數據化招募:31種預測未來人才表現的選才方法
數據化招募
自從就業市場存在以來,如何選擇出適合公司的人才,一直都是雇主與招聘人員的最大挑戰之一。但除了憑感覺或是面試時的直覺以外,是否有更科學的方式可以更容易挑選出適合的人才,並且預測出求職者進公司後的表現呢?
Frank L. Schmidt在他的論文:The Validity and Utility of Selection Methods in Personnel Psychology (人事心理學中選擇方法的有效性和實用性)中整理分析了過去100年來的關於人事選擇研究結果,涉及數百萬名員工和求職者,最後跟大家分享了31種預測工作表現的人才選擇方式有效性。
作者 Frank L. Schmidt 是美國愛荷華大學管理與組織學系教授,以人才選拔相關的論文研究知名於業界。相關論文被引用超過數萬次以上,是人事心理學權威的學者。
作者Schmidt把重點放在各種人才選擇方式的效度(Validity)和成本上,效度是統計學的改概念,指測量工具是否能夠正確地衡量所要測量的概念或變數。因為從實用價值的角度來看,人才選擇方式的最重要特性是預測效度:預測未來工作表現、與工作相關的學習狀況和其他標準的能力。
往下分享之前先破題與大家分享,最有效預測未來工作表現同時兼顧實用性的人才選擇方式為:智力測驗+誠信測試(平均有效性0.78)和智力測驗+結構化面試(平均有效性0.76)。雖然一般來說台灣求職過程不太有智力測驗,但最新研究結果表明,智力測驗的主導地位比以前所認為的更大。
透過以下表格可以知道不同人才選擇方式的有效性。
表格欄位說明:
第一欄為編號,第二欄為人才選擇的方式,第三欄Operational validiry(r)為這個選擇方式單獨存在的效度(0~1),第四欄 Multiple R為智力測驗 + 人才選擇方式後的有效程度(0~1),第五欄Gain in validity是智力測驗增加此選擇方式後增加的效度。第六欄是則是智力測驗增加此選擇方式後增加的效度百分比。
選擇方法按照它們相對於智力測驗的增量效度的順序呈現,而不是按照它們的單獨效度排序。接下來我們依照表格排序來跟大家聊聊這些人才選擇方式的優缺點。
編號 | 選才方式 | Operational validity(r) | Multiple R | Gain in validity | % gain in validity |
1 | 智力測驗 | 0.65 | |||
2 | 誠信測試 | 0.46 | 78 | 0.13 | 20% |
3 | 實體結構化面試 | 0.58 | 0.76 | 0.117 | 18% |
4 | 實體非結構化面試 | 0.58 | 0.73 | 0.087 | 13% |
5 | 興趣 | 0.31 | 0.71 | 0.062 | 10% |
6 | 線上結構化面試 | 0.46 | 0.7 | 0.057 | 9% |
7 | 盡責性測量 | 0.22 | 0.7 | 0.053 | 8% |
8 | 背景調查(Reference check) | 0.26 | 0.7 | 0.05 | 8% |
9 | 開發性經驗測量 | 0.04 | 0.69 | 0.039 | 6% |
10 | 個人生平資料評估 | 0.35 | 0.68 | 0.036 | 6% |
11 | 工作經驗(年) | 0.16 | 0.68 | 0.032 | 5% |
12 | EQ(情緒智商)測量-基於人格 | 0.32 | 0.68 | 0.029 | 5% |
13 | 人與組織適配測量 | 0.13 | 0.67 | 0.024 | 4% |
14 | 基於知識的情境判斷測試 | 0.26 | 0.66 | 0.015 | 2% |
15 | 人與工作適配測量 | 0.18 | 0.66 | 0.014 | 2% |
16 | 評估中心 | 0.39 | 0.66 | 0.013 | 2% |
17 | 培訓與經驗積分法 | 0.11 | 0.66 | 0.009 | 1% |
18 | 在校成績 | 0.34 | 0.66 | 0.009 | 1% |
19 | 教育年限 | 0.1 | 0.65 | 0.008 | 1% |
20 | 外向性 | 0.09 | 0.65 | 0.006 | 1% |
