<<
>>

Глава 14. Разработка алгоритма вынесения итогового заключения о профессиональной психологической пригодности

  Разработка становых шкал для методик профессионального психологического отбора. Технология разработки стэновых шкал на основе «сырых» баллов. Проверка соответствия стэновых шкал «сырым» баллам.
Возможности Excel для разработки и проверки стэновых шкал.

Разработка алгоритма вынесения итогового заключения о профессиональной психологической пригодности кандидатов на замещение вакантных должностей менеджеров по продажам предприятия «Дельта-Юкон». Выбор методологии создания алгоритма итогового заключения. Особенности разработки алгоритма на основе факторного подхода. Возможности программы Statistica для построения регрессионного уравнения. Особенности разработки алгоритма вынесения итогового заключения о профессиональной психологической пригодности на основе концептуального подхода.

Порядок проверки алгоритма итогового заключения в процессе практической деятельности. Условия проверки прогностичности алгоритма вынесения итогового заключения. Общий порядок сбора необходимой информации. Возможности программы Excel для проверки прогностичности алгоритма вынесения итогового заключения о профессиональной психологической пригодности.

В предшествующей главе были продемонстрированы некоторые приемы подбора и апробации психодиагностических методик, планируемых для включения в систему мероприятий ППО. После определения методик и пилотажного обследования сотрудников организации-заказчика, которое позволило оценить валидность методик в отношении эффективного решения задач профотбора кандидатов на замещение соответствующих вакантных должностей, разработчики приступают к следующему этапу создания системы мероприятий ППО - разработке алгоритма вынесения итогового заключения о профессиональной психологической пригодности .

Специфика данного этапа заключается в том, что каких-либо общепринятых подходов или рекомендаций по разработке такого алгоритма до настоящего времени нет.

Поэтому решение данной задачи становится исключительно творческим процессом, но вместе с тем оно должно быть обоснованным и, самое главное, понятным для тех, кто будет использовать данный алгоритм на практике. Поэтому нельзя выносить суждение о профессиональной пригодности, опираясь лишь на свою интуицию. Необходимо сделать так, чтобы разрабатываемый алгоритм был предельно формализован.

В процессе практической деятельности каждый психолог, решающий задачи ППО, отбирает наиболее подходящие ему приемы, подходы и способы разработки алгоритма вынесения итогового заключения. В данной главе будут рассмотрены два самых распространенных алгоритма вынесения итогового заключения. Но независимо от того, какой алгоритм планируется использовать, сначала вам предстоит выполнить следующее: разработать становые шкалы для используемых в системе профессионального психологического отбора психодиагностических методик; определить логику вынесения итогового заключения или сформулировать решающее правило; проверить информативность и надежность разработанного алгоритма.

Рассмотрим эти этапы разработки алгоритма вынесения итогового заключения более подробно. При этом следует иметь в виду, что в ряде случаев помимо данных этапов, возможно, потребуется осуществить еще ряд действий, целесообразность которых определяется условиями психологического отбора.

Разработка стэновых шкал для методик профессионального психологического отбора

О              том, почему необходимо разрабатывать становые шкалы для методик профессионального психологического отбора и почему не следует использовать «сырые» баллы, речь шла в предыдущих разделах книги. Напомним, что причин, определяющих необходимость использования стэновых шкал, много. Это и приведение методик с различными шкалами к виду, позволяющему сопоставить методики между собой, и приведение распределения результатов к нормальному виду, и др.

Общие принципы перевода «сырых» баллов в станы были рассмотрены ранее (см. главу 10).

Опираясь на эти принципы, разработаем становые шкалы в отношении сотрудников «Дельта-Юкон». Для этого воспользуемся экспериментальными данными, полученными в ходе пилотажного обследования представителей предприятия- заказчика.

Как вы помните, прежде всего необходимо определить среднее значение показателя методики по обследованной выборке, которому будет присвоено соответствие 5,5 стэна. Далее к этому «сырому» баллу мы прибавляем/ стандартного отклонения и получаем «сырой» показатель, соответствующий 6 станам. Затем к этому «сырому» показателю прибавляем еще S стандартного отклонения и получаем величину, равную 7 стэнам. Далее продолжаем выполнять данную операцию до тех пор, пока не будет получена максимальная величина - 10 станов. Затем определяем величины «сырых» баллов, соответствующие интервалу стэновой шкалы от 1 до 5.

Для этого от величины 5,5 стэна отнимем/ стандартного отклонения и получаем показатель, равный 5 стэнам. От этого показателя отнимаем еще S стандартного отклонения и получаем «сырой» балл, соответствующий 4 стэнам. Далее выполняем эти действия до тех пор, пока не получим величину, равную 1 стэну. При этом следует помнить, что существуют конструктивные различия в шкалах психодиагностических методик. Не всегда высокие показатели «сырой» шкалы указывают на высокий уровень развития соответствующего психологического качества. Бывают шкалы с обратной зависимостью: чем ниже показатель «сырой» шкалы, тем выше уровень развития психологического качества. Именно такой особенностью обладает включенный нами в мероприятия ППО тест «Адаптивность». На примере данного теста рассмотрим более подробно, как разрабатывается становая шкала.

