#психометрика Существует как минимум три операциональных определения процентилей, диктующих нам способ их вычисления.
1) Например, если мы знаем, что некий респондент набрал по тесту 72 балла, и 364 человека из 500 (прошедших тест) имеют балл ниже 72, то мы можем вычислить процентиль просто: 364 / 500 * 100 = 73%. Мы в данном случае говорим, что 72 балла данного человека соответствует 73-му процентилю.
2) Есть и второй способ, когда мы знаем не только то, сколько набрали меньше баллов, но и сколько имеют такой же балл.
3) Ну и третий способ, когда мы знаем только среднее и стандартное отклонение (т.е. не имеем полного доступа к распределению баллов). Если предположить, что баллы распределены нормально, то мы спокойно сможем связать баллы со стандартным нормальным распределением (или т.н. "единичным нормальным распределением"). Примеры реализации в R для 3 способов.

​​#оценка_персонала #тесты О профессиональной пригодности

Исаак Нафтульевич Шпильрейн еще в 1925 году при анализе значения личного фактора пригодности писал, что "во всякой работе бывают хорошие и плохие работники: хороший тот, кто самостоятельно и без лишней затраты труда и времени выполняет нужную работу; плохой тот, кто тратит на работу чересчур много материалов, труда и времени, или же тот, кто ни при каких затратах не может самостоятельно сделать хорошей работы". Непригодность к работе, по его мнению, имеет две причины: 1) недостаток квалифкации (недостаточная подготовленность), которая решается путем обучения, подтягивания квалификации до требуемого уровня 2) непригодность работника (когда при одном же уровне подготовки, одинаковой систематичности обучения -- один работник будет опережать другого по уровню успешности).
Изначальная пригодность людей к той или иной работе НЕ одинакова. Именно поэтому необходим профессиональный отбор. Технологии отбора, как и методы измерения индивидуальных особенностей работника, связанных с успешностью, хорошо изучены. Вопрос не в том, что мы не умеем оценивать успешность работника, а в том, что бизнес не всегда знает, какие работники ему необходимы для достжения целей существования бизнеса. Цель любого бизнеса -- получение прибыли, а организация -- это не приют для неудачников.

В ситуации  массового отбора в больших организациях для огромного числа кандидатов (например, тысячи кандидатов/сотрудников, работающих  в разных городах у федеральных компаний!) традиционный метод "подбор по рекомендациям" или анализ резюме уже просто никак не даёт эйчарам приемлимых результатов глазами "бизнес заказчика", так приводит к ошибкам в подборе, увеличению сроков закрытия вакансий, неудовлетворенностью процедурой отбора со стороны кандидатов/сотрудников и т.п. При этом именно с помощью достаточно дешевых и массовых стандартизированных процедур можно отсеивать хотя бы "дураков" (тест как инструмент отсева, а не отбора). Конечно, у нас преобладают универсальные и низкоточные инструменты (например, тест-опросник "Большая пятерка" в его разных модификациях), а бизнесу явно не хватает более специализированных и более высокоточных инструментов.  Следует заметить, что универсальные инструменты хоть и являются низкоточными для прогноза на коротких отрезках, обладают важным достоинством -- они дают приближенный, но более дальнодействующий прогноз. Поэтому существующие универсальные инструменты (оценки мотивации, личностных особенностей и способностей) следует дополнять специализированными (управленческий и профессиональный потенциал, лидерство, склонность к риску и т.п).

Логика "есть тесты -- используем" не работает, так как недостаточно взять любой тест (универсальный/специализированный), чтобы максимизировать прибыль организации от "барьерометрии", барьер работает, но не для тех. Что касается "слишком много должностных обязанностей, разные требования": никто не отменял важности предварительного анализа деятельности, предварительной работы по выявлению этих требований. Алгоритмы есть, технологии есть, но у бизнеса нет времени, как правило, на такие практико-ориентированные изыскания.

