Oblasti, kde sa (ne)môžete stať expertom
Experti na predpovedanie akciového trhu a odborníci na finančné investovanie sa hrdia svojimi titulmi a názormi na vývoj trhu, ale už pomenej výsledkami svojich minulých predpovedí, ktoré sú v skutočnosti značne nepresné, ako bolo už mnohokrát vedecky dokázané. Táto nepresnosť je spôsobená doménou, oblasťou, v ktorej vykonávajú svoju činnosť a ktorá im nikdy neumožní úplnú spoľahlivosť predpovedí. Možno by vás veľmi prekvapilo, že aj v iných povolaniach, ktoré považujeme taktiež za čisto odborné a prevádzkované vzdelanými profesionálmi, ako napríklad rôzni iní konzultanti, sudcovia v anglosaskom právnom systéme, či klinickí psychológovia sú niekedy výsledky ich práce tiež na nečakane slabej úrovni.
Skutočnosť, či sa môžete alebo nemôžete stať expertom, ktorý dokáže riešiť a predpovedať určité problémy, nezávisí len od ľudí samotných. Veľmi veľkú úlohu zohráva doména (oblasť), v ktorej pôsobia. K týmto záverom prišlo mnoho výskumníkov a James Shanteau (1992) ich presne vymedzil. Na základe slabého výkonu expertov skúmal charakteristiky prostredia, v ktorých títo vykonávali svoju expertnosť. Za charakteristiky ktoré sú zodpovedné za slabý výkon považujeme nasledovné : dynamické podnety, rozhodnutia o správaní, nezhoda u expertov pri podnetoch, menej predikovateľné problémy, jedinečné úlohy, nedostupná spätná väzba, možnosť len subjektívnej analýzy, nerozložiteľný problém a nedostupné prostriedky na pomoc pri rozhodovaní. A naopak za dobré charakteristiky prostredia považujeme: statické podnety, rozhodnutia o veciach, zhoda expertov ohľadne podnetov, predikovateľné problémy, opakujúce sa úlohy, dostupná spätná väzba, možnosť objektívnej analýzy, problém rozložiteľný na časti a dostupné prostriedky na pomoc pri rozhodovaní. Tieto zistenia neskôr potvrdili mnohí iní vedci, medzi nimi aj nositeľ Nobelovej ceny za ekonómiu Daniel Kahneman spolu Gary Kleinom (2009).
Keď budeme uvažovať o týchto charakteristikách v kontexte pracovných oblastí , potom môžeme povolania rozdeliť tiež do dvoch kategórií. Ak vás zaujímajú ktoré sú to, tak uvedieme povolania, ktoré vybral Shanteu (1992). Všimnime si, že medzi poslednými miestami s dobrým aj slabým výkonom boli v minulosti rovnaké povolania (napr. lekári, alebo audítori). Príčinou je, že podávajú zmiešané výkony, teda aj dobré, aj slabé, no je u nich tendencia zlepšovať sa. V podstate všetky povolania a experti v nich začínajú najprv v slabých výkonoch. No keď sa oblasť rozvíja, pribúdajú nové poznatky, postupy a vedomosti, tak sa výkonnosť expertov tiež zvyšuje, viac sprofesionálňuje a potom sa objavujú aj dobré výkony. Všetky povolania v minulosti začínali v oblasti slabých výkonov a potom sa presunuli do dobrých výkonov. Dnes, vďaka zlepšeným pracovným postupom v medicíne a lepším diagnostickým možnostiam, sa už lekári ako aj zdravotné sestry nachádzajú v skupine dobrých výkonov. Poďme sa teda pozrieť na jednotlivé skupiny povolaní.
Slabé výkony boli pozorované u klinických psychológov, psychiatrov, sudcov amerického právneho systému, behavioránych výskumníkov, poradcov, personálnych manažérov, súdnych úradníkov, pracovníkov s detektorom lží, informačných analytikov, burzových maklérov a v osemdesiatych rokoch aj u zdravotných sestier, lekárov a audítorov. Naopak dobré výkony boli pozorované u meteorológov, posudzovateľov dobytka, astronómov, testovacích pilotov, posudzovateľov kvality pôdy, šachových majstrov, fyzikov, matematikov, účtovníkov, poistných analytikov a dnes už aj u zdravotných sestier, lekárov a audítorov.
To či je úroveň výkonu vysoká alebo nízka vieme zmerať rôznymi spôsobmi. Jeden z nich je zmeranie miery ako sa experti vzájomne zhodnú, keď riešia rovnaký problém. Na meranie zhody môžeme použiť okrem iných aj jednoduchú metódu korelácie, ktorá dosahuje hodnoty od 0 (experti sa vôbec nezhodli, resp. každý jeden odporúčal iné riešenie) po hodnotu 1 (všetci experti sa kompletne zhodli). Ako vidíme v nasledujúcej tabuľke s korelačnými koeficientmi miera vzájomnej zhody expertov je v jednotlivých povolaniach rôzna. Napríklad takmer všetci meteorológovia sa zhodli a ponúkli rovnaké riešenie simulovaného problému, no u burzových maklérov bola zhoda už ďaleko slabšia a na rovnakú úlohu ponúkali viacero odlišných riešení, čo si môžeme všimnúť samozrejme aj na Slovensku. Napríklad keď jeden významný slovenský ekonomický časopis požiadal 12 slovenských expertov na investovanie kam by odporučili klientom investovať voľné finančné prostriedky v priebehu roka, tak dostal viac než 12 úplne rôznych odporúčaní ! Takže vzájomná zhoda bola na úrovni 0.