На основе данных, полученных при проведении пилотажного обследования сотрудников «Дельта-Юкон» (см. главу 13), мы можем определить среднее значение и стандартное отклонение для всей выборки обследованных. Для этого снова воспользуемся программой Excel. Как обычно, запустим подпрограмму «Мастер функций». В ней выберем функцию «Среднее значение», в полях диапазона введем «К2: К55».

Именно в этом диапазоне в электронной таблице расположены значения, показанные сотрудниками «Дельта-Юкон» в ходе пилотажного обследования по тесту МЛО «Адаптивность».

Аналогичным образом проведем подсчет стандартного отклонения. Затем воспользуемся методом копирования и определим средние значения и стандартные отклонения для всех остальных методик (см. главу 13). В результате мы получим примерно такую таблицу, которая показана на рис. 14.1.

Из данной таблицы следует, что среднее значение по тесту «Адаптивность» по выборке обследованных сотрудников равно 43,78, а стандартное отклонение - 16,69. Соответственно 43,78 - это величина, равная 5,5 стэна. Для того чтобы определить величину, равную 6 стэнам, от среднего значения вычитаем j стандартного отклонения (в данном случае - 4, 17). В результате получаем, что величина шкалы «сырых» баллов, равная 39,61 (или примерно 40, если округлить), будет соответствовать 6 стэнам.

Чтобы определить величину шкалы «сырых» баллов, соответствующую 7 станам, необходимо от 40 баллов отнять S стандартного отклонения[107] (в данном случае - 8,35). В результате получаем, что величина, равная 32 «сырым» баллам (учитывая округление), будет соответствовать 7 стэнам. Последовательно выполняя данное действие, мы находим: величина в 24 балла будет соответствовать 8 стэнам, в 16-9, а в 8 баллов - 10 стэнам.

Аналогичным образом определяем значения для стэновой шкалы в интервале от 5 до 1 стэна. Для этого к среднему значению выборки прибавляем j стандартного отклонения и получаем 48 баллов, что соответствует 5 стэнам. Затем к этой величине прибавляем S стандартного отклонения и получаем 56 баллов, что соответствует стэнам. Выполняя данное действие последовательно, получаем, что 64 балла соответствуют 3 стэнам, 72-2, а 80 баллов - 1 стэну.

Таким образом, мы получили значения стэновой шкалы для интегрального показателя теста «Адаптивность». Аналогично строим стэновую шкалу для интегрального показателя общего интеллектуального развития (ОИР) и теста мотивации достижения, после чего представляем полученные данные в виде таблицы.

При этом следует иметь в виду, что обычно стэном обозначают не конкретную величину, а некий интервал значений шкалы «сырых» баллов. Поэтому вышеописанные действия прежде всего были направлены на выявление граничных значений стэновой шкалы, а сама шкала будет выглядеть так, как показано в табл. 14.1.

Приведенные в табл. 14.1 стэновые шкалы будут использованы нами в дальнейшем при определении подходов к формированию алгоритма вынесения итогового заключения о профессиональной психологической пригодности. Однако прежде, чем приступать к непосредственному созданию данного алгоритма, следует проверить информативность полученных становых шкал. Для этого необходимо выполнить несколько действий. Во-первых, ввести в электронную таблицу вновь полученные стэновые показатели в отношении результатов каждого конкретного обследуемого. Во-вторых, построить гистограмму распределения стэновых показателей, полученных в ходе пилотажного обследования. В-третьих, с помощью t-критерия Стьюдента определить степень достоверности различий стэновых показателей успешных и слабоуспешных сотрудников предприятия «Дельта- Юкон».

После внесения в таблицу стэновых показателей по методикам, с помощью которых были обследованы сотрудники «Дельта-Юкон», следует оценить степень соответствия распределения нормальному. Для этого необходимо построить гистограмму, используя программу Excel (см. главу 13).

На примере теста «Адаптивность» рассмотрим распределение стэновых показателей. Результаты построения гистограммы распределения стэновых показателей, полученных в ходе пилотажного исследования сотрудников предприятия «Дельта-Юкон» по тесту «Адаптивность» представлены на рис. 14.2.

Рис. 14.2

Как следует из рис. 14.2, распределение стэновых показателей по тесту «Адаптивность» близко к нормальному, что свидетельствует о достаточной информативности стэновой шкалы по данному тесту.

На втором этапе следует сопоставить средние показатели становых значений группы успешных и слабоуспешных менеджеров по методикам, которые были включены нами в перечень тестов, рекомендованных для проведения мероприятий ППО. Для этого воспользуемся программой Excel и сопоставим данные двух групп по t-критерию Стьюдента, как это было показано в главе 13. В результате выполнения данной операции в нашем случае было обнаружено наличие достоверных различий по всем оцениваемым методикам. Например, по тесту «Адаптивность» в группе успешных менеджеров по продажам средние стэновые показатели по данной методике равны 6,14 + 0,56, а в группе слабоуспешных - 3,25 + 0,43, что соответствует t = 4,04, при р lt; 0,001.

