Az emberi számítás

Human 2 Human

Big BAD Data

2015. március 30. - Pankotai Balázs

avoid_bias.pngOlvastam egy cikket arról, hogy a HR rendszerekben képződő hatalmas adatmennyiség alapvetően fals, éspedig az értékelők megbízhatatlansága miatt.

Itt most tudományos értelemben használjuk azt, hogy valaki nem megbízható, azaz: mint értékelő nem megbízható. És éppen ebben rejlik a cikk átütő megállapítása.

Minden olyan objektív értékelő módszer, amelyről azt gondoltuk, valós adatot szolgáltat arról, akit értékelünk, valójában azokról mutat képet, akik értékelnek. Mintegy 15 év vizsgálatait számba véve arra jutott Marcus Buckingham, hogy a variancia több mint fele (esetenként 2/3-a) az értékelői mintázattal magyarázható!

Magyarul, és a cikk példáját hozva: ha nekem a valakiben rejlő potenciált kell értékelnem, az nagyobb részben arról fog szólni, mit értek én potenciál alatt, magamban mennyi potenciált érzek, illetve milyen értékelő vagyok általában.

Dobay Robi is hasonlókat ír a 360 fokos felméréssel kapcsolatban: ha a vezetőmről azt állítom, gyorsan hoz döntéseket, az többnyire pusztán annyit jelent, hogy nálam gyorsabban képes erre. (Annyiban meg kell, hogy védjem a 360 fokos felmérést, hogy értékelői szerepkörönként azért legalábbis tendenciák látszanak. Ha egybehangzóan állítja tíz beosztottja, hogy az értékelt kommunikációjával valami probléma van, azt érdemes komolyan venni. Lehet, hogy ők maguk is benne vannak, de akkor is: ha valami ennyire egyértelmű, érdemes utánajárni.)

Mi torzíthatja még az értékeléseket? Nyilván sántít és leegyszerűsítő a következő példa, de képzeld el, hogy van egy kutyád, amelyről van egy általános képed: legyen mondjuk heves természetű és csintalan. Így  jellemzed, amikor beszélsz róla egy ismerősödnek. De ha minden egyes alkalommal, amikor látod a kutyádat, és tapasztalod, hogyan viselkedik, feljegyzéseket készítenél egy füzetbe, és azokat éves szinten összesítenéd, elképzelhető, hogy az jönne ki, hogy a kutyád valójában ijedős és (részben ennek következtében) agresszív. Azért kaphatnál így más eredményt, mert egyrészt valós időben rögzítenéd a megfigyeléseidet, másrészt azokat is feljegyeznéd, amelyek nem feltétlenül támasztják alá a sztereotípiáidat, vagy éppen nem illenek abba a képbe, amit mások, számodra hiteles személyek, mondanak a kutyádról. Nem az illetők hitelességét vonnánk tehát kétségbe, hanem azt, hogy valóban adekvát helyzetekben tudják-e megfigyelni a viselkedést.

Akkor hát hogyan gyűjtsünk jó adatokat?

  • Minél közelebb időben a megfigyelt teljesítményhez. Nem véletlenül alakították ki a gyorséttermek pénztárainál és egyéb értékesítési pontokon, hogy ott, rögtön, amikor fizetsz, kattints rá a tableten az egyik emotikonra (szomorútól a vidámig, egy 1-5 skálát szimbolizálva).
  • Nem skálán, hanem saját szavainkkal értékelve. A mesterséges intelligencián alapuló megoldások ma már egyre jobbak a szabad szöveges tartalomelemzésben. Magyarul talán még nem, de ez sincs már nagyon messze. Ne szorítsuk be magunkat egy skála tartományába.
  • Minél konkrétabban. Jó volt ez és ez, fejleszthető az és amaz. Ezt pl. egy projektmegbeszélés végén tökéletesen meg lehetne adni. Igaz, rá kellene szánni 1-2 percet. De ha tudod, hogy a te értékelésedre is rászánják, te is rá fogod szánni a másokéra.

A bejegyzés trackback címe:

https://human2human.blog.hu/api/trackback/id/tr577320852

Kommentek:

A hozzászólások a vonatkozó jogszabályok  értelmében felhasználói tartalomnak minősülnek, értük a szolgáltatás technikai  üzemeltetője semmilyen felelősséget nem vállal, azokat nem ellenőrzi. Kifogás esetén forduljon a blog szerkesztőjéhez. Részletek a  Felhasználási feltételekben és az adatvédelmi tájékoztatóban.

Nincsenek hozzászólások.