传记数据或生物数据是旨在预测组织申请人在组织中未来表现的个人生活经验的关键方面的度量,无论该绩效是特定于任务的工作绩效,团队合作还是入店行窃。尽管可以开发生物数据以衡量各种各样的经验和心理结构,但生物数据措施的预测能力的基本和一般前提是,
- 自由社会中的个人塑造了他们的生活经历,他们也受到他们的影响;
- 人格和情况之间的互惠影响过程发生在很长的时间范围内。因此,
- 过去经验的度量应该预测未来的工作行为,尤其是考虑到一个相对不受限制的环境,员工的典型绩效可能会广泛。
鉴于这些前提,生物数据措施上的物品本质上可以相对面向性格或秘密(例如,“您的幸福在多大程度上取决于工作的工作方式?”),或者它们可以相对面向状况,并且可以相对面向状况自然界公开(例如,“过去三个月中您读了几本书?”)。无论哪种情况,响应都涉及一些认知处理,需要测试者回忆和汇总信息,其准确性取决于先前的感知和存储的准确性,在许多情况下,事件的显着性或恢复性。
尽管生物数据在其内容和构造上可以差异很大,并且可以通过不同的方式进行评分,但它们一直在工作类型(大约0.30)中表现出中等至高的有效性;他们还表现出超出能力和人格措施的增量有效性。组成的生物数据是明确或隐式反映诸如能力,人格,动机,人际交往能力和兴趣等结构。它们可以是这些结构的相对纯粹的衡量标准。但是,向接受测试者询问其经验的生物数据可能与结构的组合有关,而不仅仅是一个。对后一种项目的分析可能会导致因子分析或低α可靠性系数的一般因素较弱。试图测量生物数据测量的得分稳定性时,应考虑重测可靠性和α可靠性。
项目属性
F. Mael提出了10个生物数据项目的10个主要属性的概述,如下所示:
- 历史与假设(过去的行为与未来的预测行为,或在情况下的行为)
- 外部与内部(行为与态度)
- 客观与主观(可观察或可计数事件与自我感知)
- 亲身与二手(自我描述与别人说他人描述的方式)
- 离散与总结性(单个事件与一段时间内平均)
- 可验证与无验证
- 可控与不可控制的(可能会或不受决定影响的情况)
- 平等访问与不平等访问(相对于被测试的小组的机会访问)
- 工作相关与非乔布相关
- 无创和侵入性
评分方法
从历史上看,生物数据的措施是出于强烈的经验主义的传统而发展的,因此已经提出了各种各样的评分方法。标准 - 钥匙方法涉及将个人对给定的生物数据项目的响应进行计算,并计算每个响应选项的平均标准评分或与标准相关的有效性。这是针对每个项目完成的,这些值用作评分目的的项目响应权重。当找到相对连续的响应选项中的非线性模式或某些权重基于小样本量时,可以对权重进行合理调整。当将生物数据键入标准而是针对性格或气质措施时,可以采用类似的标准键合方法。这是一个特别有趣的方法,可以键入一组客观或可验证的生物数据,这些物品往往不易伪造,但通常很难将其分配给单一的心理结构。(即使没有完成此类键合,将生物数据量度放置在认知和非认知构建的法令中仍然有帮助。或通过先验或事后主题专家(SME)项目分类程序,可以像传统的LikertScale自我报告人格测量中那样,可以直接得分沿单个基础连续体进行直接得分。
配置评分是评分生物数据项目的完全不同的方法,因为它涉及将个体分组为生物数据分数的代表性概况。亚组在概念和方法论上都定义为内部一致但外部截然不同的,类似于对方差分析中统计上显着的群体差异的解释。通常,个体根据亚组平均值的相似性分配给亚组,例如在K-均值分析中;或者有时会汇总一组数据,直到达到简约性和描述性之间的适当平衡为止,例如在Ward的方法中。然后可以将亚组概况标记为(例如,面向目标的社会领导者或情绪不足的人),然后与相关的外部标准或标准的概况有关,以诸如人事的选择和安置之类的目的;或子组概况可以单独使用培训和开发。
值得注意的是关于生物数据的评分的两个一般要点。首先,应通过理性和经验方法来告知任何适当的评分方法。纯粹基于理性或理论的忽略了重要的经验数据,这些数据可以用于修改最初产生生物数据项目的理论基础,或者至少可以修改后续项目开发规则。相反,在没有理论或概念性理由的情况下,纯粹是经验的,如果不排除,如果不排除适当的项目开发,项目修订以及分数的使用和解释。其次,在一个样本上开发的项目评分方法应在独立样本上进行交叉验证,例如原始数据集的保留样本或完全不同的样本。这样做有助于确保模型的特征是可推广的,并且不能具体采样;例如,交叉验证可以确保在一个样本中选择性地重新持续或删除生物数据的有效性,降低群体平均差异或清理探索因素分析结果,然后在独立样本中使用相同的样本中实现生物数据,从而实现。项目,因此原始结果(至少在很大程度上)不能归因于偶然的资本化。同样的关注也适用于回归模型,其中最小二乘的回归权重可能利用机会,从而人为地膨胀有效性。在这种情况下,可以将交叉验证公式应用于整个样品,以估计如果将这些权重应用于相同大小的独立样品,则有效性收缩的收缩率将是什么。
种族差异
由于生物数据项目的内容差异很大,因此无法对种族差异进行任何使用的一般性陈述。然而,在更具体的层面上,包含文化相关内容的生物数据已经证明了在差异项目功能方面的黑白亚组差异(DIF)。在游泳水平的领域也发现了生物数据的黑白差异。当Biodata措施与已知种族差异(例如一般认知能力或某些人格特征)的结构对齐时,可能会有其他种族差异。
申请人反应
荟萃分析表明,使用BioDATA措施的研究通常显示出大约中点的优惠性(即工作相关性和公平性)评级,并进行了访谈,简历和认知能力测试等措施,显示出更大的优势和个人联系和完整性测试表现出较少的青睐。尽管跨研究的荟萃分析平均值是稳定的,但存在于研究的非平凡性变异性。这可能是因为可以开发的生物数据措施种类繁多。这突出了研究文献中一个一致的主题:当生物数据措施被认为与手头的工作和公平人员选择系统的一部分时,往往会更加有利。
参考:
- Dean,M。A.和Russell,C。J.(2005)。在现场环境中对基于生物ATATA理论的构造的检查。国际选择与评估杂志,第2期,第139-149页。
- Mael,F。A.(1991)。生物数据项目的域和属性的概念基本原理。人事心理学,44,763-927。
- Mount,M。K.,Witt,L。A.,&Barrick,M。R.(2000)。凭经验键起的生物数据量表对GMA和五个因素人格结构的增量有效性。人事心理学,53,299-323。
- Oswald,F。L.,Schmitt,N.,Ramsay,L。J.和Gillespie,M。A.(2004)。开发生物数据措施和情境判断清单作为大学表现的预测指标。应用心理学杂志,89,187-207。
- Oullette,J。A.,&Wood,W。(1998)。日常生活中的习惯和意图:过去行为预测未来行为的多个过程。心理公告,124,54-74。
- Reiter-Palmon,R。和Connelly,M。S.(2000)。项目选择计数:基于理论和非理论的项目库中经验钥匙和理性规模有效性的比较。应用心理学杂志,85,143-151。