Prowadzenie badań ilościowych zachowań organizacyjnych (OB)

Przed przeprowadzeniem ilościowych badań OB ważne jest zrozumienie następujących aspektów.

Rysowanie planu badań:

Plan badań powinien zostać opracowany przed rozpoczęciem badań. Staje się niebieskim nadrukiem do badań i pomaga w udzielaniu wskazówek dotyczących badań i oceny badań.

Składniki konkretnego planu badań są następujące:

Wprowadzenie:

Tutaj przedstawiamy problem, opracowując odpowiednie oświadczenie. W tym celu należy skupić się na znaczeniu problemu (np. Sprzedaży problemu). Dokonuje się również przeglądu istniejącej literatury w celu ustalenia założenia badawczego, a na końcu część wprowadzająca kończy się stwierdzeniem hipotezy.

Metoda:

W tej części wyjaśniamy, w jaki sposób prowadzone są badania, wyszczególniając tematy (próbki), instrumenty i projekt badawczy.

Analiza danych:

Tutaj wspominamy o tym, jak zebrane odpowiedzi, obserwacje itp. Są analizowane za pomocą różnych narzędzi i technik statystycznych.

Harmonogram

Harmonogram wyznacza termin zakończenia badań, a także wymienia różne działania związane z różnymi fazami badań. Zapewnia to również kontrolę na różnych etapach, szczególnie w organizacjach. Ponieważ większość badań związanych z OB ma na celu przyjęcie decyzji strategicznych, bardzo ważne są badania czasowe.

Budżet:

W przypadku badań OB w organizacjach ważne jest, aby sporządzić wstępny budżet zawierający wszystkie poniesione wydatki i uzyskać zatwierdzenie, aby na żadnym etapie nie wpłynęło to na działalność badawczą z powodu niedostatecznej alokacji funduszy. W przypadku badań akademickich taki budżet może być niezbędny w przypadkach, w których agencje finansujące są przygotowane do zapewnienia środków na badania.

Istnieją trzy główne sposoby gromadzenia danych ilościowych:

(1) Zarządzaj znormalizowanym instrumentem,

(2) Zarządzać samodzielnie opracowanym instrumentem, oraz

(3) Zarejestruj naturalnie dostępne dane.

Standaryzowane instrumenty mogą być niektórymi istniejącymi zatwierdzonymi instrumentami, takimi jak FIRO-B, Ankieta Zarządzania Rosnąca Inwentaryzacją Roli Belbin w Zespole Rosabeth Moss Kanter itd. Opracowane przez naukowców samodzielnie opracowane instrumenty rozwiązują problemy badawcze. Podczas gdy naturalnie dostępne dane mogą być zapisami wydajności, danymi nieobecności itp.

Testowanie niezawodności i ważności:

Dwa najważniejsze aspekty precyzji w badaniach OB to niezawodność i trafność. Niezawodność odnosi się do powtarzalności pomiaru. Określamy wiarygodność ilościowo poprzez wykonanie kilku pomiarów na tych samych obiektach. Niska niezawodność podważa poziom precyzji pomiaru i zmniejsza naszą zdolność śledzenia zmian w kolejnych pomiarach w przyszłych badaniach.

Ważność odnosi się do zgodności między wartością pomiaru a jego prawdziwą wartością. Kwantyzujemy poprawność, porównując nasze pomiary z wartościami, które są możliwie najbliżej prawdziwych wartości. Zła trafność obniża precyzję pojedynczego pomiaru i zmniejsza naszą zdolność do charakteryzowania relacji między zmiennymi w badaniach opisowych.

Pojęcia wiarygodności i ważności są ze sobą powiązane. Ponieważ jednak trudno jest połączyć matematyczne dwa pojęcia, większość badaczy osobno bada te pojęcia. Niezależnie od tego, jakie są sposoby gromadzenia danych, zawsze należy sprawdzić ich wiarygodność i wiarygodność. Ważność oznacza stopień, w jakim test mierzy to, co zamierza zmierzyć, umożliwiając w ten sposób właściwą interpretację wyników.

Projektujemy miarę testową mając na względzie określone cele. Dlatego ważność może być oceniona tylko w kategoriach celu testowego. Na przykład, możemy być zainteresowani, aby dowiedzieć się, w jaki sposób środki dotyczące próbek mają pozytywny wpływ na populację dotyczącą konkretnego problemu.

Lub jak wyniki przewidują sukces w przyszłym zadaniu lub jak dany instrument mierzy charakterystykę. Są to przykłady trafności treści, predyktywności i konstruktu. Oprócz tego mamy również równoczesną ważność. Wyjaśnimy to wszystko następującymi przykładami.

Ważność zawartości:

Ważność treści to stopień, w jakim test mierzy docelowy obszar zawartości. Ma dwa obszary: ważności produktu i ważności próbkowania. Ważność pozycji mierzy zajętą ​​powierzchnię treści i próbki próbności do sprawdzania poprawności w obszarze całkowitej zawartości. Ważność treści jest określana na podstawie opinii eksperta, a ważność próby jest oceniana w kontekście testów statystycznych.