В телеграме не так много каналов по hr аналитике, но я рекомендую канал Виктории Пискаревой "Красивая аналитика" -- канал про hr-данные, для тех кто любит hr-цифры и цветы🌺

В канале публикуются кейсы, факапы и лайфхаки про:
🌺 визуализацию данных
🌺 hr-метрики
🌺 hr-аналитику
🌺 автоматизацию hr-процессов
🌺 и немного про agile

​​#hr_digital #профиль #исследования 15 сентября – День HR-менеджера! С профессиональным праздником всех причастных и деепричастных 😊

Новый поведенческий профиль HR в эпоху Digital
Цифровые технологии с каждым годом оказывают всё более серьезное влияние на профессиональную сферу управления человеческими ресурсами. Термин e-HRM возник в 1990-е гг. как способ реализации стратегий, политики и деятельности в области управления человеческими ресурсами с абсолютным использованием веб-каналов. На ряду с понятием e-HRM в практику и теорию управления персоналом прочно вошло понятие Digital HR -- оптимизация процесса, в которой социальные, мобильные, аналитические и облачные (SMAC) технологии используются для того, чтобы сделать HR более эффективным, действенным и связанным. Что потребуется от HR, чтобы сохранить свое влияние и продолжать эффективно и результативно адаптироваться в эпоху цифровых технологий?
Компания Insight222 Research совместно с Pymetrics по результатам исследования опубликовали отчет "HR in the Digital Age: A New Behavioural Profile of the HR Professional". Поведенческий профиль HR-профессионалов был разработан на основе результатов выполнения геймифицированных упражнений от Pymetrics.ai (выборка 266 лучших HR-специалистов из различных отраслей, включая гостиничный бизнес, здравоохранение и образование, строительство, розничная торговля, госслужба и финансы). Результатом является уникальный поведенческий профиль современного HR-профессионала, состоящий из девяти поведенческих черт (см. рисунок), которые могут способствовать успеху HR в эпоху цифровых технологий.
Одна из девяти поведенческих черт, оцениваемых в ходе исследования -- это стиль принятия решений. Профессиональный поведенческий профиль HR показывает тенденцию к интуитивному принятию решений. HRы склонны принимать решения на основе интуиции и предыдущего опыта, в отличие от более взвешенного, рефлексивного и аналитического подхода к решению проблем. Это не означает, что каждый HR должен стать специалистом по анализу данных. Однако HR для достижения успеха в эпоху Digital должны обладать цифровой грамотностью и аналитическими способностями. Критически важно уметь собирать данные, извлекать из них полезные инсайты для принятия решений. Без этого процесса HR рискует выполнять работу, не приносящую ценности для организации.
Основные выводы исследования:
1. HRы обладают потенциалом для поддержки организации в непрерывном процессе адаптации в эпоху Digital. Существует значительное совпадение между типичным поведенческим профилем HR сегодня и профилем идеального поведения работников, способных добиваться успеха в цифровой среде, управляемой данными. Поэтому следует растить таланты внутри организации путем инвестирования в повышение квалификации HRов -- это реальная альтернатива найму новых сотрудников для заполнения пробелов в навыках.
2. Поведенческие данные могут помочь в создании правильного опыта обучения HR. Многие HR полагаются на интуицию и предыдущий опыт, а не на аналитические навыки. Однако цифровая среда требует взвешенного и структурированного принятий решений на основе аналитики и данных. Организации могут с помощью целевого обучения и развития уверенно подготовить HR к успеху в цифровой среде, управляемой данными.
3. Поведенческая оценка играет важную роль в трансформации организационной культуры для подготовки талантов к цифровому будущему, основанному на данных. Результаты поведенческих оценок помогают организациям лучше понять потенциальное соответствие между существующими талантами и будущими ролями, имеющими стратегическое значение. Но развитие талантов не происходит в вакууме -- культура должна поддерживать преобразование HR в цифровую функцию, управляемую данными. Это важно для изменения организационной культуры как части этой трансформации.
Исследование предоставляет HR-руководителям и бизнесу четкие доказательства того, что инвестиции в развитие цифровых навыков их HR-команд крайне важны. Кроме того, исследование в целом демонстрирует уверенность в способности HR поддерживать бизнес посредством цифровой трансформации.

​​#пятница #dataviz #dataart Рекомендую канал Натальи Киселевой.
Канал посвящен визуализации данных, комиксам и рисункам по этой теме, немного дата-арта, сторителлинга и интересного дата-виза.