Таким образом, перевод «сырых» баллов в стэновые шкалы был выполнен нами достаточно корректно, что позволяет приступить к непосредственной разработке алгоритма вынесения итогового заключения о профессиональной психологической пригодности.

Разработка алгоритма вынесения итогового заключения о профессиональной психологической пригодности кандидатов на замещение вакантных должностей менеджеров по продажам предприятия «Дельта-Юкон»

Как уже было отмечено ранее, на практике чаще всего используются два алгоритма итогового заключения: алгоритм, построенный на основе регрессионного уравнения, и алгоритм на основе концептуального подхода.

Разработка первого алгоритма относительно проста. После перевода «сырых» баллов в стэны составляется новая электронная таблица, включающая стэновые показатели по психодиагностические методикам, предназначенным для использования в мероприятиях ППО. Кроме этого, в таблицу заносятся показатели успешности профессиональной деятельности, представленные в виде стэнов.

Подготовив электронную таблицу, следует выбрать прикладную компьютерную программу, с помощью которой будет выполнен регрессионный анализ и построено уравнение, позволяющее описать зависимость между показателями психодиагностических методик и показателями успешности профессиональной деятельности.

Прикладных компьютерных программ, с помощью которых можно провести регрессионный анализ, в настоящее время насчитывается достаточно большое количество. В нашем конкретном случае мы воспользуемся пакетом статистического анализа Statistica, поскольку данная программа не только обладает большими возможностями, но

и позволяет использовать файлы с данными, подготовленными в Excel. Пожалуй, единственным ее недостатком является английский интерфейс, что для некоторых пользователей может представлять определенное неудобство. Однако все остальные характеристики и возможности данной программы таковы, что полностью перекрывают это небольшое неудобство[108].

Для выполнения регрессионного анализа данных необходимо запустить программу Statistica и открыть в ней файл подготовленной в Excel электронной таблицы с данными. Для этого в строке меню выбираем пункт «File». Затем в ниспадающем меню выбираем пункт «Open». После этого на экране появится окно проводника, с помощью которого вы найдете созданный вами файл Excel. При этом в строке «Тип файлов»[109] укажите «All Files [*.*]» (рис. 14.3).

Рис. 14.3

После того как файл выбран, нажимаем кнопку «Открыть». Перед вами появится диалоговое окно (рис. 14.4).

Если вы знаете, на каком листе рабочей книги Excel находится нужная вам таблица, то нажимаете нижнюю клавишу «Import selected sheet to a Spreadsheet». Если же вы не знаете точно, где расположена ваша таблица, то лучше выбрать верхнюю кнопку с названием «Import all sheets to a Workbook». После этого перед вами появится новое диалоговое окно, в котором вам необходимо будет указать название листа, на котором находится ваша электронная таблица (рис. 14.5).

Выбрав нужный лист, нажимаем кнопку «ОК», а затем в новом диалоговом окне нажимаем еще раз кнопку «ОК». В результате данные из файла Excel окажутся импортированными в Statistica. Теперь можно приступать к регрессионному анализу.

Для этого выбираем в строке меню пункт «Statistics», а в появившемся ниспадающем меню - пункт «Multiple Regression» (рис. 14.6).

Et »lt;w It* d=kgt;


Рис. 14.4

alt="" />

Рис. 14.6

Рис. 14.7

В открывшемся новом диалоговом окне нажимаем кнопку «Variables» (рис 14.7). Перед вами окажется еще одно диалоговое окно, в котором необходимо указать необходимые для проведения регрессионного анализа параметры.

Как показано на рис. 14.7, это диалоговое окно состоит из нескольких окон. В каждом из них содержится перечень показателей под условными наименованиями: «var1», «var2», «var3», «var4», «var5». Поскольку у нас в электронной таблице 5 столбцов, то и в окнах диалогового окна приведено пять показателей. В первом - перечень фамилий обследованных сотрудников предприятия «Дельта-Юкон», следующие три - показатели психологических тестов, пятый - стэновый показатель успешности профессиональной деятельности.

В первом окне выбираем (выделяем) параметр «var5», отражающий показатели профессиональной успешности обследованных. Именно по отношению к этой характеристике будет осуществляться анализ взаимосвязи показателей психодиагностических методик, которые планируют использовать в мероприятиях ППО. Во втором окне выделяем параметры «var2», «var3», «var4», которые отражают соответственно результаты выполнения батареи интеллектуальных тестов, теста МЛО «Адаптивность» и теста Реана (рис. 14.8).

