Значения стэновых шкал для методик, используемых в системе ппо кандидатов на замещение вакантных должностей менеджеров по продажам

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 ‹ 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).

Рис. 14.4

Рис. 14.5

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*ОИР + 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 10 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]. Для того чтобы вам было понятно, о чем идет речь, посмотрите внимательно на табл. 14.2.

Таблица 14.2