Aby to zilustrować, załóżmy, że do pomiaru poziomu satysfakcji pracowników opracowaliśmy ustrukturyzowany, zamknięty kwestionariusz. Test ważności produktu ustala, w jakim stopniu kwestionariusze są ważne do pomiaru poziomu zadowolenia pracowników. Innymi słowy, ustali, czy kwestionariusze są ważne dla zrozumienia zadowolenia pracowników, czy nie. Podobnie, aby sprawdzić ważność próbkowania, musimy zrozumieć, czy prawidłowo narysowane próbki reprezentują populację, czy też mamy jakikolwiek błąd próbkowania.

Skonstruuj poprawność:

Trafność konstrukcji mierzy stopień testu w kontekście hipotetycznej konstrukcji. Aby przetestować test trafności konstrukcji, musimy przeprowadzić serię niezależnych badań w celu ustalenia wiarygodności. Proces ten nie jest oczywiście tak prosty.

Wymaga to dogłębnego zrozumienia różnych testów statystycznych i dopasowania testów w kontekście konstruktów hipotezy. Załóżmy, że chcemy zmierzyć, czy próbki są obojętne na schematy zachęt. Jeśli odpowiednio dopasujemy naszą hipotezę, możemy chcieć zmierzyć stopień zgodności za pomocą testu zgodności Kendalla. Podobnie możemy być zainteresowani pomiarem stopnia obojętności w kontekście AN OVA (analiza wariancji), która mierzy stopień w odniesieniu do cech biograficznych próbek.

Ważność współbieżna:

Mierzy równoczesną ważność, aby zrozumieć, w jakim stopniu wynik testu odnosi się do innego. Inne wyniki testu mogą być już ustalone lub mogą być wynikami uzyskanymi podczas testów podawanych jednocześnie lub mogą być istniejącym ważnym kryterium. Jest to stwierdzone przez określenie współczynnika ważności.

Kiedy współczynnik ważności jest wysoki, mówimy, że test ma dobrą trafność równoczesną. Na przykład, być może zainteresuje nas pomiar, w jaki sposób dany program szkoleniowy zwiększa umiejętności techniczne, a także umiejętności w zakresie relacji międzyludzkich.

Podczas gdy techniczne ulepszenie umiejętności przekłada się na większą wydajność na stanowiskach, umiejętność relacji międzyludzkich rozwija lepsze relacje międzyludzkie. W tej sytuacji mierzymy jednocześnie obie zmienne zależne, tj. Techniczne podnoszenie umiejętności i zmianę relacji międzyludzkich w odniesieniu do treningu.

Przewidywalność:

Predictive validity mierzy stopień miary testowej w przewidywaniu sukcesu poszczególnych próbek w przyszłej sytuacji. Określany jest on za pomocą współczynnika ważności, ustalając związek między wynikami testu i pewnymi wskaźnikami sukcesu w niektórych sytuacjach, które mogą być interesujące w przyszłości. Kiedy współczynnik ważności jest wysoki, mówimy, że trafność predykcyjna jest dobra. Na przykład, możemy ocenić ogólną zdolność pracowników do uczenia się przewidywania sukcesu ich pracy w miejscu pracy.

Niezawodność:

Mierzy niezawodność lub wiarygodność instrumentu oceny. Jest to stopień, w jakim test konsekwentnie mierzy to, co zamierza zmierzyć. Wiarygodność wyrażana jest liczbowo w postaci współczynnika. Wysoki współczynnik wskazuje na wysoką niezawodność. Wysoka niezawodność oznacza minimalną wariancję błędu. Wiarygodność jest łatwiejsza niż ocena trafności.

Test-retest, formularze równoważne i niezawodność podzielona połowa są określane poprzez korelację. Rzetelność testu-retestu to stopień, w jakim wyniki są spójne w czasie. Wiarygodność można również wyrazić w odniesieniu do standardowego błędu pomiaru. Standardowy błąd pomiaru (stopień wariancji) jest oszacowaniem, jak często możemy spodziewać się błędów o danej wielkości.

Mały standardowy błąd pomiaru wskazuje na wysoką niezawodność, a duży standardowy błąd pomiaru wskazuje na niską niezawodność. To, w jaki sposób wyniki pracy pracowników wpływają na obecność zespołu audytu HR, które nie są związane z charakterystyką, mierzy się wiarygodnością test-retest.

Podobnie, w systemie z wieloma ocenami, to, w jaki sposób różni oceniający osiągają wyniki pracowników, jest określane przez niezawodność punktatora lub niezawodność między raterami. Na koniec, w jaki sposób różne części pojedynczego narzędzia oceny prowadzą do podobnych wniosków na temat osiągnięć pracowników, mierzy się wiarygodnością wewnętrznej spójności.