Vikta information i en rekrytering – mänsklig eller mekanisk bedömning?

person som viktar information i en rekryteringsprocess

Hur kan vi lägga ihop och vikta information om kandidater i en rekryteringsprocess på bästa sätt? Vad kan vi göra för att förbättra våra bedömningar och rekryteringsbeslut? I den här artikeln får du ta del av ett experiment som hjälper oss att svara på det.

Att vikta information i en rekryteringsprocess 

Under en rekryteringsprocess samlar vi ofta på oss en mängd information om våra kandidater: utbildningsbakgrund, information om tidigare erfarenheter, testresultat, intervjuanteckningar, arbetsprover, anteckningar från referenstagning och så klart vår egen subjektiva bild av vem kandidaten är. 

När vi sen ska komma till ett beslut om vem vi ska erbjuda anställning tar vi den här informationen och lägger ihop den för att dra någon slags slutsats om vilken kandidat som är bäst lämpad. 

Den här sammanvägningen av information kan vi göra på olika sätt. Vi kan göra en rent subjektiv helhetsbedömning där vi känner efter vilken kandidat som tilltalar oss mest. Kanske diskuterar vi hur kandidaterna presterade på de olika delarna av rekryteringsprocessen och konstaterar att “Kalle är nog överlag den bästa kandidaten”. Kalle blir erbjuden tjänsten.

Det här kallas för en intuitiv, klinisk, holistisk eller bara mänsklig bedömning. Vi kallar det också för expertbedömning, eftersom det är någon form av expert (rekryterare eller rekryterande chef) som gör bedömningen, men det uttrycket kan vi kanske ifrågasätta. 

Ett alternativt sätt att göra den här sammanvägningen av information är att tillämpa en så kallad mekanisk metod. Den innebär att informationen kombineras matematiskt på ett förutbestämt sätt. Kandidaterna kanske får poäng för varje del av urvalsprocessen baserat på deras kvalifikationer och prestation, och poängen läggs sedan ihop genom en matematisk formel. 

Intuitiv bedömning: att använda expertis och intuition för att kombinera information och dra slutsatser.

Mekanisk bedömning: att använda en algoritm eller formel för att lägga samman information och dra slutsatser.

Vilket av sätten är då bäst? Forskning har tidigare visat att när det kommer till att förutsäga bland annat arbetsprestation, avancemang och prestation i utbildning så är den mekaniska bedömningen i majoriteten av fall överlägsen den intuitiva bedömningen. Faktum är att om vi byter ut en intuitiv metod för bedömning av kandidater i en rekryteringsprocess mot en mekanisk metod kan vi förvänta oss se ungefär 50 procent bättre prediktioner. 

Läs mer: Evidensbaserad rekrytering – träffsäker bedömning genom mekaniska metoder

Jämförelse mellan olika typer av viktning

Forskningen är alltså tydlig vad gäller att mekanisk bedömning ofta slår ut den intuitiva bedömningen. Men varför den gör det är sämre kartlagt. I tre studier utforskade därför Yu och Kuncel (2020) den här frågan. De använde data från tre rekryteringsprocesser i två olika företag där de hade tillgång till:

  • Poängsättning av kandidater utifrån ett antal bestämda parametrar/kompetenser, baserat på övningar, intervjuer och tester i rekryteringsprocessen.

  • En övergripande helhetsbedömning av kandidaterna, gjord av en expertbedömare/rekryterare. 

  • Arbetsprestation bedömt av närmaste chef i efterhand.

Syftet med studierna var sedan att jämföra förmågan att förutsäga arbetsprestation mellan följande sätt att kombinera och vikta information från rekryteringsprocessen:

  • Optimal viktning: att utifrån kännedom om arbetsprestation hitta den optimala viktningen av parametrar (det här alternativet är alltså inte möjligt i en rekryteringsprocess eftersom vi inte känner till den informationen). 

  • Enkel summering: att helt enkelt summera poängen på de olika parametrarna.

  • Konsekvent slumpmässig viktning: att slumpmässigt vikta parametrarna på olika sätt, men göra likadant för alla kandidater i samma process. 

