¿Cómo la porción de sesgo de la contaminación de criterio contribuye a un coeficiente de validez espumoso?

Anteriormente, el término criterio de contaminación se definía como la parte del criterio real que no se superponía con el criterio final. Además, se señaló que el criterio de contaminación consiste en dos partes, error y sesgo. Error, por definición; por lo general, se considera una variación aleatoria y no puede, excepto por casualidad, correlacionarse con nada, incluida la variable predictiva. Sin embargo, la porción de sesgo de la contaminación de criterio es una variación sistemática, y puede correlacionarse con el predictor. Esto se puede ver en nuestro modelo, donde la contaminación correlacionada con el predictor (que, por lo tanto, debe ser un sesgo correlacionado con el predictor) contribuye a una validez obtenida de manera espumosa.

¿Qué tipo de sesgo es probable que entre en la contaminación de criterio y qué tipos también están correlacionados con la variable predictiva? Quizás la definición formal de sesgo de criterio de Brogden y Taylor (1950) ayude a responder esta pregunta.

Definen el sesgo en términos de "cualquier variable, excepto los errores de medición y error de muestreo, que producen una desviación de las puntuaciones de criterios obtenidas de una puntuación de criterios" verdadera "hipotética. La figura 6.4 ilustra este punto. Dichos factores de sesgo son más frecuentes de lo que uno podría sospechar y deben protegerse de cerca. Pueden ocurrir debido a una variedad de circunstancias y en función de una serie de variables.

1. Sesgo de oportunidad:

Este tipo de sesgo de criterio se refiere a aquellas situaciones en las que factores que están fuera del control del trabajador influyen considerablemente en la cantidad producida. Ejemplos de sesgo de oportunidad son numerosos. En el trabajo de ventas, el territorio particular o el contador de ventas pueden afectar el volumen de ventas de un empleado, tal vez incluso más que su propia capacidad. En el trabajo de fábrica, el sesgo de oportunidad se puede atribuir a cosas tan simples como la calidad de las herramientas y la condición de la maquinaria que tiene un trabajador, ya sea que trabaje el turno de día o el turno de noche, donde se encuentra su estación de trabajo, qué tan bueno Su iluminación es, y una variedad de otras variables.

En resumen, a menos que los entornos de trabajo y los trabajos sean idénticos, la comparación de los registros de desempeño laboral entre individuos tiene sus limitaciones. Si el rendimiento del trabajo se correlaciona con los dispositivos predictores en tales circunstancias, uno no tiene forma de saber realmente si la correlación resultante es una correlación con el rendimiento real del trabajo o es principalmente una correlación con, por ejemplo, la calidad de la estación de trabajo. Si bien el sesgo de oportunidad no se correlaciona necesariamente con el predictor, incluso si está libre de predictores, tendrá una influencia en la validez obtenida.

A menudo se pueden encontrar otros ejemplos más sutiles de sesgo de oportunidad mediante un examen más detallado de las validades predictoras de elementos como la edad y la experiencia. En muchos puestos de trabajo, las personas mayores y que tienen más experiencia obtienen mejores puntajes de desempeño simplemente debido a circunstancias de antigüedad sindical, ya que estas personas obtienen mejores estaciones de trabajo, mejores contadores de ventas, etc.

2. Sesgo característico del grupo:

Otra fuente importante de sesgo de criterio se refiere a las características del grupo al que pertenece una persona. Por ejemplo, si una persona pertenece a un grupo que limita artificialmente la productividad de sus miembros, habrá una clara desviación de los datos de criterio. De manera similar, si una persona pertenece a un grupo que ha sido preseleccionado sobre una base a priori, y si ese grupo se compara con un grupo que no está tan seleccionado, cualquier variable de selección relacionada con la variable a priori es apta para mostrar validez falsa.

Brogden y Taylor (1950) dan un ejemplo de la situación en la que un ejecutivo ha decretado que todos los empleados de oficina deben tener una educación secundaria. Si, para propósitos de validación de pruebas, un grupo de empleados actuales se compara con una muestra de solicitantes de empleo, ¡es casi seguro que cualquier predictor que pueda correlacionarse con la cantidad de educación demostrará validez!

El problema de la edad y la permanencia en el trabajo es otra ilustración del sesgo de oportunidad. Cuando el trabajo es uno en el que la productividad tiende a aumentar con la experiencia adicional y donde existe una amplia gama de experiencia (es decir, hay empleados con experiencia y sin experiencia), es inevitable que el criterio (productividad) y la experiencia estén correlacionados . Por lo tanto, el criterio está sesgado por la característica de la experiencia, y cualquier predictor que pueda correlacionarse con la experiencia tiende a terminar con una validez espumosamente alta.

3. Sesgo en las calificaciones:

Uno de los criterios empleados con mayor frecuencia en la industria, una calificación de competencia por parte de los supervisores, también está sujeto a sesgos. Cabe señalar aquí que todas las fuentes habituales de sesgo en los registros de producción también pueden sesgar las calificaciones de las competencias individuales. ¿Pueden los supervisores, al hacer sus calificaciones de competencia, hacer ajustes por oportunidades desiguales entre los que están siendo calificados? Si pueden, entonces sus calificaciones llevarán a un criterio menos sesgado de lo que sería el registro de producción real.

El efecto de sesgo más frecuentemente citado en las calificaciones es el fenómeno conocido como "efecto halo". En resumen, se refiere a la situación en la que un evaluador considera que una persona es destacada en todos los rasgos simplemente porque él (la persona que se está evaluando) posee una pendiente característica.

Por ejemplo, si una persona se ha desempeñado de manera sobresaliente en un aspecto del desempeño laboral, se cometería un error de halo si asumimos que la persona también debe ser buena en todos los demás aspectos de su trabajo. Los errores de halo a menudo ocurren cuando se le pide a un evaluador que califique a individuos con características agradables de personalidad ("Si una persona es buena, también debe ser capaz") ​​y características agradables ("Si una chica es bonita, también debe ser talentosa"). Por supuesto, las pruebas que se correlacionan altamente con las calificaciones que tienen un sesgo de halo pueden estar simplemente correlacionadas con la variable halo en lugar de con la competencia "verdadera" del trabajo.

4. Conocimiento del sesgo predictivo:

Cuando los datos del criterio se obtienen utilizando las calificaciones, el error más grave que puede ocurrir es que el evaluador tenga un conocimiento previo de las puntuaciones del predictor. Esto se conoce como conocimiento del sesgo predictor. Si un evaluador conoce los puntajes que obtuvieron las personas en la variable predictiva, es totalmente posible que pueda dejar que sus criterios de criterio se vean influenciados por este conocimiento. Tal error puede causar un aumento de una naturaleza completamente espuria en la validez obtenida.

Desafortunadamente, este tipo de error no solo es el más grave en las clasificaciones de criterio (ya que, por definición, es un sesgo que siempre estará correlacionado como predictor), sino que también es uno de los errores más frecuentes. Los ejemplos son quizás los más fáciles de encontrar en entornos escolares, donde los maestros formulan juicios sobre el talento académico de sus estudiantes después de haber visto los resultados de sus exámenes de ingreso.

No se puede dejar de enfatizar la necesidad estricta de mantener la información del predictor aislada de los individuos que proporcionan datos de criterios. Por lo tanto, a los supervisores nunca se les debe permitir el acceso a los puntajes de la batería de prueba del solicitante. Una vez que se produce dicho sesgo de contaminación, cualquier intento posterior de validar la prueba empíricamente puede dar como resultado coeficientes de correlación inflados en exceso.