Blog
Zo maak je betere selectiebeslissingen door ‘ruis’ in je selectieproces te verminderen
Recruitment
Talent selecteren
Wat is ruis? We zijn allemaal bekend met het concept van bias – systematische vooroordelen in onze besluitvorming. Maar er is nog een minder bekende, maar minstens zo schadelijke factor: ruis.
Ruis is het verschil in oordelen die identiek zouden moeten zijn. Artsen die verschillende diagnoses bij dezelfde patiënt stellen, rechters die verschillende straffen geven voor hetzelfde delict of twee collega’s die vergelijkbare sollicitanten verschillend beoordelen.
Wat levert het verminderen van ruis op? Daniel Kahneman stelt in zijn boek Ruis dat organisaties door het verminderen van ruis betere en eerlijkere beslissingen nemen. Dit leidt tot:
Meer consistentie in besluitvorming.
Minder willekeur en meer voorspelbaarheid.
Betere kwaliteit van keuzes in selectie.
Een van de bedrijven die dit in de praktijk heeft toegepast is Google.
Praktijkvoorbeeld: Google – selectie verbeteren door structuur
Google gebruikt drie principes om complexe oordeelsvorming te structureren:
1. Decompositie Breek een complexe beslissing op in losse, meetbare elementen.
2. Onafhankelijkheid Hierbij is vereist dat de informatie van iedere beoordeling (assessment) onafhankelijk van elkaar worden verzameld.
3. Uitgesteld oordeel Stel intuïtieve beslissingen uit totdat alle data verzameld en gestructureerd beoordeeld zijn. Google ontdekte dat als managers meteen een ‘gevoel’ over een kandidaat uitspreken, dit latere beoordelingen beïnvloedt. Door eerst afzonderlijk te beoordelen en pas daarna samen te bespreken, verbeterde de selectie.
Door gestructureerde besluitvorming toe te passen op basis van deze drie principes, heeft Google objectievere en consistenter onderbouwde selectiebeslissingen kunnen nemen, wat resulteerde in een hogere kwaliteit van nieuwe hires.
De link met game-based assessments van IVY Works De aanpak van Google heeft veel raakvlakken met onze game-based assessments:
✔ Decompositie → Onze assessments brengen de aanleg voor competenties in kaart via onderliggende, meetbare persoonskenmerken. De competenties die gemeten worden, zijn vooraf zorgvuldig geselecteerd om irrelevante informatie te filteren.
✔ Onafhankelijkheid → Iedereen doorloopt bij het maken van de assessments dezelfde games en vragenlijsten, zonder beïnvloeding van cv’s of motivatiebrieven.
✔ Uitgesteld oordeel → Pas na de assessmentresultaten wordt gekeken naar geschiktheid, niet vooraf op basis van een onderbuikgevoel of vooroordelen.
Door game-based assessments in te zetten, verminder je ruis in je selectieactiviteiten en geef je kandidaten een eerlijke kans, gebaseerd op hun werkelijke potentieel.
Conclusie: minder ruis = betere selectie → Ruis zit in bijna elke beslissing die we nemen. Van pandemiebeleid tot sollicitatieprocedures, kleine verschillen in beoordelingsmomenten leiden tot grote gevolgen.
→ Bedrijven als Google tonen aan dat gestructureerde selectie ruis vermindert en leidt tot betere keuzes.
→ Game-based assessments passen deze principes direct toe en zorgen voor een eerlijkere, objectieve en data-gedreven selectie.
Wil jij weten hoe game-based assessments kunnen helpen bij objectieve en eerlijke selectie en het maken van betere selectiebeslissingen? Laten we in gesprek gaan!
Bronnen: Ruis – Waarom we zo vaak verkeerde beslissingen nemen, en hoe we dat kunnen voorkomen,
Interviewer bias in recruiting: Types and how to avoid it, TestGorilla https://www.testgorilla.com/blog/interviewer-bias/
Alle coronamaatregelen per land: wat is nou het meest effectief? https://pointer.kro-ncrv.nl/alle-coronamaatregelen-per-land-wat-is-nou-het-meest-effectief
– Joram Hofman
