Səriştələrin çəkilənməsi: bu, ballarınızı daha dəqiq yox, müdafiə oluna bilən edir

Namizədin neçə həddi keçdiyini saymaq hansılarını keçdiyini gizlədir

Namizədi bir rola qarşı yekunlaşdırmağın ən sadə yolu saymaqdır: o, rolun tələb etdiyi yeddi səriştədən dördünə cavab verdi. Bu, səliqəli oxunur və izah etmək asandır, məhz buna görə də bir çox qiymətləndirmə kartı elə burada dayanır. Problem sayımın atıb getdiyindədir — o, hər səriştəyə bir-birini əvəz edən kimi yanaşır, deməli keçdiyi dördün məhz əhəmiyyət daşıyan dörd olub-olmadığını sizə deyə bilmir.

İşin əsasən yazılı olduğu bir dəstək rolunu təsəvvür edin: bütün gün müştərilərlə empatiya ilə yazılı şəkildə işləmək. Rol həm də məhsul bilikləri, prioritetləşdirmə və sənədləşdirməni sadalayır — bunlar realdır, lakin ikinci dərəcəlidir. Bir namizəd yazılı ünsiyyəti və empatiyanı keçir, digər üçünü isə buraxır. Başqa bir namizəd ikinci dərəcəli üçünü keçir, işi müəyyən edən ikisini isə buraxır. Sayıma görə ikinci namizəd daha güclü görünür — üç, ikini üstələyir. İşə görə isə işi əslində görə bilən yeganə adam birinci namizəddir.

Bu nəticədə arifmetik səhv yoxdur; arifmetika ona deyiləni dəqiq yerinə yetirdi. Bu, modelləşdirmə uğursuzluğudur: modelə bu rolun bəzi hissələrinin işi daşıdığı, digərlərinin isə ona dəstək olduğu məlumatı heç vaxt verilməmişdi. Çəkilənmə həmin məlumatı təqdim etmə üsuludur.

Tədqiqatlar çəkilər barədə əslində nə deyir

Məhz burada əksər təchizatçı materialı narahat olur, çünki dürüst tapıntı yaltaq olan deyil. Uzun bir tədqiqat xətti göstərir ki, vahid çəkilər — hər komponentə bərabər yanaşmaq — insanları xeyli çox səylə çıxarılmış çəkilər qədər yaxşı sıralayır. Wainer xətti modellərdə əmsalların qiymətləndirilməsi barədə 1976-cı il məqaləsini o vaxtdan bəri bu tapıntını müşayiət edən ifadə ilə adlandırdı: it don't make no nevermind. Dawes 1979-cu ildə improper linear models adlandırdığı şey barədə tamamlayıcı arqument gətirdi və sadə bərabər-çəkili kompozitlərin diqqətəlayiq dərəcədə dayanıqlı olduğunu, yeni məlumatlarda isə çox vaxt daha mürəkkəb sxemləri üstələdiyini göstərdi.

Bobko, Roth və Buster 2007-ci ildə suala məhz seçimdə qurduğumuz kompozitlər üçün qayıtdılar, ədəbiyyatı nəzərdən keçirdilər və nəticəyə gəldilər ki, vahid çəkilər geniş şərait spektrində olduqca uyğun yanaşmadır. Səbəb sirli deyil. Yaxşı qurulmuş qiymətləndirmənin komponentləri bir-biri ilə korrelyasiya etməyə meyllidir və bu baş verdikdə aralarında çəki köçürmək yaranan sıralamanı sezgidən qat-qat az dəyişir. Differensial çəkilər həm də öz qiymətləndirmə xətasını daşıyır və bu, əlavə etməli olduqları hər hansı dəqiqliyi səssizcə sıfırlaya bilər.

Beləliklə, bir platforma səriştələrinizi çəkiləməyin onun ballarını daha dəqiq və ya daha proqnozlaşdırıcı edəcəyini deyirsə, bu iddiaya ehtiyatla yanaşın. Sübutlara görə çəkilənmənin etibarlı şəkildə gətirdiyi şey bu deyil. Bunu açıq demək təchizatçıya xoş səslənən bir cümləyə başa gəlir, ancaq həmin cümlənin ədəbiyyatla təmasa tab gətirən yeganə variantı budur.

Bəs onda niyə çəkiləməli? Çünki bal işə uyğun gəlməlidir

Çəkilənmənin əsası proqnozlaşdırma deyil. O, məzmun validliyidir — qiymətləndirmənin və onun istehsal etdiyi balın ölçdüyünü iddia etdiyi işi təmsil etməsi tələbi. Namizədin yazı yükü ağır olan rola güclü uyğun gəldiyini deyən, yazını isə səssizcə nəticənin altıda biri kimi sayan rəqəm həmin rolu təsvir etmir. O, namizədləri hələ də qəbuledilən şəkildə sırala bilər; sadəcə utanmadan izah oluna bilmir.

