为什么要做“数据测量”?
现实生活中的我们,如何确认员工敬业度、抓得住现代化?
这些东西看不见摸不着,甚至就是人们创造出来的观念,怎么定量地去把握它们呢?
这就需要我们去测量。
展开测量前,我们要明白的第一点就是——测量的目标是什么?答案很清楚,是必须得到一组指标。
难易程度是能打分的,能拿数据准确表示,测量就是一个得到指标体系的过程。
测量是有多种方法,这里介绍一种常用的,就是借助维度,对认知对象的各个属性进行拆分。
比如说,怎么评价一个人的职场优势?
北森公司就提供了一个测评方法,分了5个维度,分别是动机能量、思维决策、情感成熟度、人际互动、任务执行。
但是“动机能量”也很复杂,那就再分维度。北森公司继续分拆动机能量,具体来说,就是成功愿望、权力动机、亲和动机和活力四个维度。这样,找合适的指标的难度就降低了。
当这些维度确定好了,所获得的就是唯一答案吗?并非如此。
很多事物,人的认识不一致、角度不一致、目的不一致,维度的选取也就不一致。
如何分解维度反映了我们如何理解事物。确定了维度,也就确定了要测量的指标。
不过,虽然划分维度的方案有很多种,但并不是说维度和指标可以随意选择。在划分维度、选择指标时,我们至少要遵循两个原则:
第一,边际效应最大化原则。
多增加一个指标是不是更好的说明了认知对象。如果是,那就增加;如果没有更好的说明认知对象,那就不需要增加。
第二,可靠性原则,也叫“信度”。
保证每次测量都能得到稳定的结果。前几年,国内有一家主流电视媒体做了一个报道,记者在田间街头随意拦截一些人,问对方:“你幸福吗?”有的人就误会了,回答说:“我姓曾。”这说明,不是每次测量都保证测量的就是幸福。这样做调查,就是可靠性不达标,或者说信度不达标。
真实的情况是,对于一个认知对象,大家会各自提出自己的指标体系,相互竞争,最后迭代出一个共识的方案。
怎么保证你测量的就是你想测量的呢?有三种思路:
第一,考虑关联性。
比如,当初清华大学的国学大师们出考题,考题是对联。因为这些大师认为,对联的水平与国学水平有关,测量对联水平就是在测量国学水平。
第二,考虑结构性。
很多变量在理论上是有联系的,如果有证据证明了这种联系,我们就可以说自己的测量是有效的。
比如,我们用某种方式测量了“婚姻满意度”,如果婚姻不忠诚,对婚姻的满意度就不会高,这两个变量应该是密切相关的。所以,我们就可以看看测量的结果与婚姻忠诚度这个变量之间的关系。如果确实是相关的,我们对婚姻满意度的测量很可能是有效的;如果不相关,那就很可能无效。
第三,考虑完备性。
测量的内容是不是全面包含了要认知的对象。比如测量数学能力,但是出的都是代数方面的题目,没有几何方面的,就很难说服大家这个测量全面考察了数学能力。
事实上,之所以有这么多方法,就是因为没有什么办法可以确保测量的有效性。这正是我们面对的困境。
网友评论