​​#аналитикаVSинтуиция У современных организаций есть два сценария развития: 1) либо внедрять data-driven HR и усиливать свои конкурентные преимущества на рынке 2) либо делать отчётность для собственников в стиле "всё хорошо, прекрасная маркиза" и уйти с рынка. Пока, к сожалению, больше распространен второй сценарий, если данные противоречат интуиции, тем хуже для данных -- мы их игнорируем, выдавая желаемое за действительное. Выбирайте, что для вас важнее: жизнь или имитация жизни? HR аналитика позволяет понять, что работает, а что нет, чтобы перестать это далее использовать в управлении. Она не имеет значения, если в организации все ориентируются на HiPPO.

#цитаты #измерение "Я часто говорю, что когда вы можете измерить то, о чем говорите, и выразить это в цифрах, вы кое-что знаете об этом; но когда вы не можете измерить это, когда вы не можете выразить это в цифрах, ваше знание является скудным и неудовлетворительным; это может быть началом знания, но вы едва ли в своих мыслях достигли научной ступени, какой бы она ни была" (с) Уильям Томсон, лорд Кельвин, король викторианской физики

​​#психометрика #тесты #визуализация В последние время всё больше провайдеров-разработчиков оценочночных инструментов стали уделять внимание отчету по результатам тестирования для самих кандидатов, не требующий специальных знаний для понимания результата тестирования и его интерпретации.

Например, отчет SHL CEB по тесту способностей содержит простое и понятное описание уровня способностей, который продемонстрировал участник, а также статистику, которая чаще всего его интересует: количество отвеченных вопросов, верных и неверных ответов и др.

По данным исследований CEB, те кандидаты, чей опыт взаимодействия с организацией был позитивным, демонстрируют желание прикладывать дополнительные усилия в своей работе на 15% чаще, а желание остаться в компании – на 38% чаще. Напротив, каждый третий кандидат, получивший негативный опыт при контакте с компанией, рассказывает о нем окружающим, в том числе в социальных сетях, и это отрицательно сказывается на бренде компании. Кроме того, каждый пятый кандидат с неудачным опытом оценки перестает приобретать продукцию компании

​​#ТЕЗАЛ #HRу_на_заметку Чем полезна HR-менеджеру система ТЕЗАЛ, или о женском творчестве в представлениях о "супер-менеджере" ;)
О чем нам говорит объявление?
1) При конверсии в БигФайв получился следующий профиль:

Активность (Экстраверсия) = 20
Миролюбие (Согласие) = 1
Сознательность = 5
Стабильность = 10
Новаторство = 21

2) Результат дефакторизации (обратной конверсии профиля в словник):

Конструктивный, Подвижник, Обольстительный (?), Дельный,
Созидатель, Неотразимый (?), Вольнодумец (?), Приметливый (?),
Стратег, Жизнелюбивый,Умелый.

Видим, по списку дефакторизации, что профиль отражает ...гм...
женское творчество в представления о "супер-менеджере". Он получился весьма похожим на... супер-любовника (!?)

34 Результат конверсии буферного списка в профиль 16PF:

А = 15 (общительность)
В = 54 (интеллект)
С = 36 (эмоциональная стабильность)
Е= 23 (доминантность)
F = 1
G = 21 (моралистичность)
H = 31 (социальная смелость)
I = -20 (мужественность)
L = 6 (незначительная подозрительность)
M = -17 (практичность)
N = 10 (воспитанность)
O = 4
Q1= 25 (новаторство)
Q2 = 14 (самодостаточность)
Q3 = 31 (организованность)
Q4 = 20 (стремление к свершениям)

4) Результат обратной конверсии от профиля 16PF к прилагательным (результат дефактризации):

Умелец, Коммерсант, Продуктивный., Оперативный, Деловитый,
Смекалистый, Дееспособный, Жизнеспособный, Передовой,
Преуспевающий, Созидательный, Прогрессивный, Приметливый (?), Целеустремленный, Деловой.

