Hem / Nyheter / På SIOP 2017: Samarbete avgörande för Marsresa

Siops vision sedan ett par år tillbaka är ”Science for a smarter workplace” och ska man spana på några trender är just vetenskapliga metoder ett av de hetaste ämnena tillsammans med teamforskningen, även om rubriken Diversity tätt följd av Personality hade flest antal presentationer i det digra programmet.

Nasas förestående bemannade rymdfarkost runt planeten Mars präglade konferensen. Om Marsresan blir en framgång kommer sannolikt inte att hänga på tekniken enligt Nasa, snarare är det rymdteamets förmåga att samarbeta som kommer att bli den kritiska faktorn. Det går liksom inte att kliva av mitt ute i rymden när man kommer i konflikt med kollegerna på minimal yta och med många månaders, kanske års, gemensam resa hem.

Dr Stanley G Love, astronaut och Nasas
representant på SIOP.

Därför får teamforskningen stora resurser för att ännu bättre kunna sätta samman och rusta team för framgångsrikt samarbete. Det här har också bidragit till metodutveckling på teamforskningens område, till exempel att i realtid studera hur man faktiskt samspelar och i vilken utsträckning en konflikt är i antågande.

Ledarskapets betydelse tonas generellt ned till förmån för teamets betydelse. Dr Stanley G Love, astronaut och Nasas representant på konferensen, höll tillsammans med forskare inom arbetspsykologi en välbesökt presskonferens om Marsresan.

Han höll också konferensens avslutande seminarium där han beskrev vikten av att ha koll på fakta om Mars och jordens relationer till varandra för en optimal rymdfärd. Inget utrymme för så kallade alternativa fakta här.

När det gäller forskning är de kvantitativa metoderna på stark frammarsch. Man skulle kunna säga att metod är på modet. Michal Kosinski, Stanford University, har redan tidigare gjort sig känd för sin forskning om vad våra likes på Facebook säger om vår personlighet. Här redovisade han hur femfaktormodellen växer fram via våra digitala fotspår i de sociala medierna.

Öppenhet är den faktor som tydligast går att identifiera genom våra Facebooklikes men även de andra faktorerna i femfaktormodellen träder fram. Han beskrev också hur man kan göra liknande kategorisering med hjälp av våra selfies.

Där pekade han också på riskerna med att vår personlighet i en nära framtid lätt skulle kunna scannas av genom en kamera utan att vi märker det. Även rösten kan bli föremål för framtidens personlighetsanalys.

Ryne A Sherman, Florida Atlantic University, beskrev hur befintlig mjukvara och modeller för att beskriva tonfall och så kallad prosodi i händerna på psykologiforskare kan ges ny innebörd och statistisk koppling till personlighet.

Statistisk analys av text är också ett metodområde som växer. Datoriserade metoder för så kallad text mining, eller natural laguange processing, demonstrerades av Cory Kind, University of Berkeley, California, med representanter för konsultföretaget CEB. Text mining handlar om att identifiera textens meningsbärande delar och sedan med hjälp av exempelvis faktoranalys statistiskt analysera texter från till exempel anställningsintervjuer, arbetsmiljöundersökningar och medarbetarundersökningar för att identifiera och räkna på de underliggande begreppen. Metabus presenterades av Jasmine Khosravi från Bowling Green University och är en helt suverän plattform för alla att snabbt och enkelt göra metaanalyser på befintliga data.

Urvalsfrågan förekommer på varje Siop-konferens. Hur det mest effektiva urvalet ska göras vet vi sedan länge, genom så kallad statistisk eller mekanisk sammanvägning av data. Men eftersom urvalsbranschen inte vill följa forskningen utan i stället göra så kallade expertbedömningar är det återkommande seminarier om detta
faktaresistensfenomen och om man kan göra något åt det.

Med kunskap om mekanisk sammanvägning av urvalsdata skulle man spara pengar åt företag och organisationer samt
minska olaglig diskriminering, men den har fascinerande svårt att slå igenom.

I ännu ett försök, denna gång presenterat av Martin Yu, Siwen Shu och Nathan Kuncel från University of Minnesota försöker man se om så kallade expertbedömningar verkligen kan ge mer än statistisk analys av urvalsdata. Man har låtit experter på den specifika verksamheten bedöma kandidaternas potential på det sätt som oftast görs, med så kallade helhetsbedömningar.

Även här slår den rent mekaniska bedömningen ut expertbedömningen. Inte ens om man försöker skräddarsy sammanvägningen utifrån experternas kunskaper om det lokala företaget lyckas man bättre.

Också försöken att göra mekaniska vikter av experternas bedömningar slås av mer generiska vikter. Föga överraskande slår den mekaniska viktningen av expertbedömningarna experternas egna intuitiva bedömningar.

Kort sagt, än en gång har den statistiska/mekaniska sammanvägningens överlägsenhet visat sig. Men eftersom det inte får genomslag i praktiken presenterades också studier över hur olika skalor får oss att värdera information på fel sätt och i stället gå från svårtolkade validitetskoefficienter till procent, vilket gör att fler tar till sig informationen.

Justin M Weinhardt, University of Calgary har till och med utvecklat en skala för att mäta motstånd mot att tillämpa vetenskapligt baserade metoder.

Sara Henrysson Eidvall
Maria Åkerlund

Artikeln är publicerad i Personal & Ledarskap, nr 5, 2017.