跳转到内容

绩效评估

来自VeritasWiki 真理百科

绩效评估(performance appraisal)指组织按既定标准,对员工在一段时间内的工作表现进行系统观察、记录与判断的过程,其结果通常用于薪酬调整、晋升、培训需求分析与岗位调整。它既是一套技术程序,也是一项管理行为:评估什么、由谁评、多久评一次、结果如何使用,都会向员工传递“组织真正看重什么”的信号。正因如此,绩效评估很少只是测量问题,它同时牵涉目标设置、归因、公平感与组织权力。[1]

双重目的的内在冲突

绩效评估承担两类目的。一类是行政性的,为加薪、晋升、调岗与解雇提供依据,要求评估结果能够区分人、经得起比较与申诉。另一类是发展性的,帮助员工认识优势与不足、明确改进方向,要求评估坦诚、具体、面向未来。两类目的对评估的要求并不一致:行政用途促使评估者趋于保守或趋于严苛,发展用途则要求指出真实问题;行政结果一旦与奖惩挂钩,员工就有动机防御与修饰,反馈的开放性随之下降。

这一冲突是绩效制度设计的核心难题。把两种目的放在同一次谈话里,往往两头落空:评估者既要扮演裁判又要扮演教练,员工听到的只有分数。较常见的缓解办法是分离流程,年度评定用于行政决策,季度或月度的沟通用于发展;或者引入第三方校准,减少直接上级单人决策带来的偏差。但分离也带来新问题,即两套信息不一致时,员工会怀疑哪一套才是真的。

方法与技术的演变

最早的系统评定出现在军队。第一次世界大战期间,斯科特为军官设计了按维度打分的评定量表,这一形式后来成为企业绩效评估的基本模板。20世纪50年代,两种思路相继成熟。其一是目标管理,德鲁克主张管理者与下属共同设定可衡量的目标,期末按目标达成情况评估,这把评估从“评人”转向“评事”。其二是关键事件法,弗拉纳根要求主管记录下属在工作中的有效与无效行为片段,作为讨论的具体材料。

在此基础上,行为锚定等级评定法把量表的每个等级都锚定在具体行为例子上,试图减少评分者的主观解释空间;行为观察量表则让评估者报告行为发生的频率,而非直接给出好坏判断。20世纪90年代以后,多来源反馈流行起来,即由上级、同事、下属、客户与自评共同构成360度评价。它的初衷是提供更全面的视角,实践中却常被用于行政目的,导致同事之间相互抬高或相互贬低,匿名性一旦失守,坦诚迅速消失。

从技术角度看,格式改良的收益往往被高估。研究者比较过多种量表,发现只要维度定义清楚、评估者有充分的观察机会,图形评定量表与复杂的行为锚定量表在准确性与接受度上差别不大;复杂格式反而增加认知负担,降低填写完成率。这促使实践者把资源从设计表格转向培训评估者与简化流程。

评分误差

绩效评估的准确性长期受评分者误差困扰。最常见的是晕轮效应,即评估者因对象某一突出特征而对其所有维度给出相近评价;此外还有宽大化与严厉化倾向、集中趋势,以及近期效应,即最近发生的事件压过整期表现。这些误差并非简单的粗心,而是社会认知的正常产物:评估者需要在信息不全、时间有限、又不愿破坏关系的条件下作出判断,简化与偏袒往往是有意的策略。

20世纪80年代以后,研究重心从改良量表转向理解评分者的认知过程。一系列综述发现,改变评分格式对提高准确性作用有限,真正起作用的是评估者的观察机会、对维度的共同理解以及问责机制。据此发展出的参照框架训练,让评估者共同观看行为样例、讨论评分理由、对齐标准,能显著提高评分者间的一致性。[2]这也说明,绩效评估的误差首先是社会判断问题,其次才是工具问题。

误差的统计表现同样值得注意。当评分普遍偏高、集中在少数几个等级时,分数的方差被压缩,区分度下降,任何基于分数的排序或选拔都变得不可靠,这正是强制分布被提出的直接动因。反过来,若各维度之间的相关高得异常,说明评估者实际上只做了一个整体判断,多维量表名存实亡。评估制度的设计因此需要在“可区分”与“可接受”之间反复权衡。

反馈与公平感

评估的价值很大程度上取决于反馈的质量。目标设置研究反复表明,具体且有难度的目标配合及时反馈,能显著提升绩效;含糊的“继续努力”几乎没有作用。但反馈并不总是有益。对反馈干预的综述发现,多数干预带来正向效果,仍有相当比例反而降低了绩效,原因通常是反馈威胁到自尊,接收者把注意力从任务转向自我防御。有效的反馈因此需要具体行为、明确标准与改进路径,而不是对人的整体评价。

公平感是另一条关键路径。员工对评估的接受度,不只取决于结果是否有利,也取决于程序是否透明、是否有申辩机会、评估者是否尊重人。程序公平与互动公平感高的员工,即使对分数不满,也更可能认可制度本身;反之,即使分数有利,暗箱操作的感觉也会侵蚀信任。这解释了一个常见现象:改良量表的技术投入,常不如培训主管如何开反馈会来得有效。[3]

强制排名的退潮

强制分布要求主管按固定比例把下属分入优秀、合格、待改进等若干等级,其理由是避免宽大化、强制区分。这一做法在20世纪90年代被一些大型企业推行,一度被视为绩效管理的标杆。它的逻辑在理论上成立:如果评分普遍虚高,强制分布能恢复区分度。

实践中的后果却与初衷相反。当团队任务高度互依时,强制排出高低会直接抑制合作,成员不愿分享信息与帮助同事,因为同事的上升意味着自己的下降。它还可能惩罚处于学习曲线早期的员工,或迫使主管在表现相近的人中制造差别。2010年代,多家跨国企业宣布放弃强制排名,转向更频繁的非正式沟通与更灵活的评价。这一转向并不等于否定区分,而是承认:在知识密集、协作密集的工作中,区分的收益可能小于它破坏协作的成本。

本土实践与替代方案

中国公共部门的考核长期采用德、能、勤、绩、廉五个方面,企业则多沿用目标考核加等级评定的组合。本土研究提示两个特点。其一是关系与人情的影响,主管在打分时会顾及面子与长期相处,导致评分向中间集中,区分度不足;其二是“老好人”式的高分普遍存在,使评估的行政功能被稀释。与之相应,一些组织引入述职、民主测评与交叉校准,试图用程序约束个体偏好。

替代方案的共同方向是从年度事件转向持续过程。持续反馈强调在事情发生时即时沟通,而不是积累到年底;校准会议让不同部门的主管共同讨论评分标准,减少部门间的宽松差异;目标与关键结果等工具则把注意力放在目标对齐与进展透明上,而非简单打分。这些做法并未取消评估,而是把评估从一次判决变成一段对话。需要提醒的是,任何方案都无法消除目的冲突与判断误差,它们只能让冲突更早暴露、让误差更可讨论。[4]

参考资料

  1. ↑ Psychological Testing,Encyclopaedia Britannica,2024年访问
  2. ↑ Reliability,Simply Psychology,2023年访问
  3. ↑ Validity,Simply Psychology,2023年访问
  4. ↑ Annual Review of Psychology,Annual Reviews,2024年访问