Ik ben al lang geïnteresseerd in hoe je betere selectiebeslissingen maakt. Jij misschien ook?

In de podcastreeks over het "gestructureerd interviewen" duiken we in deze aflevering dieper in op het verbeteren van selectiebeslissingen vanuit een wetenschappelijk perspectief. En onze gast is professor Marvin Neumann van de Vrije Universiteit Amsterdam.

Een interessant onderwerp dat we gaan bespreken is hoe beslissers informatie combineren om prestatievoorspellingen te doen en beslissingen te nemen over aanwervingen. Uit onderzoek blijkt dat er meer geldige voorspellingen worden gedaan wanneer informatie algoritmisch wordt gecombineerd, in plaats van op basis van de intuïtie van de beslisser. Maar waarom zien we dan toch zo weinig gebruik van algoritmen in de praktijk?

Een beslissingsalgoritme is eigenlijk gewoon een gestructureerde manier om beslissingen te nemen. Het is een reeks stappen of regels die je kunt volgen om een keuze te maken. Bijvoorbeeld, voor het selecteren van een kandidaat voor een baan, zou een beslissingsalgoritme criteria vaststellen, zoals welke opleiding, ervaring, competenties en attitudes nodig zijn en elke kandidaat beoordelen op deze criteria. Omdat niet elk criterium even belangrijk is wegen we deze scores en rekenen we het totaal uit om hiermee de beste keuze te maken.

Marvin Neumann, heeft onderzoek gedaan naar dit vraagstuk.

Uit zijn onderzoek blijkt dat beslissers beter worden beoordeeld als ze hun eigen algoritmen gebruiken in plaats van voorgeschreven algoritmen. Ook maken ze zich minder zorgen over wat anderen denken en gebruiken ze vaker deze eigen algoritmen, wat leidt tot betere voorspellingen. Dus, het onderzoek van Marvin laat zien hoe belangrijk het is om je eigen algoritmen te gebruiken voor betere selectiebeslissingen. Laten we eens luisteren naar zijn bevindingen.

Voor meer informatie: www.schoolforrecruitment.be, www.dynamo.be of www.sliminterviewen.be

Ook te beluisteren op je favoriete speler: Spotify, Apple Podcast, Google Podcast, Edge, ...