Creative_Decisions_I_Dubina

Чем выше этот индекс, тем более приоритетным является со-

ответствующий фактор.

Анкета для оценки организационного климата для творчест-

ва и инноваций с использованием метода QIPM приведена в при-

ложении 5. Респондентам предлагается оценить по двум шкалам ключевые факторы, которые способствуют успешному развитию организации. По шкале «важность» оценивается, насколько важ-

ным является тот или иной фактор для развития организации, а по шкале «реализованность» оценивается, насколько успешно этот фактор в данный момент осуществлен в организации. Анкета со-

держит 17 пунктов, соответствующих 17 факторам организацион-

ного климата:

1.Возможность свободно предлагать новые идеи.

2.Терпимое отношение к риску со стороны руководства.

3.Автономность (самостоятельность) сотрудников в приня-

тии решений.

4.Наличие технических, финансовых и информационных ресурсов для работы над новыми проектами.

5.Наличие свободного времени для работы над новыми идеями (проектами).

6.Интерес сотрудников к выполняемой ими работе.

7.Совместная работа сотрудников над новыми идеями (про-

ектами).

8.Открытость коллектива к новым идеям.

9.Формирование эффективной команды для работы над но-

выми проектами.

10.Доверительные и открытые отношения в коллективе.

11.Возможность легко донести новые идеи до руководства.

12.Поиск новых идей, направленных на перспективные ре-

шения, а не только на решение текущих проблем.

13.Позитивное восприятие руководством новых идей со-

трудников.

14.Поддержка сотрудников, предлагающих новые идеи.

15.Объективная оценка и поощрение новых предложений.

16.Открытость организации к изменениям и динамичность ее

развития.

17.Эффект от практического внедрения новых и перспектив-

ных идей.

Преимуществом инструмента, основанного на методе QIPM,

является то, что оценивать параметры организационного климата

191

можно не только по степени их выраженности, но и с точки зрения их важности для развития компании или организации. Хотя этот метод обеспечивает более низкое качество оценки, чем традицион-

ные, он очень нагляден и удобен для принятия решений. Такой подход требует меньше времени и ресурсов для сбора данных, чем подходы, рассмотренные выше. При использовании этого метода не требуется применение сложного аналитического инструмента-

рия для обработки и анализа данных.

В заключение отметим, что в силу неоднородности органи-

зационного климата в крупной компании работникам разных отде-

лов сложно оценивать ситуацию в организации в целом, поэтому следует учитывать границы, в которых члены организации могут судить об ее климате. Эти границы определяются в значительной степени статусом сотрудников. Руководитель подразделения лучше знаком с климатом всей организации, чем специалист, выполняю-

щий работу только в пределах этого подразделения. По этой при-

чине важную роль играет метод формирования выборки при оценке организационного климата.

В большой компании целесообразно проводить опрос по подразделениям (отделам), и в этом случае видение климата орга-

низации получится в разрезе отделов. Можно проводить не сплош-

ное исследование по отделам, а выборочное. Например, из каждого отдела формировать выборку по 7–10 человек для получения при-

емлемой статистической значимости при дальнейшей обработке данных. Это позволяет сравнить показатели организационного климата в разных отделах и сопоставить результаты с мнением экспертов о работе отделов и фактическими показателями работы

(количество патентов, количество рацпредложений, прибыль и пр.).

Для оценки организационного климата в целом желательно при-

влекать специалистов из разных отделов, имеющих достаточно ин-

формации о работе всей организации. Это, как правило, руководи-

тели отделов, подразделений, их заместители, руководители опре-

деленными направлениями работы и т.д.

5.5. Способы обработки данных при оценке организационного климата

Оценки климата, как правило, отличаются довольно боль-

шим разбросом. Отсюда возникает серьезный вопрос о качестве такого рода оценок и измерений. Инструменты, рассмотренные в

192

предыдущем параграфе, используют различные шкалы и математи-

ческие процедуры разной степени сложности. В данном параграфе мы приводим описание основных процедур, которое позволит са-

мостоятельно их использовать читателю, имеющему базовую ма-

тематическую подготовку в пределах университетского курса. Для читателей, более глубоко интересующихся математическими ас-

пектами измерений организационного климата, предоставляются ссылки на дополнительные источники.

5.5.1. Шкалы представления данных

при оценке организационного климата

Все существующие инструменты для оценки организацион-

ного климата основаны на порядковой шкале Лайкерта (Likert scale), которая впервые была предложена в 1932 г. американским специалистом в областях организационной психологии и управле-

ния Р. Лайкертом. Респондент выражает свое согласие или несогла-

сие с каждым суждением (из предложенного набора) по шкале оце-

нок (из 3, 4, 5, 6, 7 или более позиций), а результат оценки на ито-

говой шкале определяется суммой оценок по каждому отдельному суждению.

