel psikologlar genel olarak tüm hikayeyi anlatacak verilere sahipken, hiçbir eleştirisi olmayan bir eleştirmen tek bir hata hakkında sadece “çılgınca”.

Diğer bir önem oranı ise

(2) A + C / A + B + C + D = şu anda başarılı

Bu, mevcut çalışanların tatmin edici yüzdesini temsil eder. Tahmincinin kullanılmasından önce, hangi seçim yöntemlerinin kullanıldığı ile elde edilen başarı derecesini ifade eden taban yüzdesidir. Üçüncü oran,

(3) A / A + D = yordayıcıyı kullanarak başarılı bir yüzde, yordayıcıyı, şu anda kullanılan yöntemlerle birlikte seçim yapmak için bir yardımcı olarak kullanıyorsa başarılı olacak olan işe alınan başvuru sahiplerinin oranının bir ifadesidir. (3), (2) 'den büyükse, yordayıcı seçim sürecine bir şey eklemektedir.

(2) ve (3) 'ün göreceli büyüklüklerini karşılaştırırken, bazı genel ilkeler belirtilebilir:

1. Belirli bir geçerlilik ve kriter kesintisi için, SR'deki bir azalma, etkin geçerlilikte bir artışa neden olacaktır. Dolayısıyla, eğer biri onun işe alımlarında seçici olabiliyorsa, düşük istatistiksel geçerliliği telafi edebilir.

2. Herhangi bir belirli istatistiksel geçerlilik ve seçim oranı için, mevcut çalışanların yüzdesi tatmin edici olarak kabul edilirse, öngörücü kullanılarak elde edilen tatmin edici başvuru sahiplerinin yüzdesi artar. Başka bir deyişle, oran (2) ve (3) arasındaki farkı tanımlarsak,

Fayda = A + C - A + C / A + B + C + D = etkinlikte yüzde artış

Etkinliğin, kullanılan başarıların yüzdesi olarak tanımlanması durumunda, en büyük fayda şu anda en kötü işin yapıldığı koşullar altında (mantıklı bir sonuç) gözlenecektir. Elbette bazı istisnalar vardır. Örneğin, Şekil 2.15'i düşünün.

Şekil 2.15’ten, hangisinin kullandığı üç farklı seçim oranından hangisinin kullanıldığına bakılmaksızın, işe alınan tüm başvuru sahiplerinin yüzde 100’ünün sonuçta tatmin edici olacağına dikkat edin. Dolayısıyla, büyük seçim oranındaki değişikliklerin sonuçlarının olmadığı bir durum.

Taylor-Russell Tabloları:

Geçerlilik katsayısının büyüklüğü, seçim oranı ve şu anda tatmin edici çalışanların yüzdesi arasındaki kesin ilişkilerin ayrıntılı bir ifadesi Taylor ve Russell (1939) tarafından hazırlanmıştır. Verilen geçerlilik koşulları, seçim oranı ve yüzde tatminkar altında, tabloları tahmin ediciyi mevcut metotlarla birlikte kullanarak tatmin edici olacak işe alımların yüzdesini belirlemeye izin verir.

Bununla birlikte, yordayıcının geçerliliği ile ilgili bölümde tartışılan Naylor-Shine tablolarının Taylor-Russell tablolarına göre birkaç avantajı olduğu görülüyor. Naylor-Shine tabloları, seçilen grup ile orijinal grup arasındaki ortalama kriter puanındaki farklılıklar açısından formüle edilmiştir; Taylor ve Russell, seçilen grup ile orijinal grup arasındaki başarılı yüzde oranlarını kullanır.

Bu nedenle, Naylor-Shine tabloları daha anlamlı bir test aracı indeksi vermiş gibi görünmektedir. Ayrıca, Taylor-Russell tablolarının kullanılması, çalışanların “asgari tatmin edici performansı” temsil eden ölçüt boyutunda keyfi bir nokta seçerek “başarılı” ve “başarısız” olmak üzere iki gruba ayrılmasını gerektirir. Naylor-Shine tabloları. bu türden kullanımları için herhangi bir karar vermelerini gerektirmezler ve bu nedenle uygulanabilirliklerinde daha geneldirler.

Dikkat Notu. Hem Naylor-Shine masaları hem de Taylor-Russell masaları çok önemli olan bazı sınırlamalara sahiptir. Test faydasını değerlendirmek için her iki yöntem de (1) öngörücü ve ölçüt arasındaki ilişkinin doğrusal bir varsayım olduğu ve (2) kullanılan geçerlilik katsayısının eşzamanlı geçerlilik prosedürleriyle elde edilen olduğu varsayımlarına dayanmaktadır.

Smith (1948) ve diğerleri, ilişkinin öngörücü ve ölçüt arasında doğrusal olmadığı koşullar altında Taylor ve Russell'ınki gibi tabloları kullanmaya çalışırsa ortaya çıkan tehlikelere dikkat çekti. Böyle bir ilişki Şekil 2.16'da gösterilmektedir. Bu tür doğrusal olmayan ilişkiler olduğunda, her iki tablo da test programını belirlemek için tamamen uygun değildir.

Her iki tablonun, eş zamanlı validasyon prosedürlerine dayanan bir geçerlilik katsayısı alması, eşzamanlı geçerliliğin, öngörüsel geçerlilik için özellikle iyi bir ikame olmadığının altı çizildiği için sürpriz olabilir. Bununla birlikte, test kuruluşu, şu anda mevcut çalışanlarla elde edilenden daha fazla ortalama kriter puanındaki (Naylor-Shine tabloları) veya başarılı çalışanların yüzdesinin (Taylor-Russell tabloları) artışını belirlemeyi içerir. Temel dağılım grafiği, normal eşzamanlı geçerlilik paradigması olan normal seçim prosedürlerinden işe alınan mevcut çalışanlara dayanmaktadır.

Öngörücü ve Ölçüt Güvenilirliği:

Kriterin ve öngörücünün güvenilirliği de önemlidir, çünkü bunlar öncelikle elde edilebilecek geçerlilik katsayısının büyüklüğünü etkiler veya sınırlar. Kestiricinin geçerliliği ve güvenilirliği ile ölçüt arasındaki kriter arasında var olan temel bir cebirsel ilişki vardır.

r _pc (elde edildi) = r _pc (gerçek) pr _pp xr _cc

Nerede

r _pc (elde edildi) = öngörü ve ölçüt arasında gözlenen korelasyon (geçerlilik)

r _pc (true) = öngörücü ve ölçüt arasında “true” korelasyon (geçerlilik)

r _pp = öngörücünün güvenilirliği

r _cc = Kriter güvenilirliği

Yukarıdaki ilişkiden, yalnızca _rpp ve r _pcc birliğin (mükemmel güvenilirlik) birlikteliklerinin elde edilen geçerliliğin gerçek geçerliliğe eşit olacağına dikkat edin. İki önlemin güvenilirliği azaldıkça elde edilen geçerlilik de artacaktır. Örneğin, r _{pc (true)} = 0.06, r _pp = r _pcc = 0.08, sonra r _{pc (elde edilen)} = 0.06 ± 0.80 x 0.80 = 0.60 (0.80) = 0.48 olduğunu varsayalım. Ayrıca, yordayıcının veya kriterin güvenilirliğinin sıfır olması durumunda geçerliliğinin de sıfır olacağını unutmayın.

Ölçüt Alaka Düzeyi:

Bir kriterin alaka düzeyinin bir tahmin aracının gerçek ampirik faydası ile ilgisi yoktur, bununla birlikte mantıksal faydası ile çok ilgisi vardır.