Vilka urvalsmetoder ska du använda när du rekryterar? Vilken urvalsmetod är bäst på att prediktera framtida arbetsprestation? Vilken urvalsmetod har högst validitet? Den här artikeln går igenom forskningen på olika urvalsmetoders prediktiva validitet, det vill säga deras förmåga att förutsäga framtida prestation.
Flera faktorer att ta hänsyn till
När du väljer urvalsmetoder för en rekryteringsprocess behöver du ofta ta hänsyn till flera saker. För det första har du, förhoppningsvis, en kravprofil för den aktuella tjänsten. Den innehåller ett antal kvalifikationer och kompetenser som du vill utvärdera under rekryteringsprocessen. Därför behöver du välja urvalsmetoder som kan mäta dessa krav på ett bra sätt.
För det andra har du förmodligen begränsat med resurser i form av tid och pengar. Eftersom vissa metoder är extremt resurskrävande medan andra är mer resurseffektiva kommer detta också att påverka ditt val. Du kanske inte kan intervjua alla kandidater som söker ett jobb, även om du skulle vilja. Då behöver du komplettera intervjun med någon mer resurseffektiv metod som kan hjälpa dig välja ut vilka kandidater som ska bli inbjudna till en intervju.
För det tredje bör du ta hänsyn till kandidatupplevelsen. Hur kommer kandidaterna att uppleva processen och urvalsmetoderna? Är några av metoderna krångliga att genomföra eller onödigt tidskrävande för kandidaten? Då kan det vara bättre att välja en annan metod.
Sist, men absolut inte minst, vill du såklart välja urvalsmetoder som fyller sitt syfte, det vill säga som är bra på att identifiera kandidater som kommer att klara sig väl i jobbet. Det här är det som kallas prediktiv validitet, och som vi ska titta närmare på i den här artikeln. Validiteten hos olika urvalsmetoder varierar nämligen ganska mycket. Vilka urvalsmetoder du väljer har därför stor påverkan på träffsäkerheten i rekryteringen.
Läs mer: Vad är en bra rekryteringsprocess?
Tre sammanställningar av forskningsresultat
Urvalsforskning har pågått i över 100 år. Tyvärr finns det ingen metastudie som på ett heltäckande sätt sammanfattar och jämför urvalsmetoder baserad på nyare forskning.
Däremot finns det några stora sammanställningar av mindre och äldre metastudier. Ofta är det dessa som forskare och praktiker hänvisar till när de pratar om urvalsmetoders prediktiva validitet.
Den mest kända är förmodligen Schmidt och Hunter (1998) som har citerats över 6000 gånger. Få känner till att det inte är en regelrätt metastudie utan snarare en sammanfattning av tidigare metastudier inom ämnet.
Detsamma gäller författarnas opublicerade uppföljare (Schmidt, Oh och Shaffer, 2016). Artikeln bygger på omräkningar av tidigare resultat och uppdaterade originalkällor (nyare metastudier) för vissa urvalsmetoder.
I den senaste sammanställningen av Sackett, Zhang, Berry & Lievens (2021) gör författarna en annan bedömning av hur resultat bör korrigeras för så kallad beskuren spridning. Det leder till överlag mer blygsamma uppskattningar av prediktiv validitet men också delvis andra slutsatser om vilka urvalsmetoder som är bättre respektive sämre. Även den här artikeln är baserad på tidigare metastudier och är alltså ingen metastudie i sig.
Vill du få HR-forskning direkt i din inkorg? Prenumerera på nya inlägg här:
Vad är beskuren spridning?
Skillnaderna i resultat och slutsatser från ovan nämnda sammanställningar handlar huvudsakligen om att författarna har använt olika statistiska metoder för att korrigera för så kallad beskuren spridning. Vad är beskuren spridning, kanske några av er undrar då.
Beskuren spridning uppstår när ett dataset har mindre variation än vad som finns i populationen av intresse. För att vi ska göra rätt uppskattning av sambandet mellan två variabler kan vi i dessa fall justera sambandet baserat på en uppskattning av hur omfattande den beskurna spridningen är.
Exempel på beskuren spridning
Låt oss ta ett exempel. Vi vill undersöka sambandet mellan ett urvalstest och arbetsprestation. En sådan studie kan vi designa på olika sätt, till exempel:
- 1000 kandidater får genomföra testet. Vi anställer de 100 som presterar bäst på testet och mäter sedan deras arbetsprestation. Utifrån detta får vi ett samband mellan testresultat och arbetsprestation för 100 individer.
- 1000 kandidater får genomföra testet. Vi använder dock inte testet som urvalskriterium, utan anställer istället 100 personer baserat på en annan urvalsmetod, exempelvis tidigare erfarenhet och intervju. Sedan mäter vi arbetsprestation och får därefter ett samband mellan testresultat och arbetsprestation för 100 individer.
