9.5 Het werkprestatieprobleem
lage kwaliteit
Om de effectiviteit van uw selectieprocedure te evalueren, heeft u dus werkprestatiegegevens nodig. In veel organisaties zijn deze gegevens van lage kwaliteit. Net als bij selectie-instrumenten is het van belang dat werkprestatiegegevens betrouwbaar, relevant, onbevooroordeeld en nuttig zijn. Zo niet, dan zult u geen correcte inschatting kunnen maken van de voorspellende waarde van uw selectieprocedure.
Formulier
functieanalyse
De werkprestatie moet u dus eigenlijk ook vastleggen met meerdere scores die door meerdere beoordelaars op dezelfde manier worden bepaald. Om dit te bereiken, kunt u een formulier ontwerpen waarin alle taken voor een functie staan beschreven. Deze taken heeft u voor de selectieprocedure vastgesteld met een functieanalyse. Vervolgens ontwikkelt u duidelijke instructies en gedragsgerichte ankers (net als bij gestructureerde interviews) die beoordelaars helpen om dit formulier op dezelfde manier te gebruiken. Het is ook belangrijk dat in de werkprestatiegegevens geen onbedoelde vooroordelen zitten tegen bepaalde demografische groepen.
Als de eigenschappen die door uw selectie-instrumenten worden gemeten en de criteria voor de werkprestatie niet op elkaar zijn afgestemd, zal uw selectieprocedure geen voorspellende waarde hebben.
Volledig
werkgedrag
uitkomsten
eigenschappen
Naast de werkprestatie zult u ook andere uitkomsten belangrijk vinden, zoals hoelang iemand de functie uitvoert en of iemand contraproductief werkgedrag vertoont. De meest volledige evaluatie van uw selectieprocedure voert u uit door de voorspellende waarde voor alle relevante uitkomsten te berekenen. Meerdere uitkomsten gebruiken heeft twee voordelen. Ten eerste heeft wetenschappelijk onderzoek aangetoond dat verschillende voorspellers belangrijk zijn voor verschillende uitkomsten. Door uw selectieprocedure te optimaliseren voor slechts één uitkomst, zoals de werkprestatie, loopt u het risico eigenschappen te missen die voorspellend zijn voor andere belangrijke uitkomsten. Ten tweede zijn selectieprocedures die meerdere uitkomsten voorspellen vaak ook eerlijker doordat ze een diverser palet aan eigenschappen omvatten.