21 | 同儕評分 | 0.49 | 0.65 | 0.006 | 1% |
22 | EQ(情緒智商)測量-基於能力 | 0.23 | 0.65 | 0.004 | 0% |
23 | 和諧性測量 | 0.08 | 0.65 | 0.002 | 0% |
24 | 工作樣本測試 | 0.33 | 0.65 | 0.002 | 0% |
25 | 情境判斷測試 | 0.26 | 0.65 | 0.001 | 0% |
26 | 情緒穩定性測量 | 0.12 | 0.65 | 0 | 0% |
27 | 筆跡 | 0.02 | 0.65 | 0 | 0% |
28 | 工作實習 | 0.44 | 0.65 | 0 | 0% |
29 | 行為一致性方法 | 0.45 | 0.65 | 0 | 0% |
30 | 工作知識測試 | 0.48 | 0.65 | 0 | 0% |
31 | 年齡 | 0 | 0.65 | 0 | 0% |
1. 智力測驗
智力測驗在31種人才選擇方式中有最特殊的地位,具有最高的效度和最低的應用成本,作者整理的研究中證明智力測驗是預測工作表現的最佳公預測因素,所以研究結果可以指出,可以以智力測驗作為主要的人才選擇方式,也因為如此,我們接下來的人才選擇方式介紹排序會依照可以對智力測驗的效度增量貢獻來排序。
2. 誠信測試
誠信測試主要是要降低求職者在未來工作中出現影響工作的反面行為,例如打架、飲酒、吸毒、偷竊、破壞設備或過度缺勤等。單獨做誠信測試的效度就有0.46了,但更應該注意的是它可以幫智力測驗增加0.13的效度從0.65→0.78,有效度增加了20%。這麼大的增幅主因是在於誠信測試和智力測驗幾乎沒有相關性。
3. 實體結構化面試 & 4. 實體非結構化面試
結構化面試是每一個求職者都需要回答一套固定的問題,並且有固定的評分方式與流程。非結構化面試則是相反,每一個求職者都可能被面試官問不同的問題。結構化面試的成本會比較高,因為需要去建構固定的評分標準和流程,但從效度增量來看,結構化面試可以增加18%的效度,而非結構化面試則是13%,原因是非結構化面試會與智力測驗有更高的相關性,但總體來說,我們可以說實體面試絕對會對人才選擇有很大的幫助。
5. 興趣
在早期的研究中,其實興趣對於預測工作表現的效度很低(0.1),但最新研究方法中,會搭配Holland的 RIASEC興趣模型,RIASEC把興趣分為:R(Realistic)現實型、I(Investigative)研究型 、A(Artistic)藝術型、S(Social)社交型、E(Enterprising)企業型、C(Conventional)常規型 六大種。
例如如果是維修機械的工作人員,就可以用R(Realistic)現實型的興趣測量,其他五種興趣其實跟這個職位較無關。
經過把興趣測量類型與工作類型做搭配後,興趣測量對工作表現的效度為0.31,並產生0.062的增量效度,即10%。
6. 線上結構化面試
讓面試者透過線上工具或電話面試,這樣的優點是可以大幅節省面試者到公司的成本,這種面試類型的單獨效度略低於實體面試,但增量效度很大(0.057),有效度增加了9%
7. 盡責性測量
盡責性測量用問卷或測驗來評估一個人的組織能力、自律性、責任感、努力程度等。常用的盡責性測量工具包括 NEO 人格庫(NEO Personality Inventory)、Big Five 相關問卷(Big Five Inventory)、盡責性量表(Conscientiousness Scale)等。盡責性測量的效度明顯低於誠信測試(0.22 vs. 0.46),對效度的增量較小(.053),增加的有效度百分比也較低(8%),但可以幫助的幅度還是不錯的。
8. 背景調查(Reference check)
背景調查的增量效度為8%,與盡責性測量相同,但這個數據可能不準確,因為如今,至少在美國,許多前雇主只會提供雇佣日期和前員工擔任的職位。通常拒絕提供有關工作表現的狀況,因為這有時候會遭到前員工的訴訟。所以這個選擇方法的效度會越來越難有幫助。
10. 個人生平資料評估
包含家庭、生活經驗、學生組織中的職位都是個人生平資料,生平資料測量對於預測工作表現具有相當大的單獨有效性(0.35)。但增量效度不大(增加了6%),原因是生平資料與智力測驗有相當大的相關性。
11. 工作經驗(年)