- 100 anställda på ett företag får genomföra testet och vi mäter även deras arbetsprestation. Vi får då ett samband mellan testresultat och arbetsprestation för 100 individer.
Beroende på hur vi har gjort urvalet kommer spridningen att bli mer eller mindre beskuren. I exempel 1 ovan kommer vi att sakna individer med sämre testresultat eftersom vi baserade urvalet på det. Dataunderlaget kommer således vara mycket beskuret.
I exempel 2 kommer variationen av testresultat hos de 100 individerna troligtvis att vara större eftersom vi baserade urvalet på något annat. I datasetet kommer vi att ha personer med både bättre och sämre testresultat, vilket innebär att spridningen inte är lika beskuren som i exempel 1. Exempel 3 kommer förmodligen också att innehålla en större variation av testresultat jämfört med exempel 1.
Däremot kan det i exempel 2 och 3 ändå vara en viss begränsning i spridningen till följd av samband mellan urvalsmetoden vi är intresserade av (i det här fallet ett test) och urvalsmetoden vi faktiskt använde vid urvalet (i det här fallet erfarenhet + intervju i exempel 2 och vad vi nu använde för att rekrytera de anställda i exempel 3).
Mer beskuren spridning gör det svårare att hitta ett samband som existerar i populationen, och de samband vi hittar kommer att vara svagare än de är i verkligheten. I dessa fall kan vi göra en större korrigering.
Särskilda utmaningar i metastudier
När vi har tillgång till spridningen (standardavvikelsen) för urvalsmetoden vi vill undersöka i både den ursprungliga kandidatpoolen och den grupp som vi har prestationsdata på (som i exempel 1 och 2) vet vi hur stor den beskurna spridningen är och kan justera sambandet därefter.
Om vi däremot saknar dessa två datapunkter måste vi istället göra en uppskattning av hur stor den beskurna spridningen är. Det är ofta fallet i samtida studier (exempel 3), eftersom det inte finns någon ursprunglig kandidatpool, och när vi metaanalyserar studier där vi inte har tillgång till den här informationen.
Sackett m.fl. (2021) menar att tidigare metastudier och sammanställningar har överkorrigerat för beskuren spridning, vilket är orsaken till att deras resultat och slutsatser är mer blygsamma.
Läs mer: Fördelar och nackdelar med meta-analyser
Prediktiv validitet för 32 urvalsmetoder
Nedan följer en lista över olika urvalsmetoders prediktiva validitet utifrån de tre sammanställningarna. Alla tre har inte analyserat alla metoder, varför vissa celler i tabellen är tomma.
| Urvalsmetod | Schmidt & Hunter (1998) | Schmidt, Oh & Shaffer (2016) | Sackett, Zhang, Berry & Lievens (2021) |
| Strukturerad intervju | 0.51 | 0.58 | 0.42 |
| Kunskapstest (jobbrelaterat) | 0.48 | 0.48 | 0.40 |
| Biodata (empiriskt kodad) | 0.35 | 0.35 | 0.38 |
| Arbetsprover | 0.54 | 0.33 | 0.33 |
| Kognitivt test | 0.51 | 0.65 | 0.31 |
| Peer-ratings (kollegors bedömning) | 0.49 | 0.49 | – |
| Integritetstest | 0.41 | 0.46 | 0.31 |
| Strukturerad telefonintervju | – | 0.46 | – |
| Provarbete (internship eller liknande) | – | 0.44 | – |
| Emotionell intelligens (personlighet) | – | 0.32 | 0.30 |
| Assessment center | 0.37 | 0.36 | 0.29 |
| Betyg | – | 0.34 | – |
| Situational judgement test (SJT) | – | 0.26 | 0.26 |
| Referenser | 0.26 | 0.26 | – |
| Målmedvetenhet (kontextuell) | – | – | 0.25 |
| Intressen | 0.10 | 0.31 | 0.24 |
| Emotionell stabilitet (kontextuell) | – | – | 0.23 |
| Emotionell intelligens (förmåga) | – | 0.23 | 0.22 |
| Biodata (rationellt kodad) | – | – | 0.22 |
| Extraversion (kontextuell) | – | – | 0.21 |
| Målmedvetenhet (generell) | 0.31 | 0.22 | 0.19 |
| Ostrukturerade intervjuer | 0.38 | 0.58 | 0.19 |
| Vänlighet (kontextuell) | – | – | 0.19 |
| Öppenhet (kontextuell) | – | – | 0.12 |
| Extraversion (generell) | – | 0.09 | 0.10 |
| Vänlighet (generell) | – | 0.08 | 0.10 |
| Emotionell stabilitet (generell) | – | 0.12 | 0.09 |
| Arbetserfarenhet (antal år) | 0.18 | 0.16 | 0.07 |
| Utbildning (antal år) | 0.10 | – | – |
| Öppenhet (generell) | – | 0.04 | 0.05 |
| Grafologi (handskriftstolkning) | 0.02 | 0.02 | – |
| Ålder | -0.01 | 0.00 | – |
De mest träffsäkra urvalsmetoderna
Tittar vi på artikeln av Schmidt m.fl. (2016), som har en mer generös justering av beskuren spridning, är de mest träffsäkra urvalsmetoderna kognitiva tester, intervjuer och så kallade peer-ratings (kollegors bedömning av en persons prestation). Högt upp i listan kommer även kunskapstester, integritetstester och strukturerade telefonintervjuer.