Tabuľka č. 1 Priemerná korelačná zhoda u expertov v rozličných doménach. (Shanteau, 2001).
Na Slovensku som testoval zhodu personálnych manažérov, ktorí boli požiadaní aby určili významnosť jednotlivých výberových metód používaných pri výbere uchádzačov ako napr. výsledky IQ testov, štruktúrovaný pohovor a iné. Následne sa skúmala miera vzájomnej zhody medzi personálnymi manažérmi. Zistil som, že miera vzájomnej zhody bola r = 0,54, čo znamená priemerný výkon a zhodu (Hanák, 2010).
Ako vidíme v hore uvedených tabuľkách, doména, v ktorej pôsobia odborníci veľmi ovplyvňuje to, či sa z nich môžu stať experti, ktorí dokážu s vysokou pravdepodobnosťou predpovedať budúce udalosti. Keď pracujú v prostredí zo zlými charakteristikami, tak aj vzájomná zhoda medzi nimi je menšia a nie je to ich osobná chyba, alebo nedostatočná kvalifikácia. V takomto prostredí objektívne nie je v ľudských silách získať expertnosť, ktorá nezávisí od nich. Preto pri posudzovaní kto je alebo nie je expert, je nevyhnutné sledovať aj oblasť pôsobenia, pretože tá má objektívne väčší vplyv než vlastnosti ľudí, ktorí sa o expertnosť snažia.
obrázok zdroj: http://romneyeconomics.com/category/uncategorized/
Ing. Mgr. Róbert Hanák, PhD.
Autor je výskumným pracovníkom Ústavu experimentálnej psychológie SAV a odborným asistentom na Katedre informačného manažmentu EU v Bratislave.
Skutočnosť, či sa môžete alebo nemôžete stať expertom, ktorý dokáže riešiť a predpovedať určité problémy, nezávisí len od ľudí samotných. Veľmi veľkú úlohu zohráva doména (oblasť), v ktorej pôsobia. K týmto záverom prišlo mnoho výskumníkov a James Shanteau (1992) ich presne vymedzil. Na základe slabého výkonu expertov skúmal charakteristiky prostredia, v ktorých títo vykonávali svoju expertnosť. Za charakteristiky ktoré sú zodpovedné za slabý výkon považujeme nasledovné : dynamické podnety, rozhodnutia o správaní, nezhoda u expertov pri podnetoch, menej predikovateľné problémy, jedinečné úlohy, nedostupná spätná väzba, možnosť len subjektívnej analýzy, nerozložiteľný problém a nedostupné prostriedky na pomoc pri rozhodovaní. A naopak za dobré charakteristiky prostredia považujeme: statické podnety, rozhodnutia o veciach, zhoda expertov ohľadne podnetov, predikovateľné problémy, opakujúce sa úlohy, dostupná spätná väzba, možnosť objektívnej analýzy, problém rozložiteľný na časti a dostupné prostriedky na pomoc pri rozhodovaní. Tieto zistenia neskôr potvrdili mnohí iní vedci, medzi nimi aj nositeľ Nobelovej ceny za ekonómiu Daniel Kahneman spolu Gary Kleinom (2009).
Keď budeme uvažovať o týchto charakteristikách v kontexte pracovných oblastí , potom môžeme povolania rozdeliť tiež do dvoch kategórií. Ak vás zaujímajú ktoré sú to, tak uvedieme povolania, ktoré vybral Shanteu (1992). Všimnime si, že medzi poslednými miestami s dobrým aj slabým výkonom boli v minulosti rovnaké povolania (napr. lekári, alebo audítori). Príčinou je, že podávajú zmiešané výkony, teda aj dobré, aj slabé, no je u nich tendencia zlepšovať sa. V podstate všetky povolania a experti v nich začínajú najprv v slabých výkonoch. No keď sa oblasť rozvíja, pribúdajú nové poznatky, postupy a vedomosti, tak sa výkonnosť expertov tiež zvyšuje, viac sprofesionálňuje a potom sa objavujú aj dobré výkony. Všetky povolania v minulosti začínali v oblasti slabých výkonov a potom sa presunuli do dobrých výkonov. Dnes, vďaka zlepšeným pracovným postupom v medicíne a lepším diagnostickým možnostiam, sa už lekári ako aj zdravotné sestry nachádzajú v skupine dobrých výkonov. Poďme sa teda pozrieť na jednotlivé skupiny povolaní.