Как видим по содержанию дефакторизации, более детальный профиль16PF лучше отразил сфокусированность на деловых чертах, а не на коммуникативно-личностных.
Спасибо Александру Георгиевичу Шмелеву за текст и анализ в системе ТЕЗАЛ.

См. подробный пример работы с ТЕЗАЛ: конверсии слов в объявлении-вакансии в факторные профили B5 и 16PF http://forum.ht-line.ru/posts/25161/
О системе ТЕЗАЛ и заявка на приобретение: http://tezal.tilda.ws/sponsor

​​Недавно в чате русскоязычного сообщества визуализации данных произошла интересная дискуссия - мы обсуждали, как лучше визуализировать проценты людей, пьющих кофе с сахаром, молоком или без них. Прекрасная иллюстрация того, что данные можно по-разному визуализировать. Наблюдения за дискуссией читайте в статье Натальи Киселевой "Визуализируем кофе, молоко и сахар!" https://medium.com/@eolay13/%D0%B2%D0%B8%D0%B7%D1%83%D0%B0%D0%BB%D0%B8%D0%B7%D0%B8%D1%80%D1%83%D0%B5%D0%BC-%D0%BA%D0%BE%D1%84%D0%B5-%D0%BC%D0%BE%D0%BB%D0%BE%D0%BA%D0%BE-%D0%B8-%D1%81%D0%B0%D1%85%D0%B0%D1%80-68fc7079868c

#EdTech #data_driven Полезный проект

Последние пять месяцев с головой погрузился в мир данных образовательной среды. Настало время отдышаться и подвести первые итоги. Лучший способ – создать образовательный проект для формирования культуры данных в образовательной организации, благо и заказ на это имеется. Будем обобщать свой и чужой опыт, обсуждать новые технологии и стратегии анализа данных в образовании. Личный опыт показал, что в шкалах и вузах есть много людей, понимающих ценность данных и желающих быть более data-driven. Задача проекта - помочь «гуманитариям» преодолеть барьер в понимании статистики и технологий анализа данных, дать почувствовать, что анализировать данные не только полезно, не только возможно, но и очень-очень круто!
Запускаем канал, в котором будем делится планами, анонсами мероприятий, публиковать наши разработки и новости из мира Data-Driven Education.
https://news.1rj.ru/str/DataEd

​​#визуализация_данных #доходы Ещё одна попытка визуализации распределения доходов населения России на основе данных Росстата. Для этого автор сделал калькулятор, который позволяет посчитать количество людей с заданным диапазоном дохода и наглядно продемонстрировать их вклад в общий уровень доходов. Подробнее можно прочитать в статье автора калькулятора.

#HR_аналитика #People_analytics #будущееУЖЕздесь People Analytics (принятие решений о людях на основе данных) стремительно развивается в мире. Многие компании уже осознают важность аналитики, при этом только часть из них на данный момент занимаются аналитикой данных в HR (в основном это operational reporting). Во многих компаниях планируется внедрение аналитики в ближайшее время. Самый крутой тренд: уход от performance review и первые робкие шаги в направлении оценки достижений сотрудников в режиме реального времени. И только в России я получаю приглашение принять участие в круглом столе по аттестации персонала за символические 500 рублей.

#психометрика #тесты #измерение #оценика_персонала Опубликована запись вебинара "Чёрная психометрика" и основные критерии качества измерительных инструментов, который прошел 19 октября 2021 года. Вебинар полезен психологам, HR-менеджерам, специалистам, отвечающим за оценку персонала, профориентологам, карьерным консультантам и в целом всем специалистам, использующим в своей работе инструменты психодиагностики.
⠀
Вебинар провел Осин Евгений – кандидат психологических наук, доцент департамента психологии НИУ ВШЭ. Специалист в области разработки и кросс-культурной адаптации измерительных инструментов, исследований личностных ресурсов и факторов благополучия сотрудников организаций, автор более 100 научных статей, разработчик ряда исследовательских и диагностических методик в сотрудничестве с Giunti Psychometrics (Италия, Россия), Positran (Франция) и другими российскими и международными провайдерами.
⠀
Из вебинара вы узнаете:
как отличать работающие инструменты от «слабых» и некачественных
какие существуют критерии качества измерительных инструментов (разбираются понятия валидности, надёжности и достоверности тестовых баллов и т.п.)
Получите знания, которых будет достаточно, чтобы задать провайдерам тестовых методик правильные вопросы, и научиться выбирать методики, способные решить ваши профессиональные запросы.

