01.08.2013 Views

Big Five Plus - S-WoBA - Handelshögskolan i Stockholm

Big Five Plus - S-WoBA - Handelshögskolan i Stockholm

Big Five Plus - S-WoBA - Handelshögskolan i Stockholm

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Tabell 13.15. Fördelningen av staninepoäng<br />

Testpoäng, stanine Andel i normgruppen som har denna poäng,<br />

procent<br />

1 4<br />

2 7<br />

3 12<br />

4 17<br />

5 20<br />

6 17<br />

7 12<br />

8 7<br />

9 4<br />

Märk att denna fördelning enbart gäller i normgruppen. Om den testade gruppen t ex består av<br />

mycket kreativa personer får troligen dessa alla stanine > 5 i kreativitet.<br />

2. I utlåtandet görs distinktioner mellan dem som har stanine > 4. Tre grupper urskiljs bland<br />

dem: 5-6, 6-7 och 8-9. På så sätt uppnås målet att utlåtandet gör tydliga skillnader i den andel<br />

av de testade i varje skala som ligger på eller över medelvärdet.<br />

3. Det finns inte samma intresse av att göra åtskillnader inom gruppen som har stanine under<br />

medelvärdet. En profil med testpoäng finns också i rapporten. Denna kan användas om den<br />

informationen behövs.<br />

Jämfört med ett manuellt utlåtande har det datorgenererade den fördelen att all information tas<br />

med. Det kan lätt bli en ojämn täckning när testtolkaren ska skriva hela texten. Hans eller<br />

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 3 ges tre exempel på datorskapade utlåtanden på grundval av <strong>Big</strong> <strong>Five</strong> <strong>Plus</strong>.<br />

Varför så mycket bättre än traditionella test?<br />

Det finns tre skäl till att <strong>Big</strong> <strong>Five</strong> <strong>Plus</strong> 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> <strong>Plus</strong> 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> <strong>Plus</strong>. 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 />

137

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!