工作經驗指的是在同一職位或類似職位上的經驗年數,不包含工作表現。工作經驗對於預測未來工作表現的效度只有0.16,相對於僅使用智力測驗的效度僅增加了0.032(增加了5%)。不過資料發現,在工作經驗不超過5年的群體中,工作經驗量與工作表現之間的相關性要大得多,原因是在5年工作經驗前,工作表現會隨年資線性成長,之後成長曲線就會變得越來越水平了。
12. EQ(情緒智商)測量-基於人格 & 22EQ(情緒智商)測量-基於能力
情緒智力測量有兩種類型:基於人格的測量和基於能力的測量,基於人格的EQ測量主要由人格類型問題組成,增量效度為0.029,增加了5%,但基於能力的EQ測量就幾乎沒有增量了。
13. 人與組織適配測量:
測量個人與組織之間價值觀、目標的匹配程度,對於工作表現的預測,單獨效度低(0.13),並且只能產生4%的增量效度。
14. 基於知識的情境判斷測試
這是一般面試中常用的情境知識考題,給求職者複雜的工作情境問題,要求對方回答解決方案。效度為0.26,增量效度只有2%(.015),原因是這樣的考題跟智力測驗的相關度非常高。
15. 人與工作適配測量
測量個人與職位之間價值觀、目標的匹配程度,單獨效度低(0.18),並且只能產生2%的增量效度。
16. 評估中心
評估中心是讓求職者在一個地點參與一系列工作相關的模擬任務,這具有相當的單獨效度(0.36),但在預測工作表現方面的增量效度很小(0.01,增加2%)。原因也是相同的:與智力測驗高度相關
17. 培訓與經驗積分法
指的是去看求職者參與的培訓計畫所累積的時數,單獨效度低(0.11),預測工作表現方面的增量效度也很小(1%)。
18. 在校成績
這邊指的是大學層級以上的成績,基本上有智力測驗就幾乎可以不參考在校成績了。
19. 教育年限
受教育的年數單獨有效性甚至低於 17. 培訓與經驗積分法,預測工作表現方面的增量效度也很小(1%)。
21. 同儕評分
這邊的同儕評分指的是內部工作分配、晉升,同儕評分僅比智力測驗在預測工作表現方面的有效性增加1%,這是因為同儕評分與之高度相關。
23. 和諧性測量 & 26. 情緒穩定性測量
這兩個特質測量在預測工作表現方面的有效性很低,並且沒有增量效度
24. 工作樣本測試
工作樣本測試是求職者必須進行工作的實際模擬,工作樣本測試通常用於招聘熟練工人,如焊工、機械師和木匠。這些測試只能用於已經熟悉工作或職業的求職者。但如果不是傳統手工業,這個選擇方式還是可以完全被智力測驗涵蓋。
28. 工作實習
工作實習可以用於沒有相關工作經驗的初級員工,這個方法具有相當的單獨效度(0.44),但這個方法算是非常高成本的。並且,有些主管會不太願意開除人,進而降低公司員工工作水準。此外,實習跟智力測驗相關性還是非常高。
29. 行為一致性方法
基於心理學原則,即未來表現的最佳預測因素是過去的表現,請求職者描述他們過去的成就,並且展示他們在這些職能上的能力。對於高級職位,如果無法進行智力測驗,可以使用這種方式,單獨效度有0.45,因為跟智力測驗相關性高,所以沒有增量效度。
30. 工作知識測試
與24.工作樣本測量一樣,工作知識測試不能用於評估和聘請沒有經驗的人,如果針對具體工作有量身定制的測試,單獨效度可以到0.48,因為跟智力測驗相關性高,所以沒有增量效度。
31. 年齡
求職者的年齡對於預測工作表現沒有效度,並且在美國,對於40歲以上的人使用年齡作為猜篩選標準,將違反年齡歧視的聯邦法律。
數據化招募 結論
前面提到,最有效預測未來工作表現同時兼顧實用性的人才選擇方式為:智力測驗+誠信測試(平均有效性0.78)和智力測驗+結構化面試(平均有效性0.76)。
同時,這篇研究中點出了很多日常招募時大家很看重,但實際上評估效度不高的選擇方法,不管是在校成績、學歷高低、工作年資…等。
雖然這篇研究強調智力測驗的重要性,但並不是代表作者推崇定型心態,而不相信成長心態。反而研究中有提到,為什麼智力測驗如此重要的原因,其實是因為有一定的智力,會讓工作中的學習成效增加,進而帶來更好的工作表現,同時,智力也非靜態能力,是可以隨著後天學習成長的。
另外,國外的求職者普遍不這麼排斥求職過中的智力測驗,原因是這是公平的衡量指標,可以降低對其他因素的偏見。
改善招募方式會對公司整體的幫助非常大,而這是少數可以用很科學與數學的方式,把人才選擇方式的有效性列出來,大家可以用更開放的心態來吸收這些資訊,同時,如果有什麼想法想分享或討論,歡迎在下面留言。
參考資料: