Softskills zijn in toenemende mate van belang bij het werven, selecteren, opleiden en laten doorstromen van personeel. Om op gedegen wijze de softskills van kandidaten in kaart te brengen heeft iamprogrez de Skill Builder ontwikkeld.
De Skill Builder maakt (o.a.) gebruik van het HEXACO model (Kibeom Lee, Ph.D., & Michael C. Ashton, Ph.D., 2009). Het HEXACO model ontmoet verschillende persoonlijkheidskenmerken die binnen zes dimensies onder te verdelen zijn: Eerlijkheid- Nederigheid (Integer), Emotionaliteit (gevoelig), Extraversie (extravert) Agreeableness (verdraagzaam), Consciëntieusheid (toegewijd) en Openheid voor ervaring (open). Het HEXACO model is opgesteld als opvolger van het meer bekende Big Five vijffactorenmodel en is tot stand gekomen door de individuele eigenschappen opnieuw te onderzoeken, waar deze herverdeling uit is voortgekomen.
In totaal meten we in de Skill Builder 46 individuele kenmerken, die in een bepaalde samenstelling een domein vertegenwoordigen. Het HEXACO model geeft inzicht in een tal van vaardigheden, eigenschappen en werkwijzen. Door een individu hierop te scoren wordt er per individu inzichtelijk wat zijn of haar softskill voorkeuren zijn. De vragen van het HEXACO assessment hebben betrekking op kwaliteiten, vaardigheden, eigenschappen en interesses. De deelnemers krijgen vragen waarmee zij hun voorkeuren in verschillende situaties kunnen aangeven. Door de grote diversiteit die we aan softskills in het assessment meten, ontstaat voor elke deelnemer een uniek profiel. De gemeten softskills bepalen uiteindelijk de vorm van het profiel met het bijbehorende voorkeursgedrag.
Bij de meting maken we gebruik van een ipsatieve meting, Likertschaal meting en een summatieve meting. Bij de ipsatieve meting komt een valide meting tot stand door gebruik te maken van de forced choice benadering. Een Likertschaal meting bestaat uit een aantal schaalpunten waarbij de respondent een gradatie geeft in hoeverre de stelling van toepassing is. Likertschaal vragen zijn valide in een meting door data-analyses te gebruiken als controle. Met de summatieve meeting geven we extra diepgang in de beoordeling.
Tevens classificeren we de summatieve antwoorden in de beoordelingen door gebruik te maken van een machine learning algoritme. Dit algoritme wordt getraind op eigen, in de beoordelingen vergaarde gegevens. Daarbij trekken we een vergelijking met de score en de antwoorden van de ipsatieve meting en de normatieve antwoorden.
Met onze moderne databenadering en aanpak binnen onze assessments monitoren we continu de validiteit van de vragenlijst. Regelmatig vindt er dan ook een herformulering van de vragen en/of de uitkomsten plaats waarbij we streven naar een optimale validiteit. Ook verrichten we zuivere metingen: wij passen de assessments aan om aan te sluiten op de specifieke context van onze klanten. Hiervoor stellen wij de vragen samen vanuit een gevalideerde pool van standaardvragen, waarvan we de context aan laten sluiten op die van de klant.