  • Inkonsekvent slumpmässig viktning: att helt slumpmässigt vikta parametrarna, vilket innebär olika viktning för olika kandidater i samma process. 

  • Mänsklig bedömning: att använda den övergripande helhetsbedömningen. 

För de två slumpmässiga alternativen, konsekvent och inkonsekvent slumpmässig viktning, gjorde forskarna ett stort antal slumpmässiga försök på varje dataset och resultatet nedan är det genomsnittliga utfallet.

Resultat från tre rekryteringsprocesser

Utifrån data från tre rekryteringsprocesser jämförde forskarna de fem ovanstående metodernas förmåga att förutsäga arbetsprestation. Resultatet är alltså sambandet mellan kandidaternas totalpoäng utifrån de olika sätten att vikta information och deras framtida prestation i arbetet. 

Urval 1 – 231 kandidater

Typ av viktningPrediktiv validitet
(samband med arbetsprestation)
Optimal viktning0.25
Enkel summering0.19
Konsekvent slumpmässig viktning0.18
Inkonsekvent slumpmässig viktning0.09
Mänsklig bedömning0.17

Konsekvent slumpmässig viktning var bättre än den mänskliga expertbedömningen i 77 procent av försöken. Inkonsekvent viktning var däremot aldrig bättre än någon av de andra metoderna.

Urval 2 – 195 kandidater

Typ av viktningPrediktiv validitet
(samband med arbetsprestation)
Optimal viktning0.40
Enkel summering0.33
Konsekvent slumpmässig viktning0.34
Inkonsekvent slumpmässig viktning0.16
Mänsklig bedömning0.16

I det här urvalet var den konsekventa slumpmässiga viktningen bättre än den mänskliga bedömningen i 100 procent av försöken. Den inkonsekventa slumpmässiga viktningen var bättre än mänsklig bedömning i 8 procent av försöken.

Urval 3 – 421 kandidater

Typ av viktningPrediktiv validitet
(samband med arbetsprestation)
Optimal viktning0.30
Enkel summering0.22
Konsekvent slumpmässig viktning0.24 
Inkonsekvent slumpmässig viktning0.12
Mänsklig bedömning0.13

Här var slumpmässig konsekvent viktning bättre än mänsklig bedömning i 100 procent av försöken medan inkonsekvent viktning var bättre än mänsklig bedömning i 22 procent av försöken.

Att vara konsekvent är nyckeln till framgång

Sammanfattningsvis var enkel summering och konsekvent slumpmässig viktning i stort sätt lika bra på att förutsäga prestation. Båda metoderna var bättre än mänskliga bedömare och inkonsekvent slumpmässig viktning. De mänskliga bedömarna var i sin tur bättre än inkonsekvent slumpmässig viktning i majoriteten av fall. 

Vad kan vi lära oss av det här resultatet? Den viktigaste lärdomen är kanske betydelsen av att vara konsekvent. De metoder som väger samman information på ett konsekvent sätt, även om själva viktningen är helt slumpmässig, visar sig nämligen vara överlägsen de två metoder som är mer inkonsekventa i sin bedömning (människan och den inkonsekventa slumpmässiga viktningen). Att vara konsekvent verkar helt enkelt vara en nyckel till bra prediktioner. 

Genom att hitta verktyg och metoder för att bli mer konsekventa i vår mänskliga bedömning kan även vi förbättra vår förmåga. I huvudsak handlar det om att skapa mer struktur i alla delar av rekryteringsprocessen – i förarbetet, i informationen vi samlar in under processen och i våra bedömningsmetoder.

Läs mer: Sju sätt att skapa struktur i anställningsintervjun


Hitta artikeln

Yu, M. C., & Kuncel, N. R. (2020). Pushing the limits for judgemental consistency: comparing random weighting schemes with expert judgment. Personal Assessment and Decisions, 6(2), 1-10.

Designed by vectorjuice / Freepik

Lämna ett svar

Din e-postadress kommer inte publiceras. Obligatoriska fält är märkta *