De afgelopen jaren verdiepte Bas van de Haterd zich in veel moderne technologie om kandidaten te testen. Welke technologie dicht hij het meeste kansen toe?
Hoe selecteer je de beste kandidaat? Goede assessments bieden de hoogste voorspellende waarde, maar tot voor kort waren die eigenlijk altijd duur, lastig en tijdrovend. Ook waren zulke assessments meestal gebaseerd op vragenlijsten, en bovendien nooit getest in sollicitatie-situaties. Ze zijn gevalideerd in situaties waar iemand al een baan had, maar we weten dat omstandigheden je gedrag bepalen. En dus boden zulke assessments niet altijd de waarde waar je naar op zoek was.
Gelukkig is er de laatste jaren veel gebeurd en is er veel moderne technologie bijgekomen. Die technologie kan helpen beter te selecteren en onze onbewuste vooroordelen uit het proces te halen. Ik heb de afgelopen jaren tientallen van zulke assessments op mezelf als ‘kandidaat’ getest. Niet alleen deed ik daarmee veel zelfkennis op, ik denk nu ook dat ik redelijk in staat ben de kwaliteit van de assessments te bepalen, tenminste: voor zover het gaat om mijn persoonlijkheid en cognitieve kwaliteiten.
‘Om vast te beginnen met een spoiler: er is niet zoiets als de beste tool of technologie’
Al die nieuwe technologieën zijn kortweg samen te vatten in 4 categorieën. In dit artikel omschrijf ik van elk van die categorieën kort hun voor- en nadelen. De komende maanden licht ik elke technologie apart nog wat uitgebreider toe. Om vast te beginnen met een spoiler: er is geen beste tool of technologie. Zoals met alles is dat afhankelijk van wat je wilt meten en wat je het belangrijkst vindt bij de selectie van een kandidaat.
Van de 4 hier genoemde technologieën zijn games het verst ontwikkeld. Er is ook het meeste wetenschappelijke onderzoek naar gedaan. De betrouwbaarheid van game-based assessments is daarom ook het hoogst van alle hier genoemde moderne vormen van assessments. Daar staat tegenover dat games van de kandidaat ook de grootste tijdsinvestering vragen. Dat betekent dat de kandidaatervaring voor game-based assessments vaak minder is, hoewel doorgaans nog altijd beter dan een vragenlijst.
Beeld van PlayToWork, een op mbo’ers gericht gamified assessment-platform
Games zijn op te delen in verschillende categorieën. Je hebt de ‘gamified vragenlijsten’, wat eigenlijk geen games zijn, maar daar doorgaans wel toe gerekend worden. Dit zijn echter meestal vragenlijsten met kleine extra’s. Soms test men in zo’n vragenlijst nog aanvullende cognitieve kwaliteiten zoals je opmerkzaamheid, multitasking of kortetermijngeheugen. Daarnaast heb je ook moderne, mooi ogende, vormen van Situational Judgement Games. Betrouwbare, maar geen superinnovatieve assessments.
Omdat je zelden door hebt wat ze meten is het bijna onmogelijk om een spel te manipuleren
Wel echt modern zijn de psychometrische en cognitieve spellen die op basis van je game-gedrag daadwerkelijk je cognitieve vaardigheden meten of je karakter in kaart brengen. Deze games meten bijvoorbeeld of je risicoavers bent, of je doorzettingsvermogen hebt, en hoe lang je je focus kunt vasthouden. Dit doen ze door je scores te vergelijken aan het begin en aan het eind van de game, veelal na zo’n 45 minuten. Omdat je zelden of nooit door hebt wat gemeten wordt en tijdens één spel vaak meerdere dingen tegelijk gemeten worden is het bijna onmogelijk om een spel te manipuleren.
Hoe je dingen zegt, welke woorden je gebruikt en hoe je zinnen opbouwt, het kan allemaal veel inzicht geven in je karakter. Hier ligt al zo’n 70 jaar aan wetenschappelijk onderzoek aan ten grondslag, hoewel de grote stappen voorwaarts pas de laatste jaren zijn gezet, vooral dankzij de komst van AI.