Həmin izah oluna bilənlik praktik faydadır. Seçim qərarları şübhə altına alınır — razılaşmayan işə qəbul meneceri tərəfindən, «niyə» soruşan namizəd tərəfindən, bəzən də hüquqşünas tərəfindən. Belə anlarda faydalı məhsul sənədləşdirilmiş zəncirdir: bu, iş təhlilidir, bunlar onun yaratdığı səriştələrdir, hər birinin nə qədər saydığı və niyə saydığı budur, budur da bu namizədin onlara qarşı sübutu. Çəkilənmiş kompozit həmin zənciri tam edir. Çəkilənməmiş kompozit isə nisbi əhəmiyyət barədə əsaslandırmanın olmalı olduğu yerdə boşluq qoyur və iş açıq-aydın belə işləmədikdə «biz hamısını eyni saydıq, çünki defolt bu idi» zəif cavabdır.

İkinci, daha sakit bir fayda da var. Çəkiləri təyin etmək komandaların adətən atladığı bir söhbəti məcbur edir. Yazılı ünsiyyətin sənədləşdirmədən üç dəfə çox saydığına qərar vermək işə qəbul menecerinin və rekruterin rolun nə olduğu barədə razılığa gəlməsini tələb edir — namizədlər gəlməmişdən əvvəl, biri barədə mübahisə edərkən yox. Çəkilənmə çalışmasının dəyərinin çoxu tək bir bal hesablanmamışdan əvvəl əldə olunur.

Çəkilər mütləq tələblərdən fərqli suala cavab verir

Çəkilənmə tez-tez nəyisə vacib kimi işarələməklə qarışdırılır, halbuki bunlar həqiqətən fərqli alətlərdir. Çəki səriştənin bir sahədəki gücün digərindəki zəifliyi kompensasiya edə bildiyi ümumi bal içində nə qədər saydığını bildirir — kompensator model. Mütləq tələb isə burada geri qalmanı başqa yerdəki heç bir gücün əvəz etmədiyini bildirir — maneə. Seçim modelləri üzrə ədəbiyyat bunlara rəqib deyil, bir-birini tamamlayan dizaynlar kimi baxır və kompensator ilə çoxmaneəli yanaşmaların müqayisəsi birinin doğru olmasına deyil, xərcə, ardıcıllığa və faydaya söykənir.

Uğursuzluq forması birinin lazım olduğu yerdə digərini işlətməkdir. Əsl mütləq tələbi ağır çəki kimi ifadə etsəniz, namizəd işin danışığa açıq olmayan hissəsini görə bilmədiyi halda belə ümumi həddi keçə bilər. Sadəcə prioriteti mütləq tələb kimi ifadə etsəniz, rolun həzm edə biləcəyi geri qalmalara görə insanları rədd etməyə başlayırsınız — və bir neçə səriştə vacib kimi işarələndikdən sonra demək olar ki, hamı birində uğursuz olur və işarə məlumat daşımağı dayandırır.

Praktik qayda: «burada zəif olan birini işə götürə bilərdikmi?» sualının dürüst cavabı «xeyr»dirsə, mütləq tələbə əl atın; cavab «bəli, amma bu bizə baha başa gələrdi»dirsə, çəkiyə əl atın. Mütləq tələbləri az saxlayın. Onların gücü nadir olmalarından gəlir.

• Çəki — güclərin zəiflikləri kompensasiya edə bildiyi balda bunun nə qədər sayıldığı.
• Mütləq tələb — geri qalma ayrıca bildirilir, heç vaxt başqa yerdəki güclə ortalanıb yox edilmir.
• Hər ikisini işlədin: ümumi mənzərə üçün çəkilənmiş kompozit, danışığa açıq olmayanlar üçün maneələr.

Çatışmayan ölçmə heç vaxt nə demək olmamalıdır

Çəkilənmiş modellər adlandırılmağa dəyən bir uğursuzluq forması gətirir, çünki o, namizədləri etmədikləri bir şeyə görə cəzalandırır. Rol qiymətləndirmənin əslində heç vaxt ölçmədiyi ağır çəkili bir səriştəni sadalayırsa, sadəlövh kompozit yoxluğa sıfır kimi yanaşır — və namizəd heç kimin ona vermədiyi suala görə aşağı qiymətləndirilir.

Düzgün davranış qiymətləndirilməyəni həm surətdən, həm də məxrəcdən kənarda saxlamaqdır ki, bal əslində əhatə olunmuş sahəni təsvir etsin. Namizəd mövcud olan sübuta qarşı ölçülməlidir və hesabat həmin sübutun rolun nə qədərini əhatə etdiyi barədə açıq olmalıdır. Bu şəffaflıq işəgötürən üçün də faydalı bir iş görür: davamlı olaraq ölçülməmiş kimi görünən səriştə qiymətləndirmədəki boşluqdur və onun yazılı görünməsi kiminsə həmin boşluğu bağlayan tapşırığı əlavə etməsinə səbəb olur.

