Ограничения существующих моделей оценки потенциала

Несмотря на определенное разнообразие подходов, практически все существующие модели оценки потенциала основываются на самооценке, интервьюировании и внешних наблюдателях, которых сертифицируют, как правило, сами компании – разработчики моделей. И вот что важно. Как говорят сами консультанты:

From our experience, learning agility is best understood and identified by direct observation, followed by a bit of intuition and then using measurement as a finishing touch.

Видите последовательность? Наблюдения. Интуиция. Измерения. Именно так. А как известно, любое наблюдение является субъективным. Личные особенности и опыт интервьюера может оказать влияние на данные наблюдений — это особенность всех существующих методик оценивания потенциала, основанных на опросах и наблюдениях специально обученных экспертов. В традиционных методах оценки нет инструментов нейтрализации этой субъективности. Кроме того, эти модели обладают еще несколькими недостатками.

  • При проведении исследований моделируется искусственная среда.
  • Для проведения оценки требуется значительное время.
  • В основе исследований лежит предположение, что знания уже приобретены.
  • Модели пытаются предсказать будущую успешность на основе способности сотрудника адаптировать существующие знания к новой среде.
  • Они не могут использоваться массово, и поэтому такая оценка заказывается, как правило, только для executive уровня…
  • …это весьма дорогое удовольствие.

Почему вместо потенциала можно использовать
рейтинг по обучаемости

Когда мы говорили об использовании фактора общего интеллекта (GMA), мы специально обратили внимание на тот факт, что когнитивная активность человека по одному типу задач, как правило, сопоставима с его когнитивной активностью по другим типам задач. Для нас это важно, потому что дает нам возможность изменить условия проведения оценки обучаемости, сделав их более массовыми.

Традиционные модели оценки основываются на наблюдениях за тем, как сотрудник способен адаптироваться к новым условиям. Но участки мозга, отвечающие за адаптацию старых знаний к новым условиям (за подстройку еще актуальных знаний или полный отказ от устаревших) – те же, что отвечают за адаптацию новых знаний к старым условиям.

Это означает что, наблюдая за тем, как сотрудник получает новые знания, а потом адаптирует их, применяя на своем рабочем месте, мы можем оценить обучаемость также как это делается традиционными методами.

Этот метод обладает следующими преимуществами:

  • В качестве наблюдателей выступают линейные руководители, а не внешние сторонние наблюдатели.
  • Используется реальная (рабочая), а не моделируемая, среда.
  • Оценка равномерно распределена по времени и тесно связана с процессом обучения.
  • Метод предсказывает будущую успешность сотрудника на основе его способности адаптировать новые знания к существующей среде.
  • И самое главное – метод может использоваться массово потому что…
  • …доступен по цене.

Первый метод нейтрализации субъективности

Когда пользователь проходит обучение в нашей системе, мы собираем данные двух типов. Первые — данные по тому сколько времени/попыток нужно сотруднику, чтобы запомнить ту или иную информацию. Второй тип данных — данные по самооценке и оценке линейного менеджера при оценивании поведенческих характеристик на рабочем месте. Поэтому первым способом снижения субъективности при проведении оценки является сопоставление данных о том, как сотрудник учится, как он себя оценивает и как его оценивает его непосредственный линейный менеджер.

Пример. Вы в системе следите за каким-то сотрудником в одном из подразделений. Вы видите, что по тем курсам, которые он проходит — «делегирование», например, или «эффективные коммуникации», он стабильно показывает высокую обучаемость. Высокая обучаемость означает, что сотруднику требуется минимальное количество времени/попыток, чтобы понять материал и правильно ответить на предложенные вопросы (у нас же микро- и интервальное обучение — помните?).

Вы смотрите на его самооценку и видите высокие значения — между 4 и 5. Видите, что после обучения сотрудник оценивает свои поведенческие характеристики выше, чем до обучения — его уверенность в собственных возможностях растет. А потом вы смотрите на оценки, которые ему ставит его линейный менеджер и видите стабильные — между 2 и 3. Какой вывод вы сделаете?

Для HR-менеджера описанная ситуация – повод, как минимум, внимательнее понаблюдать, как складываются взаимоотношения между этим сотрудником и его руководителем. Как максимум – «покопаться» глубже, заглянув в сами опросники и внимательнее изучить в оценке каким именно поведенческих характеристик расходятся менеджер и его подчиненный.

Второй метод нейтрализации субъективности

Второй способ снижения субъективности при проведении оценки мы называем «статистическое давление». Сравнивая данные самооценки и оценки, система определяет точки возможного будущего конфликта (когда сотрудник оценивает себя выше, чем его оценивает менеджер), и точки возможного роста (когда самооценка сотрудника ниже, чем оценка менеджера) – мы называем их «зонами внимания». Собирая и анализируя данные, система рейтингует пользователей по количеству зон внимания.

Чем больше у линейного руководителя точек расхождений между его оценками и самооценками его подчиненного, тем большего внимания требует эта ситуация.

В системе собираются данные менеджер/сотрудники и менеджер/другие менеджеры. HR-менеджер всегда может посмотреть на данные конкретного менеджера и оценить вероятность его субъективности в отношении какого-то конкретного сотрудника в сравнении: 1) с тем, как этот менеджер оценивает других сотрудников и 2) в сравнении его средних оценок со средними оценками других менеджеров.

Агрегируя данные по пользователям, система формирует текущие отчеты по руководителям, показывая, кто из линейных менеджеров лучше / хуже поддерживает процесс переноса знаний на рабочее место. Аналогичные отчеты формируются и для более высокого уровня — уровня руководителей подразделений и филиалов.

Оба этих метода существенно снижают риск субъективизма при проведении оценки.