Рис. 14.8

Выполнив эти действия, нажимаем кнопку «ОК» и возвращаемся к предыдущему диалоговому окну, в котором тоже нажимаем кнопку «ОК». В результате перед вами откроется информационное окно с удельными весами психодиагностических методик (рис. 14.9), где коэффициенты параметров - «var2», «var3» и «var4» - отражают удельные значения показателей ОИР, ЛАП и теста оценки мотивации достижения соответственно. Данные коэффициенты характеризуют вес (значимость) каждой отдельной методики в формуле оценки профессиональной психологической пригодности.

В нашем случае наиболее высокий коэффициент принадлежит тесту «Адаптивность». Затем по значимости следует интегральный показатель ОИР. Наименьшей коэффициент - у теста оценки мотивации достижения. Данное соотношение представляется вполне объективным, поскольку при анализе корреляционной зависимости результатов выполнения тестов и показателей успешности профессиональной деятельности была получена именно такая закономерность. Поэтому исходя из результатов выполненного регрессионного анализа получаем следующее регрессионное уравнение, которое и будет использоваться в качестве алгоритма вынесения итогового заключения:

ППП = 0,76* ЛАП + 0,13*0ИР + 0,11*Дост,

где ППП - уровень профессиональной пригодности; ЛАП, ОИР, Дост - показатели по методикам МЛО «Адаптивность», «КР-3-85», теста оценки мотивации достижения. При этом следует отметить, что в нашем случае было целесообразно округлить полученные коэффициенты в соответствии с общепринятыми правилами до второго знака после запятой (в приведенной выше формуле даны округленные коэффициенты).

Используя данную формулу на практике, следует помнить, что максимальный показатель профессиональной пригодности будет равен 10 стэнам. При этом 10 стэнов может быть только у того кандидата, который по каждому из трех показателей получит 10 стэнов. Для того чтобы в этом убедиться, подставьте вместо условных наименований методик 10 баллов и сделайте вычисления. Если кандидаты не смогут показать одновременно по всем трем методикам максимальные баллы, то итоговый показатель профессиональной пригодности будет ниже стэнов. Соответственно выведенная нами формула решающего правила для определения профессиональной психологической пригодности позволяет достаточно точно и дифференцированно оценивать возможности потенциальных кандидатов на замещение вакантных должностей менеджеров по продажам предприятия «Дельта-Юкон».

Преимущество рассмотренного нами подхода к разработке алгоритма вынесения итогового заключения на основе регрессионного уравнения состоит прежде всего в его простоте и удобстве использования, особенно в том случае, если для мероприятий ППО предполагается разработать специальную компьютерную программу. Однако у этого подхода есть свои ограничения в использовании и недостатки в определении степени профессиональной психологической пригодности .

Основным условием и одновременно основным ограничением в использовании данного подхода является необходимость проведения крупномасштабного пилотажного обследования и получения оценок успешности профессиональной деятельности. Если же система ППО разрабатывается в таких условиях, когда нет возможности провести обследование сотрудников организации-заказчиков или не удается получить оценки

успешности их профессиональной деятельности, то применение этого подхода становится невозможным. Более того, при построении регрессионного уравнения показатель успешности профессиональной деятельности становится тем параметром, в отношении которого анализируется степень прогностичности психодиагностических методик, планируемых к использованию в мероприятиях ППО. Если же этот параметр не отражает реальных показателей успешности профессиональной деятельности сотрудников организации или содержит значительную ошибку, то и прогностичность алгоритма вынесения итогового заключения будет недостаточно высокой.

Недостаток этого метода заключается в том, что полученная формула решающего правила не всегда отражает истинную значимость отдельных методик для построения достоверного прогноза успешности профессиональной деятельности. Даже в нашем конкретном случае, когда была получена вполне корректная формула, в целом отражающая соотношение значимости отдельных методик для построения прогноза в отношении успешности будущей деятельности кандидатов, мы не можем быть уверены в том, что с помощью этой формулы полностью сможем решить задачи профессионального психологического отбора. Так, обращаясь к результатам корреляционного анализа, можно обнаружить, что коэффициенты корреляции интегрального показателя ЛАП и суммы показателей по интеллектуальным тестам примерно одинаковы. В то же время в формуле решающего правила наиболее значимыми являются показатели ЛАП. Данное обстоятельство может быть вполне закономерным с точки зрения регрессионного анализа, а может быть обусловлено и системными ошибками. Поэтому всегда следует помнить, что при вынесении итогового заключения о профессиональной психологической пригодности возможна системная ошибка. Избежать ее практически невозможно, но можно оценить ее величину и определить целесообразность использования разработанного алгоритма вынесения итогового заключения в мероприятиях профессионального отбора. Для этого следует выполнить несколько действий.

Прежде всего следует построить алгоритм определения группы профпригодности и внести в электронную таблицу Excel для каждого обследованного сотрудника стэновый показатель, полученный на основе выбранного алгоритма. Поскольку мы используем стэновую шкалу, то интервал показателей по разработанной нами формуле вынесения итогового заключения может располагаться в интервале значений от 0 до 10. Причем чем больше показанный балл, тем выше показатель профессиональной психологической пригодности. В подобной ситуации принято использовать следующее стэновое распределение для четырех групп[110] пригодности: 0-3 стэна - 4-я группа профессиональной психологической пригодности («не рекомендуется»); 4-5 стэнов - 3-я группа профпригодности («рекомендуется условно»); 6-8-2-я группа профпригодности («рекомендуется»); 9-10-1-я группа профпригодности («рекомендуется в первую очередь»).

