CHRO/HRD pregunta: ¿Por qué no compartimos datos sobre personas concretas?

TL;DR:

  • Riesgo de sesgos e interpretaciones erróneas
  • Se requiere conocimiento psicométrico especializado
  • La esencialización y el etiquetado perjudican a las personas
  • Compartirlos puede causar daño
  • La empresa recibe efectos y recomendaciones, no cifras en bruto

¿Por qué Empatyzer no comparte datos de personas concretas?

Empatyzer traduce el conocimiento sobre los demás en consejos prácticos para la colaboración diaria, en lugar de proporcionar a los usuarios los diagnósticos completos y los resultados brutos de otra persona.

Funciones que pueden ayudarte:

  • Consejos: Proporcionan consejos funcionales para trabajar con una persona específica, centrados en lo que puede ayudar a la relación.
  • Comparación: Muestra las diferencias entre dos personas de forma relacional, para que el usuario comprenda el mecanismo sin tener acceso al perfil completo de otra persona.

No compartimos resultados individuales en bruto porque, por sí solos, aportan poco valor para la toma de decisiones sin una interpretación profesional. Interpretarlos correctamente exige competencias psicométricas y conocimiento del contexto; sin ello es fácil sacar conclusiones equivocadas. Si una empresa recibiera perfiles individuales, aumentaría el riesgo de sesgos, simplificaciones y esencialización de las personas. Etiquetar a alguien a partir de unos pocos indicadores refuerza prejuicios y puede dañar carreras y relaciones dentro del equipo. En lugar de números en bruto, Empatyzer entrega un efecto agregado y recomendaciones prácticas listas para usar: procesa los datos de forma segura y no enjuiciadora y genera consejos ajustados a la relación y al contexto. Publicar resultados en bruto también elevaría el riesgo de uso indebido en evaluaciones anuales, selección o dinámicas internas. Los datos a nivel individual son además susceptibles a errores de interpretación incluso por profesionales con experiencia, por eso proporcionamos agregados y tendencias. Los agregados permiten identificar riesgos culturales, temas de formación y áreas de intervención sin comprometer la privacidad. Además, el contenido de las conversaciones está protegido: no se comparte con mandos ni con RR. HH., y las cuentas y los datos pueden eliminarse o retirarse. Esta política aumenta la confianza y la adopción, condición necesaria para que la herramienta funcione a nivel organizativo. En síntesis: protegemos a las personas de posibles daños y entregamos a la empresa un resultado útil en lugar de cifras en bruto fáciles de malinterpretar o abusar.

No compartimos datos individuales para evitar sesgos, proteger la privacidad y ofrecer a la empresa un efecto práctico en lugar de resultados en bruto.

Fuentes e investigación

  1. American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for Educational and Psychological Testing. American Educational Research Association. Source
  2. Amos Tversky; Daniel Kahneman (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124–1131. https://doi.org/10.1126/science.185.4157.1124 DOI: 10.1126/science.185.4157.1124
  3. William M. Grove; David H. Zald; Boyd S. Lebow; Beth E. Snitz; Chad Nelson (2000). Clinical versus mechanical prediction: A meta-analysis. Psychological Assessment, 12(1), 19–30. https://doi.org/10.1037/1040-3590.12.1.19 DOI: 10.1037/1040-3590.12.1.19
  4. DeYoung, C. G., Quilty, L. C., & Peterson, J. B. (2007). Between facets and domains: 10 aspects of the Big Five. Journal of Personality and Social Psychology, 93(5), 880–896. https://doi.org/10.1037/0022-3514.93.5.880 DOI: 10.1037/0022-3514.93.5.880

Autor: Empatyzer

Publicado:

Actualizado:

 

""