人员选拔
人员选拔(personnel selection)指组织在招聘过程中使用一套系统的方法,从应聘者中识别出更可能胜任岗位并长期留任的人。它的核心是一个预测问题:用招聘阶段能够获得的有限信息,去推断候选人未来在工作中的表现。由于错误录用与错误拒绝都要付出代价,选拔研究的重点不在于设计精巧的测验,而在于回答三个相互关联的问题——用什么标准衡量“好员工”,哪些信息对标准有预测力,以及如何在预测力、成本与公平之间取得平衡。[1]
效标问题
选拔的起点不是工具,而是效标,即用来衡量工作表现的标准。早期研究把绩效简化为产量或上级评分,后来发现这一做法掩盖了绩效的多维性。今天较为通行的划分把绩效分为任务绩效,即岗位职责内的产出;周边绩效,即超出职责但有益于组织的行为,如帮助同事、维护声誉;以及反生产行为,如缺勤、偷窃、违反规程。三者由不同的因素预测,一个人可能任务绩效很高却在周边绩效上很差,反之亦然。
效标的选择直接决定了选拔工具看起来是否有效。若以销售额为唯一效标,善于短期冲刺但损害客户关系的人会被判为优秀;若以上级印象为效标,善于印象管理的人会占优势。因此,成熟的选拔方案会同时采集多个来源与多个时点的数据,并明确区分“能做什么”(最大绩效)与“愿意做什么”(典型绩效)。这一区分也解释了为什么智力测验对前者预测更好,而人格与动机对后者更有用。
历史起点
大规模选拔与战争需求密不可分。第一次世界大战期间,美国军方需要快速安置数百万新兵,心理学家编制了陆军甲种与乙种测验,前者为文字测验,后者用图形与非文字题目以适应文盲与移民。这是智力测验第一次被大规模用于人员分类,也暴露了此后反复出现的争议:测验测的是什么,分数差异反映的是能力还是教育机会。
同一时期,实业心理学家斯科特为军官设计了评定量表,让上级按统一维度评价下属,这被视为结构化评定的开端。第二次世界大战期间,战略情报局建立了评估中心,用情境模拟、无领导讨论与实地任务观察候选人的判断力与适应性,评估由多人共同完成、事后集体讨论。战后这套方法进入企业,美国电话电报公司用它追踪管理者的长期发展,形成了评价中心的原型。这些早期实践确立了一个基本思路:与其相信单一纸笔分数,不如在接近真实任务的条件下观察行为。
预测工具的效度
关于“哪种工具更有效”,最系统的回答来自20世纪90年代末施密特与亨特对近百年研究的元分析。需要先说明效度的含义:效度不是测验自身固有的属性,而是分数被用于特定推断时所获得的证据强度,同一份测验用于不同岗位、不同效标,效度可以相差很远。[2]他们校正抽样误差与测量误差后发现,一般智力测验对工作绩效的预测效度最高,与绩效的相关在0.5左右;工作样本测验、结构化面试、工作知识测验与诚信测验紧随其后;尽责性等人格维度具有稳定的增量效度;而笔迹分析、星座、年龄等常被使用的信息几乎没有任何预测力。这一排序在不同职业与不同国家的研究中大体稳定,成为选拔研究的基准。
对智力测验的解释存在分歧。一种观点认为,智力影响的是学习速度与信息处理效率,因而在复杂岗位中作用更大;另一种观点认为,测验分数还混杂了教育与文化资本,其预测力部分来自与学历、阶层的相关。元分析显示,岗位复杂度越高,智力的预测效度越强,这支持了第一种解释,但并未否定第二种担忧。
人格测验的使用则受制于作答动机。应聘者知道被评价,倾向于按岗位要求塑造形象,这种印象管理使自陈量表的效度打折。研究者尝试用迫选式题目、内隐测量与情境判断测验来降低伪装空间,效果不一。诚信测验在预测反生产行为上表现较好,但它涉及隐私与污名化风险,在不少地区受到法律限制。无论使用哪类工具,前提都是分数具备可接受的信度,即重复测量与评分者之间的一致性;信度不足时,效度便无从谈起。[3]
结构化面试与评价中心
面试是最普遍的选拔手段,也是最容易被误用的手段。非结构化面试的预测效度低,原因在于面试官受首因效应、相似性偏好与确认偏差影响,问题随意、评分标准不一,且过于自信地相信自己的直觉。结构化面试针对这些缺陷作了三方面改造:问题基于工作分析统一设定,追问按固定规则进行,评分依据行为化锚点而非整体印象。元分析显示,结构化面试的效度接近甚至超过智力测验,且对应聘者的负面影响较小。
评价中心走得更远,它用多种练习(公文筐、无领导讨论、角色扮演、演讲)在多名评估者观察下采集行为,再按维度汇总。其表面效度高、对应聘者友好,对管理潜力的预测也较稳定。但它的构念效度长期受质疑:研究发现,评分差异更多由练习而非维度解释,也就是说,评估者倾向于认为“同一个人在同一个练习中表现一致”,而不是“同一特质跨练习一致”。这提示评价中心测到的可能是情境中的综合表现,而非可迁移的特质。
效用与公平
选拔不仅是心理测量问题,也是经济与法律问题。效用分析把效度、录用率、基础成功率与岗位价值放在同一个模型中,估算改用更有效工具能带来多少经济收益。这一框架的贡献在于提醒管理者:效度小幅提升,在大规模招聘中可能对应可观的价值;反之,为节省成本而使用廉价但无效的工具,代价常被低估。
公平问题更为棘手。认知能力测验在不同群体上的平均分存在差异,即使测验本身没有偏向,按分数择优也会产生不平衡的录用结果。美国20世纪70年代以后的判例与平等就业法规要求选拔工具与工作相关,且不存在更少伤害的替代方案,这一原则被称为“业务必要性”。争议至今未息:支持者认为按能力录用最符合效率与程序正义,批评者认为它固化了教育机会的不平等。实践中的折中做法包括设定通过线而非排名、结合多种工具、对弱势群体提供培训与补习。在中国,公务员录用考试与大型企业的校园招聘普遍采用能力测验与结构化面试,测评工具的专业规范由心理学界与行业组织共同推动,但针对本土岗位的效标研究仍然偏少。[4]
新技术的挑战
近十余年,视频面试分析、游戏化测评与算法筛选进入招聘流程。支持者看重其低成本、可扩展与减少人为偏见;批评者指出三个问题。其一是效度证据不足,多数工具缺乏独立的效标研究,供应商公布的效度数据难以复核。其二是偏差风险,算法从历史录用数据中学习,可能复制甚至放大既有的歧视模式,而“黑箱”特性使偏差难以被察觉与纠正。其三是隐私与知情同意,面部表情、语音特征等生物信息的采集边界模糊。
这些问题并未否定技术本身,而是提出了与传统选拔相同的要求:任何工具在投入使用前,都应有明确的效标、可验证的效度证据与对群体差异的审查。技术改变了采集信息的方式,没有改变预测问题的结构。[5]
参考资料
- ↑ Psychological Testing,Encyclopaedia Britannica,2024年访问
- ↑ APA Dictionary of Psychology,American Psychological Association,2024年访问
- ↑ Reliability,Simply Psychology,2023年访问
- ↑ 中国心理学会,中国心理学会,2024年访问
- ↑ Validity,Simply Psychology,2023年访问