Позиции шкалы Лайкерта обычно кодируются числами от

1 до 5 (для пятипозиционной шкалы), от 1 до 6 (для шестипозици-

онной шкалы) и т.д., хотя кодирование может включать нулевое значение (например, для кодирования нейтрального отношения) и

отрицательные значения (например для кодирования негативного отношения). Направление кодирования зависит от формулировки вопроса. Для позитивно сформулированных утверждений (напри-

мер, «Творческие идеи в данной организации поощряются») пози-

тивно выраженное отношение (например, «согласен») кодируется,

как правило, большим числом (например, 5), а негативно выражен-

ное («не согласен») – меньшим. При негативной формулировке

(например «Мой руководитель игнорирует мои предложения») по-

зитивно выраженное отношение может кодироваться меньшим числом, а негативно выраженное – большим.

В большинстве инструментов оцениваются как позитивные факторы климата, так и негативные (например, «Конфликты» в CCQ и SOQ). При оценке одного и того же фактора часто исполь-

зуются как прямые, так и обратные вопросы или утверждения (на-

пример, «Мой руководитель поддерживает мои инициативы» и

193

«Мой руководитель не поддерживает мои инициативы»). Для того чтобы привести все ответы к одной шкале, отклики на обратные

утверждения перекодируются по формуле r = (min – s) + max,

где r – отклик на прямые утверждения (вопросы); s – отклик на об-

ратные утверждения (вопросы); min, max – минимальное и макси-

мальное значения шкалы.

При обработке данных базовой процедурой является получе-

ние агрегированных и комплексных оценок. Для анализа показателя по выборке респондентов измерения агрегируются, т.е. получаются коллективные (групповые, обобщенные) оценки. Агрегирование обычно осуществляется путем вычисления среднеарифметического значения по группе.

В практике оценки организационного климата также часто встречаются ситуации, когда необходимо синтезировать отдельные показатели в некоторый интегрированный (комплексный) показа-

тель. Например, показатель инновативности компании интегриру-

ется на основе нескольких показателей, характеризующих ее орга-

низационный климат. Как и в случае с агрегированными оценками,

для интегрирования показателей обычно используются арифмети-

ческие действия.

Для величин, измеренных в метрических шкалах (интерваль-

ной и абсолютной), эта простая процедура вполне корректна. Од-

нако все существующие инструменты используют шкалу Лайкерта

(порядковую шкалу). Для порядковых шкал использование опера-

ций сложения, вычитания, умножения или деления для получения агрегированных или комплексных оценок с математической точки зрения некорректно [44].

В шкале Лайкерта очень наглядно проявляется дилемма ме-

жду простотой измерительных процедур и математической строго-

стью. В литературе встречаются и аргументируются различные точки зрения на возможности использования шкалы Лайкерта. Эта шкала, как показал еще ее автор, является порядковой (неметриче-

ской) шкалой, однако многие исследователи считают возможным использовать ее как интервальную шкалу и применять процедуры для обработки данных, приемлемые для метрических шкал, так как,

по их мнению, это не приводит к серьезным ошибкам в результа-

тах. Основными аргументами в пользу такого утверждения являют-

ся следующие предположения:

194

– интервалы между позициями шкалы Лайкерта в отдельном пункте (вопросе или утверждении) анкеты приблизительно одина-

ковы;

– интервалы между позициями шкалы Лайкерта изменяются незначительно при переходе от вопроса к вопросу (от утверждения к утверждению).

Если эти два условия можно считать выполненными, то к шкале Лайкерта могут быть применены процедуры, приемлемые для интервальных шкал.

Подробно неэквивалентность значений позиций шкалы при переходе от пункта к пункту при получении комплексных оценок в шкале Лайкерта продемонстрирована в нашей книге [44]. Ниже мы приведем два примера из этой работы.

Пусть мы имеем в качестве пункта анкеты следующее ут-

верждение: «Члены моей рабочей группы открыты новым идеям».

Для респондента А, который в целом согласен с этим утверждени-

ем, интервалы между позициями шкалы могут быть, к примеру, такими, как на рисунке 5.6.

Рис. 5.6. Пример неэквивалентности интервалов

вшкале Лайкерта

Вэтом случае респондент А с большей вероятностью выбе-

рет одну из позиций – ПС («полностью согласен») или С («согла-

сен»), нежели НС («не согласен»), а тем более ПНС («полностью не

195

согласен»), т.е. условие равенства интервалов (даже приблизитель-

ное), очевидно, не выполняется. Предположим, что некий респон-

дент В скорее не согласен с предложенным утверждением. Для не-

го интервалы между позициями шкалы могут быть другими (рис. 5.6). Интервал между НС и ПНС для респондента В меньше, чем интервалы между другими позициями. Очевидно, что вычисление среднеарифметического значения для данного случая некорректно.

