3个月,8次研讨,10万数据,GENE对接人才测评技术及应用关系官宣

2021-08-1917

当公司盘点或建模项目时,是否经常遇到以下情况?

1.招聘项目用GENE建模,需要选择合适的工具评估,并基于岗位模型出结果

2.客户基于GENE建模,应用于盘点中,但评估不想落360,想要落在更轻便的测评上

3.HR给供应商对接完测评指标后,HR需要拉出对接表一一请教背后的对接原理

4.做了测评后,除了系统默认的测评报告,可以同时出一份基于GENE建的岗位模型报告

5.公司自身有模型,但是觉得直接对接到个性上比较抽象,想要以GENE的维度对接呈现测评结果


这时,你特别需要一个可靠的GENE指标与测评维度的对接关系,让你充满信心地满足HR工作流程中遇到的如上需求。


经过严谨地探索,北森研究院正式发布GENE指标与测评维度的对接关系!


我们将GENE4.0 L1-L4管理类指标与个性维度(L1&L2对接GPI,L3&L4对接锐途管理个性维度)、技能维度(L1&L2对接胜任力测验维度,L3&L4对接锐途管理技能和管理能力情景判断测验维度)进行了对接。实现基于GENE建模后,可以迅速落地到测评工具上,使用人才模型和smart报告即可生成GENE岗位建模的测评报告。(点击此处了解北森人才测评工具)


你可能最关心的问题是,如何保障对接关系的可靠性?


四重保障,量化为底,意义为准


第1重保障大样本数据驱动,提供底层数据参考

方法说明:

数据驱动探索GENE指标与个性、技能之间的关联关系


样本数据选取:

GENE指标得分取自360度反馈中上级得分(经过对比发现,上级得分区分度更好,也更有代表性),测评选用了GPI、管理个性、管理技能、管理胜任力等测验,以近三年同时有测评和360得分的人员得分作为样本群体。其中,GENE&管理个性/GPI:11447,GENE&管理技能:11313,GENE&管理胜任力:8116)


数据分析方法:

对样本数据中GENE和测评维度进行相关分析(皮尔逊积差相关),标记相关达到显著水平的维度


数据分析结果示例

△数据分析结果示例

注:蓝色为正向显著相关、黄色为负向显著相关,数据条越长,相关值越高


第2重保障专家小组打分,提供意义关联的数据参考

方法说明:

通过统计专家小组打分的结果,探索GENE指标与个性、技能之间的关联关系


样本数据选取:

邀请北森15名交付专家从GENE指标和测评维度内涵出发,对GENE指标和管理个性/GPI、管理技能之间的关联做0-4分评价


数据分析方法:

求关联评分的平均值和标准差,取结果时,选取“0”分比例小于半数,且评分均值大于标准差的配对维度


数据分析方法

△结果示例


第3重保障核心专家小组研讨确定对接初稿

方法说明:

核心专家小组基于对大样本数据的分析结果和专家小组评分的数据结果,从维度内涵出发,研讨确定GENE和测评维度的对接关系,形成对接初稿


参与专家:

北森人才管理研究院院长、2名副院长及3名研究员,共同研讨确定。


对接基本思路:

以GENE能力簇为基本单位,分别找到每个簇的指标核心内涵对应的测评维度;再结合大样本数据结果(优先)和专家小组评分结果,从指标和维度内涵出发,确定具体的对接关系


为加强对接结果的精准性,保留有强解释力的负相关对接维度


基本保证每个GENE指标有3-5个个性维度与之对应,防止对接维度过少导致的支撑不足或过多导致的意义散焦的情况。

GENE能力簇与个性的主对应关系

△示例:GENE能力簇与个性的主对应关系


第4重保障对接效果数据验证及调整,确保可靠对接

方法说明:

考察对接测评后GENE指标的数据分布情况及效标相关情况验证对接初稿的对接质量


数据分布验证:

样本数据选用:选用近3年完成测评的10w多人的测评数据;

统计方法及效果:验证基于现有的对接关系,一个群体中各个维度的数据结果的分布情况,调整个别分布集中维度的对接关系,确保所有维度都符合正态分布,且离散度合理。


效标相关验证:

样本数据选用:随机选用近3年同时完成测评和360的作答者10027人

统计方法及效果:验证基于测评数据对接的Gene维度得分,与对应的360维度得分之间的相关性分析,确保所有维度对接关联良好。


四重保障确保GENE指标与测评维度对接关系的可靠性,助你在GENE建模时更有抓手、更有信心!在个性化的建模场景时,也可以参考对接思路,有方法地进行灵活对接!(点击此处了解北森人才测评工具)


二维码
展开箭头

免费预约

免费预约demo
关闭