Vanuit een linguïstisch assessment kun je bijvoorbeeld een Big Five-profiel bouwen
Het grote voordeel ervan als je dit gebruikt om kandidaten te assessen, is dat deze assessmenttechnologie heel kandidaatvriendelijk is en bijna geen tijd van een sollicitant vraagt. Uiteindelijk heb je aan zo’n 500 woorden voldoende om van iemand een profiel te maken. Vanuit een linguïstisch assessment kun je bijvoorbeeld een Big Five-profiel bouwen, maar ook een hele reeks facetten afleiden zoals ‘autoriteit-uitdagend’ of ‘streberig’ en van ‘zelfbewust’ tot ‘altruïstisch’ en ‘avontuurlijk’.
De grootste zwakte die ik bij deze tools tegengekomen ben, is dat ze niet kunnen omgaan met professionele schrijvers. Na 5 boeken en meer dan 1.000 artikelen komt mijn schrijfstijl niet meer geheel overeen met mijn karakter. Ik schrijf bijvoorbeeld veel meer gestructureerd dan ik ben. Als je dat vertaalt naar andere beroepen kun je verwachten dat bijvoorbeeld redacteuren, academici en beleidsambtenaren via deze technologie ook incorrecte assessments krijgen. Gelukkig lijkt er hiervoor een oplossing te zijn, door zulke technologie bijvoorbeeld te gebruiken via een chatbot, of een video-interview en speech-to-text-software. In een gesprek gebruik je namelijk je normale vocabulaire en komt je werkelijke karakter weer naar boven.
Assessments op basis van sociale media leunen voor een groot deel op de linguïstische assessmenttechnologie, maar bieden ook wat extra mogelijkheden. Logischerwijs zou bijvoorbeeld juist op sociale media je taalgebruik zo normaal mogelijk moeten zijn. Ook zouden aanvullende data zoals je Facebook Likes de accuraatheid kunnen vergroten.
In mijn ervaring is echter niets minder waar. Bijna alle socialmedia-assessmenttools die ik heb getest faalden (op een enkeling na). Belangrijke oorzaak hiervan is dat de interpretatie van veel van de ‘aanvullende data’ (zoals Facebook Likes) vergeven is van bias. Bij de enige tool die zijn algoritme publiekelijk inzichtelijk maakte, werd mijn voorliefde voor Linkin Park bijvoorbeeld gerelateerd aan ‘boos op de wereld’. En mijn like van Shell (vanwege een recruitmentactie van hen ooit) werd vertaald in: ‘heeft weinig oog voor het milieu’. De potentie die socialmedia-assessments hebben is dus volgens mij enorm, maar momenteel zou ik ze geen enkele organisatie aanraden.
Een vierde vorm van moderne assessments bestaat uit analyse van micro-expressies, korte gezichtsuitdrukkingen gerelateerd aan emoties. De kwaliteit van de assessments die dit gebruiken en die ik heb mogen testen loopt sterk uiteen. Dat heeft ook te maken met de wetenschappelijke basis hiervoor. Die is er namelijk wel, maar die is (nog) niet zo breed als bij gaming of linguïstiek.
Micro-expressies kunnen eigenschappen herkennen zoals geen enkele andere technologie die ik heb gezien
Wat ik geweldig aan deze technologie vind is dat het karaktereigenschappen kan herkennen zoals geen enkele andere technologie die ik heb gezien. Voor met name communicatieprofielen en teamsamenstelling is het ideaal. Je kunt met deze technologie bijvoorbeeld kijken of je in je team voldoende actie- of analytisch-georiënteerde mensen hebt. De ‘diversity of thought’ in een team is met deze technologie dus goed te bewaken. Daarnaast is ook de kandidaatervaring super. Met een video van 3 minuten kun je immers al een compleet persoonlijkheidsprofiel bouwen.
Bas van de Haterd koppelt technologische ontwikkelingen aan sociaal-maatschappelijke trends en...
Offerte opvragen Bekijk het profiel