Slabé výkony boli pozorované u klinických psychológov, psychiatrov, sudcov amerického právneho systému, behavioránych výskumníkov, poradcov, personálnych manažérov, súdnych úradníkov, pracovníkov s detektorom lží, informačných analytikov, burzových maklérov a v osemdesiatych rokoch aj u zdravotných sestier, lekárov a audítorov. Naopak dobré výkony boli pozorované u meteorológov, posudzovateľov dobytka, astronómov, testovacích pilotov, posudzovateľov kvality pôdy, šachových majstrov, fyzikov, matematikov, účtovníkov, poistných analytikov a dnes už aj u zdravotných sestier, lekárov a audítorov.
To či je úroveň výkonu vysoká alebo nízka vieme zmerať rôznymi spôsobmi. Jeden z nich je zmeranie miery ako sa experti vzájomne zhodnú, keď riešia rovnaký problém. Na meranie zhody môžeme použiť okrem iných aj jednoduchú metódu korelácie, ktorá dosahuje hodnoty od 0 (experti sa vôbec nezhodli, resp. každý jeden odporúčal iné riešenie) po hodnotu 1 (všetci experti sa kompletne zhodli). Ako vidíme v nasledujúcej tabuľke s korelačnými koeficientmi miera vzájomnej zhody expertov je v jednotlivých povolaniach rôzna. Napríklad takmer všetci meteorológovia sa zhodli a ponúkli rovnaké riešenie simulovaného problému, no u burzových maklérov bola zhoda už ďaleko slabšia a na rovnakú úlohu ponúkali viacero odlišných riešení, čo si môžeme všimnúť samozrejme aj na Slovensku. Napríklad keď jeden významný slovenský ekonomický časopis požiadal 12 slovenských expertov na investovanie kam by odporučili klientom investovať voľné finančné prostriedky v priebehu roka, tak dostal viac než 12 úplne rôznych odporúčaní ! Takže vzájomná zhoda bola na úrovni 0.
Tabuľka č. 1 Priemerná korelačná zhoda u expertov v rozličných doménach. (Shanteau, 2001).
| Vysoké úrovne výkonu | Nízke úrovne výkonu | ||
| Rozhodnutia prostredníctvom pomôcok | Kompetentné | Obmedzené | Náhodné |
| Meteorológovia | Hodnotitelia dobytka | Klinickí psychológovia | Burzoví makléri |
| r = 0.95 | r = 0.5 | r = 0.4 | r = 0.32 |
| Audítori | Hodnotitelia obilnín | Patológovia | Pracovníci s detektorom lži |
| r = 0.76 | r = 0.60 | r = 0.55 | r = 0.33 |
Na Slovensku som testoval zhodu personálnych manažérov, ktorí boli požiadaní aby určili významnosť jednotlivých výberových metód používaných pri výbere uchádzačov ako napr. výsledky IQ testov, štruktúrovaný pohovor a iné. Následne sa skúmala miera vzájomnej zhody medzi personálnymi manažérmi. Zistil som, že miera vzájomnej zhody bola r = 0,54, čo znamená priemerný výkon a zhodu (Hanák, 2010).
Ako vidíme v hore uvedených tabuľkách, doména, v ktorej pôsobia odborníci veľmi ovplyvňuje to, či sa z nich môžu stať experti, ktorí dokážu s vysokou pravdepodobnosťou predpovedať budúce udalosti. Keď pracujú v prostredí zo zlými charakteristikami, tak aj vzájomná zhoda medzi nimi je menšia a nie je to ich osobná chyba, alebo nedostatočná kvalifikácia. V takomto prostredí objektívne nie je v ľudských silách získať expertnosť, ktorá nezávisí od nich. Preto pri posudzovaní kto je alebo nie je expert, je nevyhnutné sledovať aj oblasť pôsobenia, pretože tá má objektívne väčší vplyv než vlastnosti ľudí, ktorí sa o expertnosť snažia.
- SHANTEAU, J. 1992. Competence in experts. The role of task charakteristics. Organizational behaviour and human decision processes 53, p. 252 -266
- Kahneman, D., Klein, G. 2009. Conditions for intuitive expertise. American Psychologist, Vol. 64., N.6, p 515 -526
- HANÁK, R. 2010. Expert differences in setting cues for personnel selection.In Ekonomický a Sociálny Rozvoj Slovenska: medzinárodná vedecká konferencia Vysokej školy ekonómie a manažmentu verejnej správy v Bratislave, Bratislava, 2010. Str. 32, rozsah strán : 8
- SHANTEAU, J. 2001. What does it mean when experts disagree ? In: Salas, E. – Klein, G. (Eds.) Linking expertise and naturalistic decision making. Mahwah, N. J.: Lawrence Erlbaum Associates
obrázok zdroj: http://romneyeconomics.com/category/uncategorized/
Ing. Mgr. Róbert Hanák, PhD.
Autor je výskumným pracovníkom Ústavu experimentálnej psychológie SAV a odborným asistentom na Katedre informačného manažmentu EU v Bratislave.
Views: 28