Далее следует сопоставить показатели успешности деятельности представителей различных групп профессиональной пригодности. Для этого ранжируем всех обследованных по критерию принадлежности к группе профпригодности (как это сделать, было рассказано ранее). В данном случае в параметрах функции необходимо указать столбец, в котором содержится информация о группе профпригодности, а в условиях ранжирования - «По возрастанию». В результате обследуемые расположатся в порядке номера группы пригодности. Затем сопоставим стэновые показатели, полученные по формуле регрессионного анализа, с показателями профессиональной успешности. Цель такого сопоставления - выявить степень совпадения результатов. При этом считаем, что если стэны соответствуют одной и той же группе, то совпадение достигнуто. Например, совпадение для 1-й группы - стэны в 9-10 баллов, т. е. 9 и 10 считаем тождественными показателями. Совпадение для второй группы - стэны 6-8 баллов. И так - со всеми остальными группами.

При сопоставлении этих двух групп показателей прежде всего следует учитывать количество несовпадений, поскольку именно это важно при определении величины вероятной ошибки. Подсчитать величину вероятной ошибки прогноза можно, используя следующую формулу:


где p - величина вероятной ошибки в процентах, h - число несовпадений показателей в группе, и - количество людей в группе.

Таким образом, мы получаем величину вероятной ошибки для каждой группы профессиональной пригодности. Вполне возможно, что в каждой группе величина вероятной ошибки будет разной. Для того чтобы подсчитать вероятную ошибку по всему предлагаемому алгоритму, следует получить среднюю вероятную ошибку. Для этого складываем полученные величины возможных ошибок каждой группы и делим на количество групп.

Соответственно чем меньше величина ошибки, тем выше прогностические возможности разработанного алгоритма вынесения итогового заключения.

Вычислив величину вероятной ошибки, мы получили информацию о том, насколько точен будет наш прогноз успешности деятельности. Но зачем необходимо знать величину возможной ошибки? Ответ на этот вопрос достаточно прост: для того чтобы сопоставить несколько возможных алгоритмов вынесения итогового заключения и выбрать из них тот, который будет наиболее прогностичным, т. е. с наименьшей величиной вероятной ошибки.

В данной главе уже был рассмотрен алгоритм вынесения итогового заключения на основе регрессионного уравнения. Однако, как вы уже поняли, при разработке системы профессионального психологического отбора всегда целесообразно разрабатывать два алгоритма на основе разных методологических подходов, поскольку в реальных условиях проведения профессионального психологического отбора один из алгоритмов может оказаться более эффективным и прогностичным по сравнению с другим. Чаще всего в качестве альтернативы регрессионному уравнению рассматривается алгоритм, построенный на основе концептуального подхода. Рассмотрим общие закономерности формирования такого алгоритма на примере материала, полученного при проведении пилотажного обследования сотрудников предприятия «Дельта-Юкон».

В предыдущих разделах данной книги уже говорилось о существовании разных подходов к рассмотрению проблемы способностей. Чаще всего исследователи выделяют два больших класса способностей - общие и специальные - с позиции задач, решаемых при разработке системы ППО. Если исходить из этой точки зрения, то при разработке алгоритма итогового заключения все оцениваемые качества следует объединить в две группы: общих способностей и специальных способностей. Однако при группировке качеств в группы необходимо учитывать значимость для достижения успеха в профессиональной деятельности как отдельных качеств, так и групп качеств.

Как вы помните, на основе анализа результатов статистической обработки данных пилотажного обследования сотрудников «Дельта-Юкон» было установлено, что наиболее значимыми для успешной деятельности в должности менеджера по продажам являются личностный адаптационный потенциал и уровень общего интеллектуального развития, а на втором месте - степень выраженности мотивации достижения. Причем личностный адаптационный потенциал и общий уровень интеллектуального развития на полном основании могут быть отнесены к категории качеств, обусловленных общими способностями. Соответственно для рассматриваемого вида деятельности наиболее значимыми будут общие способности. Именно им следует отдавать приоритет при вынесении итогового заключения.

После определения приоритетов можно приступать к объединению качеств в группы. Однако специальные способности объединять не нужно, так как к данной категории качеств было отнесено всего одно качество - выраженность мотивации достижения. От оценки второго качества мы отказались в ходе проведения пилотажного обследования. Как вы помните, мы не обнаружили тесной взаимосвязи качеств внимания (которые оценивались с помощью теста Бурдона) с успешностью деятельности. В свою очередь, к категории общих способностей мы отнесли общий уровень интеллектуального развития и личностный адаптационный потенциал. Именно эти две характеристики следует объединить в блок общих способностей. Но как это сделать корректно?