Регистрируйтесь на другие ближайшие онлайн-встречи. Обратите внимание на возможность купить электронную версию книги Шмелева А.Г. "Практическая тестология", которую рекомендовал спикер вебинара.

​​#профориентация #машинное_обучение #психометрика Решил потестить зарубежные тесты. Например, CareerExplorer, который якобы "using advanced machine learning, psychometrics, and career satisfaction data" (использует передовые технологии машинного обучения, психометрику и данные об удовлетворенности карьерой). Да, психометрика всё чаще уже идёт с ML. Расширенный отчет платный (48$), но даже бесплатного хватает. Регистрация не требуется, а по времени — около 30-40 минут (требуется знать английский). Некоторые очень личные вопросы можно пропускать. Пройдите тестирование, оцените, насколько это про вас. Мои результаты такие:

​​#дашборд #зарплата #данные_опроса #визуализация Ранее я приглашал принять участие в опросе "Зарплата моей мечты" (если не участвовали, то пройдите для начала сам опрос). По результатам опроса был подготовлен дашборд в Power BI (автор Тукачева Анастасия). Ни для кого не секрет, что «денег много не бывает». Этому есть простое подтверждение: так текущая заработная плата респондентов существенно меньше их зарплатных ожиданий, а до мечты не хватает среднем 143 тыс. руб. Первое, что обращает на себя внимание -- гендерные различия. Мужчины получают больше, и чем выше должность, тем существеннее эти различия. Например, для ведущих специалистов и руководителей мы видим, что у мужчин реальная зарплата и зарплатные ожидания существенно больше, чем у женщин. Также опрос показал, что 35% респондентов готовы сменить сферу своей деятельности, однако те, кто не готов, зарабатывают больше и они более амбициозны. Обращает на себя внимание различия текущий заработных плат и ожиданий по возрастам, и мы видим, что группа 51 – 60 лет как будто бы более амбициозна, но если мы на них посмотрим (выделим), то на самом деле 50% из этой группы не планирует менять сферу деятельности, а просто мечтают. Тогда как более молодые участники видят исполнение своей мечты в более обозримом будущем (44% от 1 года до 3 лет). Изучайте результаты опроса с помощью дашборда, приглашайте друзей и коллег принять участие в опросе.

#оценка_персонала #психометрика #тесты Рекомендую посмотреть/послушать подкаст "Оценка персонала. Равный шанс быть неравным. Подкаст #70"
Гость подкаста: Юрий Шатров – руководитель практики Digital Assessment в ЭКОПСИ Консалтинг В этом выпуске Иван Самолов и Юрий Шатров обсудили почему и как провайдеры оценивают персонал, почему компании не могут иметь одинаковые модели компетенций, насколько важны тесты в современной оценке и что нас ждёт в будущем.
Таймкоды: 00:00 Вступление 01:49 Что и для чего мы можем оценивать в людях? 10:12 Почему компетенции компаний не могут быть едины для всех? 16:59 Компетенции российских компаний сейчас и что поменялось за 10 лет 20:22 Сколько должно быть компетенций у провайдера и у клиента? 23:01 Про популярные методы оценки 28:32 Рынок провайдеров маленький? 34:08 Оценка персонала в IT-компаниях не нужна? 41:22 Что провайдер оценивает в работе сотрудника 48:36 Что такое тесты и опросы? 55:33 Тесты морально устарели? 59:00 Тест PIF 01:06:31 Как разрабатываются тесты 01:15:11 Необычные способы оценки людей, которые не работают 01:19:52 Толерантность и личное мнение при оценке 01:24:35 Рынок HR-tech в России, состояние, тренды 01:28:21 О будущих проектах и про инновации, работа на зарубежных рынках 01:33:18 Оценщики: что делают и откуда берутся 01:36:17 Защита тестов 01:38:44 Доступность оценки персонала для малого и среднего бизнесов