Аналогично складывается ситуация и с получением ком-

плексных оценок в шкале Лайкерта. Предположим, что измеряе-

мым показателем является «Поддержка творческой инициативы сотрудников руководством компании». Анкета включает два пунк-

та: «Мой руководитель открыт для новых идей» и «Мой руководи-

тель поддерживает мои новые предложения». Очевидно, что эти пункты имеют разный «вес». Поэтому отклик «согласен» при отве-

те на первый пункт может не соответствовать позиции «согласен» при отклике на второй пункт (одно дело – просто воспринимать новые идеи, другое – их поддерживать). Поэтому объединять от-

клики на эти пункты в один комплексный показатель путем сложе-

ния некорректно.

На практике достаточно сложно обеспечить выполнение двух основных условий (равенство межпозиционных интервалов шкалы и эквивалентность позиций шкалы при переходе от пункта к пункту), для того чтобы шкалу Лайкерта можно было бы считать интервальной. Поэтому получение агрегированных и комплексных оценок по шкале Лайкерта путем вычисления среднеарифметиче-

ского значения хотя и «работает» с практической точки зрения, но лишено смысла с точки зрения математической. С одной стороны,

для получения корректных результатов исследования необходимо обеспечить корректность получаемых измерений и применяемых процедур обработки. С другой стороны, шкала Лайкерта является простым и удобным инструментом для сбора данных. Возможен ли некий компромисс между практическим удобством и математиче-

ской строгостью? Возможно ли преобразование данных из шкалы Лайкерта в метрическую шкалу?

Одним из самых «сильных» аргументов в пользу метриче-

ского характера шкалы является распределение измерений по нор-

мальному закону. Исходным принципом здесь служит предполо-

жение о том, что измеряемое свойство распределено в генеральной совокупности в соответствии с нормальным законом. Следователь-

196

но, измерение данного свойства также должно обеспечивать нор-

мальное распределение. Если это так, то шкала может считаться по крайней мере интервальной [70]. Если это не так, то измеряемое

свойство отражается в не метрической шкале, а, например, в по-

рядковой.

Таким образом, исходным пунктом анализа полученных дан-

ных по оценке организационного климата должна быть их проверка на нормальность распределения. Если выборочное распределение не отличается от нормального, то, по мнению многих специали-

стов, можно считать, что измеряемое свойство отражается в интер-

вальной шкале, что позволяет корректно использовать соответст-

вующие математические и статистические процедуры для их даль-

нейшей обработки и анализа1.

Методы проверки нормальности описаны во многих учебни-

ках и учебных пособиях по статистике и статистической обработке

данных, например [70]. Процедуры проверки нормальности рас- пределения включены в статистические пакеты SPSS, STATISTICA

и др. Удобный инструментарий для оценки вида распределения включает в себя программный продукт @Risk, предлагаемый ком-

панией Palisade, специализирующейся на разработке программного

обеспечения для принятия решений в условиях риска и неопреде-

ленности (www.palisade.com).

Для удобства сравнения результатов исходные данные (raw data) часто приводят к некой стандартной шкале. Наиболее про-

стым и распространенным стандартизующим преобразованием ис-

ходных данных является их приведение к так называемому стан-

дартному z-распределению со средним, равным 0, и стандартным

отклонением, равным 1:

z = r − m , s

где r –исходное значение; m – среднее значение по признаку; s –

стандартное отклонение по признаку.

1 Однако такой подход к обоснованию метрического характера из-

мерений принимается не всеми исследователями. Например, А.И. Орлов в одной из своих работ показывает, что в большинстве случаев распре-

деления результатов измерения существенно отличаются от нормаль-

ных [74].

197

Рис. 5.7. Характеристическая кривая

Чем больше вероятность правильного ответа на вопрос ис-

пытуемым, тем большее значение по шкале Раша он имеет. Анало-

гично, чем больше вероятность выбора респондентом того или ино-

го пункта в анкете (что определяется объективными условиями – в

данном случае организационным климатом), тем большее значение будет присвоено этому пункту.

На практике при получении данных в шкале Раша вместо ве-

роятностей используют частоты откликов, т.е. чем чаще тестируе-

мый отвечает правильно, тем выше его показатель в шкале Раша.

Аналогично, чем чаще выбирается тот или иной пункт анкеты, тем большее значение ему будет присвоено. При таком механизме кон-

вертирования данных пункты анкеты, которые каким-либо респон-

дентом оставлены без ответа, не представляют трудностей при ис-

пользовании модели Раша, они не критичны для обработки данных.

Единица измерения шкалы Раша имеет стандартизованный характер, что дает возможность объективно сравнить результаты,

полученные по разным инструментам и выборкам. Шкала Раша является интервальной, что обеспечивает возможность корректного применения большинства математических операций. Теоретически

измерения по шкале Раша не зависят от выборки респондентов

(sample free measurement) и набора вопросов (item free calibration).

Это свойство позволяет специалистам в области теории измерений

называть шкалу Раша «объективной» измерительной шкалой (objective measurement) и сравнивать ее со шкалами, используемыми в

200