На первый взгляд может показаться, что в этом нет ничего сложного. Поскольку интегральные показатели по данным методикам отображаются в стэновых шкалах, путем сложения результатов можно объединить данные показатели. Вместе с тем с точки зрения концептуального подхода делать этого не следует, так как показатели ОИР и ЛАП имеют принципиально разное содержание. Так, ОИР оценивает уровень развития неких индивидных свойств, а ЛАП - развитие личностных качеств, т. е. в блок общих способностей следует объединить показатели, отличающиеся друг от друга по качественному содержанию и природе. Поэтому использовать механическое сложение для объединения данных методик представляется принципиально неверным[111].

Чтобы объединить показатели методик, оценивающих различные по содержанию качества, необходимо перевести стэны в качественные характеристики. Такой качественной характеристикой служит номер группы профессиональной психологической пригодности . Таким образом , первоначально определяем группу профессиональной психологической пригодности в отношении каждой конкретной методики. Для этого можно воспользоваться традиционными для отечественной психологии четырьмя группами профпригодости, о которых речь шла выше («не рекомендуется», «рекомендуется условно», «рекомендуется», «рекомендуется в первую очередь»),

Определив становые границы каждой из групп профпригодности, мы получаем возможность оперировать качественными показателями. Соответственно по блоку общих способностей показатель тоже должен отражать

качественную информацию, т. е. необходимо получить группу пригодности по данному блоку в целом. Для этого следует рассмотреть все возможные сочетания групп пригодности по отдельным методикам и определить, как оценивать каждое из полученных сочетаний. При этом следует отметить: поскольку данные качества примерно одинаково важны для успешной профессиональной деятельности, то при рассмотрении возможных сочетаний групп профпригодности по каждой из методик не следует отдавать предпочтение какой-либо одной методике[112].

В табл. 14.2 представлен общий порядок определения группы профессиональной психологической пригодности кандидатов на замещение вакантных должностей менеджеров по продажам организации «Дельта-Юкон» по блоку общих способностей. Конечно, принципы объединения могут быть разные. В данном случае мы использовали принцип «наиболее жестких ограничений». Суть его заключается в том, что к 1-й и 2-й группам профессиональной пригодности могут быть отнесены лишь те кандидаты, которые полностью соответствуют требованиям данной группы. Так, для того чтобы кандидат на замещение вакантной должности по блоку общих способностей был отнесен к 1-й группе профпригодности, он должен показать по каждой из двух используемых методик уровень развития качеств, соответствующих 1-й группе. Значит, если хотя бы по одной из методик были получены результаты, характерные для 4-й группы профпригодности, то по всему блоку кандидату будет выставлена 4-я группа профпригодности.

В некоторых случаях бывает целесообразным использование принципа «возможных допущений», например

тогда, когда в ходе пилотажного обследования было обнаружено, что значение одной методики для успешной профессиональной деятельности существенно выше, чем другой. В этом случае исходят из того, что по наиболее значимому тесту обязательно должно быть обеспечено соответствие конкретной группе, а по второму, менее значимому, можно было получить показатель на один уровень ниже по отношению к рассматриваемой группе. Например, по блоку общих способностей для первой группы обязательно необходимо, чтобы по наиболее значимому тесту было получено соответствие 1-й группе профпригодности, а по другому, менее значимому, можно было получить показатель, соответствующий 2-й группе пригодности.

Однако в нашем конкретном случае было установлено, что показатели двух тестов, используемых для формирования оценки по блоку общих способностей, имеют примерно одинаковое значение для прогноза успешности деятельности. Поэтому и был использован первый принцип - принцип «жестких ограничений».

Сравнивая эти два принципа на практике, мы получим: при использовании первого принципа количество лиц 1-й и 2-й групп профпригодности будет существенно меньше, чем при использовании второго принципа. Однако при этом мы можем быть уверены, что вероятность завышения группы профессиональной пригодности кандидата по сравнению с его истинными возможностями будет существенно ниже, но вероятность того, что его возможности в группе профпригодности занижены - существенно выше. Поэтому если при проведении профессионального психологического отбора из достаточно большого количества кандидатов на замещение вакантных должностей прежде всего ставится задача не допустить к работе лиц с невысоким развитием профессионально важных качеств, то всегда выбирается первый принцип.

Определив принцип выявления группы профессиональной психологической пригодности по блоку общих способностей, аналогичным образом определяем группу профпригодности по блоку специальных способностей. В нашем случае задача существенно упрощена, так как в данный блок вошла всего одна методика. Поскольку она также имеет стэновую шкалу, а количество групп профессиональной пригодности у нас - традиционное для отечественной психологии, то для определения групп профпригодности по данному тесту используем тот же подход, что и во всех рассмотренных выше случаях. В результате все показатели по данному тесту могут быть отнесены к одной из четырех групп профессиональной психологической пригодности.