Bu, müdafiə oluna bilən ballandırma modelinin qalan hissəsini idarə edən eyni prinsipdir. Sübutun yoxluğu yoxluğun sübutu deyil və birini səssizcə digərinə çevirən ballandırma sistemi nəhayət heç kimin əsaslandıra bilməyəcəyi bir qərar istehsal edəcək.

Həqiqətən müdafiə edə biləcəyiniz çəkilər təyin etmək

Bərabərdən başlayın. Tədqiqatların vahid çəkilər barədə dediklərini nəzərə alsaq, bərabər çəkilənmə tənbəl deyil, müdafiə oluna bilən defoltdur və kimsə bir səriştənin niyə daha çoxuna layiq olduğunu deyə bilənə qədər profilinizin etməli olduğu da budur. Səbəb tələb edən qərar yerində qalmaq deyil, kənara çıxmaqdır.

Fərqləri qiymətləndirmədən deyil, işdən çıxarın. Sual səriştənin rolu yerinə yetirmək üçün nə qədər mərkəzi olmasıdır — işin nə qədəri ona toxunur, zəif olduqda nəticələr nə qədər görünəndir — və bu suala işi bilən adamlar cavab verir, ideal halda səriştə siyahısını yaradan eyni iş təhlili girişi ilə. Üstün tutulan namizədi daha yaxşı göstərmək üçün uydurulmuş çəkilər çəki deyil; onlar geriyə doğru işləyən bir nəticədir.

Şkalanı kobud, əsaslandırmanı isə yazılı saxlayın. Xırda addımlı çəkilər altdakı mühakimələrdə olmayan bir dəqiqliyi təlqin edir və 1,7 ilə 1,8 arasındakı fərq yoxlamaya tab gətirməyəcək — komandanın əslində inandığını ifadə etmək üçün kiçik bir addım dəsti kifayətdir. Hər defolt olmayan çəkinin niyə mövcud olduğunu qeydə alın ki, model aylar sonra otaqda olmamış biri tərəfindən izah oluna bilsin.

• Defolt olaraq bərabər çəkilər qoyun; hər kənaraçıxmaya əsaslandırma tələb edən qərar kimi baxın.
• Çəkiləri namizədləri görməzdən əvvəl iş təhlilindən çıxarın.
• Kobud şkaladan istifadə edin — yalançı dəqiqlik təlqin edən onluq kəsrlər yox, bir neçə addım.
• Hər defolt olmayan çəkinin səbəbini yazın.
• Rol dəyişəndə çəkiləri yenidən nəzərdən keçirin; köhnəlmiş profil artıq sizdə olmayan bir işi ölçür.

SkillCort bunu necə tətbiq edir

SkillCort-dakı rol profili rolun tələb etdiyi səriştələri sadalayır, hər birini hədəf səviyyəsi, çəkisi və opsional kritik nişanı ilə birlikdə. Namizəd sübutu tamamladığı tapşırıqlardan həmin səriştələrə yığılır və hesabat iki rəqəmi yan-yana göstərir: qiymətləndirilmiş səriştələrin neçəsinin öz hədəfini keçdiyini və — yalnız profil əslində defolt olmayan çəkilər daşıdıqda — rolun qiymətləndirilmiş çəkisinin hansı payının qarşılandığını. Bərabər çəkilərdə bu ikisi quruluşca eynidir, ona görə də artıq heç nə göstərilmir və funksiya gəldikdə mövcud heç bir rəqəm səssizcə sürüşmür.

Kritik səriştələr kompozitin kənarında qalır. Oradakı geri qalma ortalamaya hamarlanmaq əvəzinə öz boşluğu kimi bildirilir və bu, kompensator xülasəni və danışığa açıq olmayanları aid olduqları ayrı sütunlarda saxlayır. Sübutu olmayan səriştələr hər iki rəqəmdən kənarda saxlanılır, beləliklə ölçülməmiş tələb namizədi heç vaxt aşağı çəkə bilməz.

Bütün bunlara bağlanan iddia qəsdən dardır. SkillCort sizə çəkilənmiş rəqəmin iş performansını çəkilənməmişdən daha yaxşı proqnozlaşdırdığını demir, çünki sübutlar bunu dəstəkləmir. O sizə rəqəmin müəyyən etdiyiniz rolu əks etdirdiyini deyir — və onu profil, sübut və kimsə soruşduqda əsaslandırmanızı göstərməyə imkan verən audit izi ilə birlikdə təqdim edir.

Mənbələr və əlavə oxu

• Wainer (1976), Estimating coefficients in linear models: It don't make no nevermind — Psychological Bulletin
• Dawes (1979), The robust beauty of improper linear models in decision making — American Psychologist
• Bobko, Roth & Buster (2007), The Usefulness of Unit Weights in Creating Composite Scores — Organizational Research Methods
• Ock (2018), The Utility of Personnel Selection Decisions: Comparing Compensatory and Multiple-Hurdle Selection Models — Journal of Personnel Psychology