自己評価をどのように客観的に評価するのか

３月、４月は人事評価の時期という企業は多いと思います。

評価には自己評価と客観評価があると思いますが、自己評価には個人差があります。
アンケートも同様かと思いますが、過小評価をしがちな人、逆に過大評価をしがちな人に加え、項目や質問形式によって回答が異なるようなケースにおいては、どのようにそのデータを解釈するのが良いのでしょうか。

できる限りKKDによらないデータ分析をするには、より多くの客観データを収集することや、データの補正が有効です。

客観データの収集

３６０度評価や、達成度をできる限り定量化する方法が挙げられます。客観データをより多く分析に用いることで、評価の妥当性を高めます。

ただ、実際には客観データを集めるのは難しく、また客観データに対しても本当に客観的であるかは怪しく、評判、印象で左右されるケースも多くあります。
同ランクに極めて優秀な人が揃っている集団の中では目立たない人も、ローパフォーマーが揃っている集団の中では客観評価が高くなることはあると思います。また、年次の情報がバイアスとしてかかってしまうこともあります。
そうなると、目標設定の定量化を客観的かつ妥当性のあるものにする必要がありますが、それも難しい。

一つの改善策として、基準値をベースとした補正や対照群の設定などによる補正が挙げられます。

データの補正

平均的な群と比較したときに、その人や組織が選択した値のずれを算出し、バイアスを取り除くことで、データを補正する方法があります。
これにより、個々の過小評価や過大評価に対し、比較的妥当な統計数値として記録・評価することができます。

これについてもどのレイヤでバイアスがかかるか、を考え出すと非常に難しいと思います。
例えばある組織は自己評価が高い可能性もありますし、それが全体的にであればわかりやすいですが、ある特定項目に対してのみ傾向が現れるかもしれません。

一休の分析でも言われていましたが、定量的な傾向が見られたら実際にヒアリングをするなど、定性的な情報確認も併せて実施していくことで、分析の方法や補正のパラメータを修正していくことが重要かと思いました。

このような領域におけるデータ活用の難しさを感じましたが、研究や事例が増えてきている領域なので、継続的に調べてみようかと思います。