После этого мы переходим к формированию итогового заключения о профессиональной психологической пригодности. У нас есть два качественных показателя по двум блокам. Эти показатели имеют одинаковое измерение (группа профпригодности), поэтому путем различных сочетаний мы можем сформулировать требования к итоговой группе профпригодности. При этом следует иметь в виду, что значение показателей по блоку общих способностей существенно выше, чем по блоку специальных способностей [113]. Следовательно, при формировании алгоритма итогового заключения целесообразно использовать принцип «возможных допущений».

В результате наш алгоритм вынесения итогового заключения, построенного на основе концептуального подхода, будет выглядеть так, как показано в табл. 14.3.

Таблица 14.3

Порядок определения общей группы профессиональной психологической пригодности кандидатов на замещение вакантных должностей менеджеров по продажам предприятия «Дельта-Юкон»

Общая 1 группа профессио- 118J1 ь ной 1 ic их ал аги ч ес ко н пригодности

Г]) у 1 и 1 a u]№lt;j)i 1 р и годности по блоку ойишх способностей

Г|) у IIJ 1‘А ЛIW фпри ЮДНОСТ(1

мо блоку специальных способностей

I-я группа

1-gt;а группа

1-я группа

1-я группа

2-п группа

2-я группа.

1-я группа

3-я группа

2-и группа

2-л группа

2-я группа

1-я группа

З-я группа

3-я группа

1-я группа

3-я группа

2-я группа

3-я груШЦЬ

3-я группа

4 группа

Хотя бы пр одному т блоков пила получена 4-я группа профессионально» психо- . магической пригодности

Как следует из табл. 14.3, при формировании алгоритма вынесения итогового заключения приоритетом пользуются методики блока общих способностей, что в целом отражает закономерность, обнаруженную нами в ходе пилотажного обследования. Также следует отметить, что при вынесении итогового заключения мы оперируем не количественными, а качественными показателями. При этом мы достаточно корректно учитываем то, что информация, которую мы используем, имеет качественные различия по содержанию. Однако, несмотря на все это, при данном подходе к формированию алгоритма итогового заключения можно допустить определенную системную ошибку. Поэтому, так же как и в первом случае, следует определить величину вероятной системной ошибки. Для этого мы будем использовать те же правила, что и в случае с алгоритмом, построенным на основе формулы регрессионного уравнения.

Вычислив величину вероятной системной ошибки по второму алгоритму вынесения итогового заключения, мы можем выбрать тот алгоритм, который окажется наиболее прогностичным. Если же величина системной ошибки в обоих случаях будет примерно одинакова, то при выборе алгоритма следует исходить из условий, в которых будет проводиться профессиональный психологический отбор. Например, если планируется использовать компьютерную программу, то более целесообразно применять алгоритм на основе формулы регрессионного уравнения. Если же будут использоваться обычные бланковые методики, то лучше предпочесть алгоритм на основе концептуального подхода, поскольку в этом случае при вынесении итогового заключения можно воспользоваться заранее подготовленными таблицами, что исключает необходимость делать дополнительные математические расчеты, а следовательно, позволяет избежать случайных ошибок.

Однако еще раз следует подчеркнуть, что условия проведения мероприятий ППО учитываются лишь в том случае, когда оба алгоритма имеют примерно одинаковую величину вероятной системной ошибки. При выборе алгоритма вынесения итогового заключения прежде всего следует ориентироваться на его прогностичность.

Порядок проверки алгоритма итогового заключения в процессе практической деятельности

Следует отметить, что в большинстве случаев, как бы разработчики ни старались оценить прогностичность предлагаемого алгоритма вынесения итогового заключения, на этапе разработки проверить его работоспособность в полной мере можно лишь в процессе непосредственного отбора.

Для проверки прогностичности алгоритма необходимо прежде всего накопить соответствующий эмпирический материал[114]. При этом следует сохранять информацию не только о группе профессиональной психологической пригодности, но и о результатах выполнения каждой конкретной методики.

Второе важное условие проверки работоспособности алгоритма вынесения итогового заключения - это время. Чтобы принятые на работу люди смогли максимально проявить свои способности, им необходимо адаптироваться к условиям профессиональной деятельности, а для этого нужно время. По мнению некоторых исследователей, для успешной адаптации сотрудника к новым условиям необходимо от 3 до 6 месяцев, а молодому специалисту - не менее года.

Таким образом, приступать к оценке эффективности разработанного алгоритма вынесения итогового заключения целесообразно примерно через 6 месяцев после приема людей на работу. К этому времени период психологической адаптации у большинства новых сотрудников завершится и можно будет получить достаточно объективные показатели эффективности их профессиональной деятельности. В качестве критерия эффективности можно использовать оценки экспертов, которыми могут быть как представители руководства, так и коллеги по работе. Однако, как было отмечено выше, наиболее объективным критерием эффективности профессиональной деятельности являются прямые показатели. Такими показателями для менеджеров по продажам организации «Дельта-Юкон» будет объем продаж.

