如果您无法下载资料,请参考说明:
1、部分资料下载需要金币,请确保您的账户上有足够的金币
2、已购买过的文档,再次下载不重复扣费
3、资料包下载后请先用软件解压,在使用对应软件打开
评价模型和评价策略来源:培训界http://www.peixunjie.com价值和评价过程在开始讨论评价模型和评价策略之前,有必要考虑一下评价发生的情境。对评价者、受训者、组织中的决策者和培训者来说,他们的价值观和态度都是各不相同的。重要的一点是必须指出这些价值和态度确实影响关于评价的决策和评价所产生的数据。另外一些更多的因素可能被某些评价设计所控制。比如,医药研究者使用一种实验设计以使调查者不知道哪个病人服用的是真正的药,而哪个病人服用的是安慰剂。越来越多的人意识到在做研究时我们所有的决策都会影响到研究本身。这种观点在教育中经常被认为是一个法则。有人甚至认为即使进行评价,这个决定也会影响到数据的收集。Cochran用下面关于GrandmaMoses的故事说明了这个观点:有报道说有一次GrandmaMoses告诉一个在展览中购买了她早期画作的艺术品购买者说她家里还有同样类型的15幅画。购买者在没有看到画的情况下就全部购买,并且每幅的价格和展览中一样。第二天到她家中取画的时候,他发现Grand-maMoses用锯子把其中的一幅画锯成两部分。原来她回家后发现她只有14幅画,在不愿意违背她自己所说的数目的情形下,她采用这种方法修正了矛盾。在一个与工作组织更加相关的例子中,Cochran也指出当组织发现在评价中使用某些数字时,使用的数字标准也发生了某种程度的改变。比如,有一个降低犯罪率的项目,所使用的数字标准是盗窃的数量达到50美元或者以上,这是《统一犯罪法案》所指定的标准。有时候,在实际并没有发生变化的情形下,统计数据显示出犯罪率有所下降。有些场合下是感觉到的压力导致了数字的偏差,而有些情形原因更加微妙。盗窃数字是根据偷盗物的价值来进行估算的,而偷盗物是计件的。因此,在计算实际偷盗量时就有一个估价的过程。许多心理学家指出在这类型判断中有许多因素影响到使用的标准,比如情景因素和研究的目的等因素。这些类型的干扰会严重影响对培训效果的评价。有一个例子,整个城市的警察都受到媒体的公开批评,并要求重新接受培训。大部分人员都认真对待这种批评,但有一些人则“非常生气,对于要接受的培训,有些人迟到或根本不来,有些人则来了之后读报纸”。在另外一个研究中,研究程序要求在78名受训的警察中给控制组分配24名。结果想被分配在控制组而没有如愿的人,表现出极大的不满,或者退出或者对研究的调查者给出了口头批评。这些问题中最重要的一点是必须认识到受训者是有认知和情感的人,他们更加关注自己和所属组织的关系。培训和评价对他们来说是一种对其生活的干预。在一些场合,参加培训实际上决定了一个人是否有可能得到晋升。培训发生在特定的情境中,即组织中。因此,培训对受训者和组织来说都是存在干预的诸多系统中的一个子系统。在本章中讨论的许多评价模型都反映了这些问题。有关标准建立的介绍选择测量的标准管理心理学家关注人员的选拔问题。他们建立计划的基础是有能够测量或预测工作成功的标准。培训项目的使用者和设计者面对的选择是什么方法可以确定培训项目的有效性。在某些场合,培训项目是用来预测工作成功的工具。在这种情形下,评价者试图建立起培训项目中的表现和工作中表现之间的联系。在另外一个模式下,培训评价者的关心的是接受培训的人是否在工作中表现出培训中学习的东西,这种表现和参加别的培训或根本不参加培训的人到底有什么区别。在所有的这些情形下,成功的测量都是判断程序价值的标准。即便是设计非常好的程序,无论使用了多么复杂的设计,其基础必须建立在所选用的适当标准上。另外一个问题是在培训中选择的测量和在接下来的工作中选择的测量之间究竟是什么关系。Campion等人指出有一个培训项目可以帮助进人工作中的人获得面谈技能。学员对培训表现出非常积极的态度,在一个文章测验中显示出他们已经掌握了所教的原理。然而,评价中却发现他们在随后工作中的表现和没有参加培训的人之间没有显著不同。这些研究者仔细设计的评价说明了这种现象产生的原因,可能是培训时间太短,没有来得及产生行为的改变,即使他们在书面测验中表示出他们已经学会了原理。最重要的一点是评价为研究者提供信息,使他们知道了培训的影响和应该考虑到的变化。另外,这些调查仔细设计了获得相关信息的测量标准。在许多情况下,因为组织目标非常复杂,很难测量,所以选择标准时即面临很难解决的问题。以幽默的方式描绘了选择标准的整个过程。下面是一个简化的版本:1.心理学家预感(或洞察)到有问题存在,他们能够帮助解决这个问题。2.他们阅读了一个关于工作的模糊描述。3.在这些微弱的刺激下,他们形成了一个关于最终标准的模糊的概念。4.他们设计了如何进行测量,以使他们能够获得关于设定标准的满意的组成成分。5.他们判断这种测量的关联性,也即在多大程度上既不会不足,也不会