Vänder vi oss istället till Sackett m.fl. (2021) och deras mer konservativa resultat hittar vi strukturerade intervjuer, jobbrelaterade kunskapstester och empiriskt kodad biodata i topp. Därefter arbetsprover, kognitiva tester och integritetstester.
Även om resultaten skiljer sig något mellan de två artiklarna går de inte rakt emot varandra. Det är fortfarande i stor utsträckning samma urvalsmetoder som framstår som mest användbara.
Att använda CV som första urval
Vilka urvalsmetoder använder du idag? Många organisationer har svårt att släppa taget om CV-granskningen, men låt oss reflektera över den för en stund. Vad är det du kan mäta när du granskar ett CV? Du ser kanske på utbildning och hur många års relevant erfarenhet personen har. Som metoder för att förutsäga framtida arbetsprestation är dessa inte alls särskilt framgångsrika. Att använda urvalsmetoder med så låg validitet i ett så tidigt stadie i rekryteringsprocessen är problematiskt, för även om du använder metoder med högre validitet senare i processen har du kanske redan sorterat bort de bäst lämpade kandidaterna.
I ett CV kan du också se personens namn, kön och ålder. Det riskerar att inte bara sänka träffsäkerheten i beslutet utan också leda till diskriminering.
Framgången påverkas av fler faktorer
Hur stor nytta vi har av en urvalsmetod beror inte bara på dess prediktiva validitet. Det beror också på hur svårt det är att lyckas i rollen och hur kvalificerad kandidatpoolen är (baskvot) samt hur många kandidater vi testar och hur många av de vi ska välja ut (urvalskvot).
Därför kan vi inte stirra oss blinda på enbart prediktiv validitet utan behöver förstå helheten. Vi kan inte rakt av jämföra en metod som vi använder tidigt i processen på ett stort antal kandidater med en som vi använder senare på endast några få.
Kombinerade urvalsmetoder kan ge inkrementell validitet
Träffsäkerheten i en rekryteringsprocess som helhet beror också på hur vi kombinerar urvalsmetoder med varandra. Här får vi i regel högst träffsäkerhet om vi kombinerar urvalsmetoder som är träffsäkra i sig (det vill säga uppvisar ett samband med arbetsprestation) men som har en låg grad av samband med varandra. Då kan vi tillföra relevant information som höjer träffsäkerheten i vårt beslut.
Ett exempel på detta är hur vi kombinerar begåvningstester med andra metoder på ett framgångsrikt sätt. Eftersom testet mäter kognitiv förmåga kommer metoder som har starka samband med kognitiv förmåga att ge mindre värde än metoder med svagare samband. Resultat på arbetsprover och kunskapstester tenderar exempelvis att uppvisa starka samband med resultat på ett kognitivt test. Då kan ett integritetstest eller personlighetstest vara ett bättre komplement till ett begåvningstest eftersom sambanden dem emellan tenderar att vara svagare.
Läs mer: Kognitiv förmåga som urvalsmetod – allt en rekryterare behöver veta
Vill du ha hjälp med att se över och förbättra din rekryteringsprocess? Tema HR erbjuder stöd genom coachning och utbildning. Läs mer här.
Referenser
Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2021). Revisiting meta-analytic estimates of validity in personnel selection: addressing systematic overcorrection for restriction of range. Journal of Applied Psychology. Online publication.
Schmidt, F. L., & Hunter, J. E. (1998). The validity and utility of selection methods in personnel psychology: practical and theoretical implications of 85 years of research findings. Psychological Bulletin, 124(2), 262-274.
Schmidt, F. L., Oh, I-S., & Shaffer, J. A. (2016). The validity and utility of selection methods in personell psychology: practical and theoretical implications of 100 years of research findings. Fox School of Business Research Paper.
Designed by stories / Freepik
Lämna ett svar