Bortom_Big_Five_28_nov_noc _pm_metod.pdf - Från One.com
Bortom_Big_Five_28_nov_noc _pm_metod.pdf - Från One.com
Bortom_Big_Five_28_nov_noc _pm_metod.pdf - Från One.com
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
hennes speciella idéer kan färga av sig på texten. Den s.k. haloeffekten påverkar ofta, dvs. ett<br />
globalt positivt eller negativt intryck av en person, kanske efter en intervju, slätar ut nyanserna<br />
och tillrättalägger utlåtandet. Bilden av en person är sällan helt konsistent om man ser till<br />
testvärdena, och motsägelser är vanliga hos människor. Det är viktigt att utlåtandet återger<br />
också denna grundläggande aspekt på människors fungerande. Uppgiften att skapa många<br />
utlåtanden är tröttande och risken för förenklade och stereotypa formuleringar är uppenbar.<br />
I Bilaga 4 ges tre exempel på datorskapade utlåtanden på grundval av <strong>Big</strong> <strong>Five</strong> Plus.<br />
Varför så mycket bättre än traditionella test?<br />
Det finns tre skäl till att <strong>Big</strong> <strong>Five</strong> Plus är dramatiskt bättre än ett vanligt personlighetstest.<br />
1. Den traditionella FFM-modellen är kognitivt orienterad och den testade rapporterar<br />
om sig själv i ett utifrånperspektiv. <strong>Big</strong> <strong>Five</strong> Plus lägger till viktiga dimensioner som<br />
mäter emotioner och gör det från ett inifrånperspektiv. ”En sådan person är jag” är den<br />
traditionella ansatsen. ”Så här känner jag mig” är <strong>Big</strong> <strong>Five</strong> Plus. Det handlar om struktur<br />
kontra dynamik, om man så vill. Omfattande forskning har visat hur viktigt det dynamiska<br />
och emotionella perspektivet är, inte minst i arbetslivet. FFM tenderar att<br />
fastna i de semantiska nyanserna i det språk vi använder för att beskriva oss själva och<br />
andra. Det har ett visst intresse, men räcker inte särskilt långt, som resultaten i denna<br />
rapport har visat. Ett slående exempel är att dimensionerna i FFM-modellen inte har<br />
något samband med arbetsvilja.<br />
2. FFM-dimensionerna är uttryck för variation mellan människor som är abstrakt och<br />
övergripande. De personlighetsvariabler som ger viktiga tillskott till förklaringen av<br />
arbetsrelaterade dimensioner är emellertid betydligt smalare och mera fokuserade.<br />
Jämför t ex Vänlighet med Samarbetsvilja (omvändningen av Passiv Aggression). Tabell<br />
13.5 visar att Vänlighet ger ett ytterst litet tillskott till förklaring och förståelse av<br />
arbetsmotivation mm, medan Samarbetsvilja dominerar i tabellen och är den bästa enskilda<br />
förklarande variabeln. Samarbetsvilja mäter i sin omvändning social dysfunktion<br />
i arbetet, och inte som Vänlighet en mera allmän social attityd. De smalare och<br />
mera fokuserade variablernas överlägsenhet som så tydligt kommit fram i de studier<br />
som redovisas här, är ett specialfall av överlägsenheten hos proximala variabler jämförda<br />
med distala sådana. Det finns många exempel på hur detta fungerar, också från<br />
ett närliggande område som attitydmätning [251].<br />
3. Korrektionen för skönmålning gör dessutom att de testade inte kan ge en felaktig bild<br />
av sig själva, även om de försöker. Därigenom uppnås ännu bättre validitet, och rättvisa.<br />
Det går inte att bluffa sig till ett jobb eller en utbildning, och personer som är ärliga<br />
(många kvinnor) missgynnas inte längre. Observera dock att korrektionen måste göra<br />
på ett systematiskt, kraftfullt och empiriskt beprövat sätt, som i <strong>Big</strong> <strong>Five</strong> Plus, och utvärderas<br />
i förhållande till en stabil och omfattande normdatabas.<br />
137
Change language