Для проверки прогностичности алгоритма вынесения итогового заключения следует получить средние показатели эффективности деятельности за последние три месяца, т. е. через 4-6 месяцев после приема на работу. После этого составляется электронная таблица в программе Excel. В эту таблицу заносятся результаты выполнения психодиагностических методик, а также информация об установленной группе профессиональной психологической пригодности и средние показатели эффективности профессиональной деятельности.

Составив электронную таблицу, приступаем к ее анализу. Прежде всего ранжируем всех обследованных по показателю эффективности профессиональной деятельности. Для этого применяем правило ранжирования, рассмотренное ранее. Затем разделяем всех обследованных на четыре группы в зависимости от степени эффективности их профессиональной деятельности. Для того чтобы выполнить данное действие, необходимо перевести показатели эффективности в стэновую шкалу, воспользовавшись рассмотренным ранее правилом, а затем на основании стэновых показателей выделить четыре группы сотрудников с различной эффективностью деятельности. Сделать это можно с помощью ранее рассмотренного алгоритма: 0-3 стэна - 4-я группа эффективности профессиональной деятельности; 4-5 стэнов - 3-я группа; 6-8-2-я; 9-10-1-я группа эффективности профессиональной деятельности.

После этого следует оценить степень совпадения прогнозируемой эффективности, рассчитанной на основе результатов профессионального психологического отбора (группы профпригодности) и реальной эффективности, полученной на основе показателей результативности профессиональной деятельности. Степень совпадения прогнозируемой и реальной эффективности оцениваем с помощью формулы оценки точности прогноза:


где Т- величина точности прогноза в процентах, Н - число совпадений показателей в группе, и - количество людей в группе. Соответственно чем выше степень совпадения групп, тем выше прогностичность используемого нами алгоритма вынесения итогового заключения. При этом оценивается степень прогностичности как для каждой отдельной группы, так и в целом для всей выборки сотрудников предприятия. Более того, как было сказано выше, если при разработке системы ППО были подготовлены несколько алгоритмов, то при получении эмпирических данных следует проверить не только основной алгоритм (используемый в мероприятиях профотборов), но и те, от которых на этапе разработки отказались. Иногда бывает так, что алгоритм, не ставший основным, при эмпирической проверке оказывается более прогностичным и эффективным.

Заключение

В данной главе были рассмотрены основные подходы к разработке алгоритма вынесения итогового заключения о

профессиональной психологической пригодности кандидатов на замещение вакантных должностей. Для успешной разработки этого алгоритма необходимы не только специальные знания, но и умение работать с разными компьютерными программами.

Вполне возможно, что в зависимости от условий разработки системы ППО алгоритм вынесения итогового заключения может иметь свои специфические особенности. Рассмотренные в данной главе два алгоритма наиболее распространены в практике отечественной психологии. Но независимо от того, какой алгоритм вы будете использовать, необходимо выполнить несколько обязательных действий: разработать становые шкалы для используемых в системе ППО психодиагностических методик; определить логику вынесения итогового заключения или сформулировать решающее правило; проверить информативность и надежность разработанного алгоритма вынесения итогового заключения о профессиональной психологической пригодности.

Особо следует отметить: какой бы алгоритм ни был принят для использования в мероприятиях ППО, он требует проверки в отношении валидности и надежности. Причем алгоритм вынесения итогового заключения следует проверять как в процессе разработки, так и при проведении мероприятий ППО на практике.

В заключение следует еще раз подчеркнуть, что разработка алгоритма - один из наиболее значимых этапов разработки всей системы профессионального психологического отбора.

<< | >>
Источник: А. Г. Маклаков. Профессиональный психологический отбор персонала. Теория и практика: Учебник для вузов. 2008

Еще по теме Глава 14. Разработка алгоритма вынесения итогового заключения о профессиональной психологической пригодности:

  1. Структура мероприятий профессионального психологического отбора
  2. Глава 7. Общие вопросы методологии организации и проведения профессионального психологического отбора
  3. РАЗДЕЛ 3. ТЕХНОЛОГИЯ ПРОФЕССИОНАЛЬНОГО ПСИХОЛОГИЧЕСКОГО ОТБОРА
  4. Основные принципы выбора методик для проведения мероприятий профессионального психологического обора
  5. Глава 10. Принципы и методы формирования итогового заключения о профессиональной психологической пригодности
  6. Разработка нормативов, отражающих степень профессиональной пригодности кандидата
  7. Основные методы определения алгоритма вынесения итогового заключения о профессиональной психологической пригодности
  8. Заключение
  9. Глава 11. Реализация мероприятий профессионального психологического отбора в практической деятельности организации
  10. Проведение психологического обследования
  11. Анализ эффективности мероприятий профессионального психологического отбора
  12. Заключение
  13. РАЗДЕЛ 4. РАЗРАБОТКА СИСТЕМЫ ППО НА ПРИМЕРЕ ГИПОТЕТИЧЕСКОЙ ОРГАНИЗАЦИИ «ДЕЛЬТА- ЮКОН»
  14. Анализ взаимосвязи профессионально важных качеств и формирование экспериментальной структуры ПВК менеджера по продажам