Durchführung quantitativer organisatorischer Verhaltensforschung (OB)

Bevor Sie eine quantitative OB-Forschung durchführen, ist es wichtig, die folgenden Aspekte zu verstehen.

Zeichnen eines Forschungsplans:

Der Forschungsplan sollte entwickelt werden, bevor wir mit der Forschung beginnen. Dies wird zur Blaupause für die Forschung und hilft, Leitlinien für die Forschung und Bewertung der Forschung zu geben.

Bestandteile eines spezifischen Forschungsplans sind wie folgt:

Einführung:

Hier stellen wir das Problem vor und entwickeln eine passende Aussage. Dazu ist es wichtig, sich auf die Relevanz des Problems zu konzentrieren (z. B. das Problem zu verkaufen). Eine Überprüfung der vorhandenen Literatur wird ebenfalls durchgeführt, um die Forschungsvoraussetzungen festzulegen. Schließlich endet der Einführungsteil mit einer Hypothese.

Methode:

In diesem Teil erklären wir, wie die Forschung durchgeführt wird, und beschreiben die Themen (Proben), Instrumente und das Forschungsdesign.

Datenanalyse:

Hier erwähnen wir, wie die gesammelten Antworten, Beobachtungen usw. mit verschiedenen statistischen Instrumenten und Techniken analysiert werden.

Zeitplan:

Der Zeitplan legt die Frist für den Forschungsabschluss fest und listet verschiedene Aktivitäten auf, die in verschiedenen Phasen der Forschung involviert sind. Dies gewährleistet auch die Kontrolle auf verschiedenen Stufen, insbesondere in Organisationen. Da die meisten OB-bezogenen Forschungen strategische Entscheidungen treffen sollen, ist zeitgebundene Forschung sehr wichtig.

Budget:

Für die OB-Forschung in Organisationen ist es wichtig, ein vorläufiges Budget zu erstellen, in dem alle Ausgaben aufgeführt sind, und eine Genehmigung einzuholen, um sicherzustellen, dass Forschungsaktivitäten zu keinem Zeitpunkt für die geringe Mittelausstattung der Mittel beeinträchtigt werden. Für die akademische Forschung kann ein solches Budget erforderlich sein, wenn die Finanzierungsstellen bereit sind, Ressourcen für die Forschung bereitzustellen.

Es gibt drei Möglichkeiten, quantitative Daten zu erfassen:

(1) ein standardisiertes Instrument verwalten,

(2) ein selbst entwickeltes Instrument verwalten und

(3) Notieren Sie natürlich verfügbare Daten.

Standardisierte Instrumente können einige bereits validierte Instrumente sein, z. B. FIRO-B, Belbin-Teamrolle Selbstwahrnehmung, Inventory Change Management-Umfrage unter Rosabeth Moss Kanter usw. Selbst entwickelte Instrumente werden von den Forschern zur Lösung der Forschungsprobleme entwickelt. Natürlich verfügbare Daten können Leistungsaufzeichnungen, Fehlzeiten usw. sein.

Zuverlässigkeit und Gültigkeit der Tests:

Die zwei wichtigsten Aspekte der Präzision in der OB-Forschung sind Zuverlässigkeit und Gültigkeit. Zuverlässigkeit bezieht sich auf die Reproduzierbarkeit einer Messung. Wir quantifizieren Zuverlässigkeit, indem wir mehrere Messungen zu denselben Themen durchführen. Schlechte Zuverlässigkeit stellt die Genauigkeit der Messung in Frage und verringert die Fähigkeit, Änderungen in nachfolgenden Messungen in zukünftigen Studien zu verfolgen.

Gültigkeit bezieht sich auf die Übereinstimmung zwischen dem Wert einer Messung und ihrem tatsächlichen Wert. Wir quantifizieren die Gültigkeit, indem wir unsere Messungen mit Werten vergleichen, die den wahren Werten möglichst nahe kommen. Eine schlechte Validität verschlechtert auch die Genauigkeit einer einzelnen Messung und verringert die Fähigkeit, Beziehungen zwischen Variablen in beschreibenden Studien zu charakterisieren.

Die Begriffe Zuverlässigkeit und Gültigkeit sind miteinander verbunden. Da es jedoch schwierig ist, zwei Konzepte mathematisch zusammenzustellen, untersuchen die meisten Forscher diese Konzepte getrennt. Was auch immer die Möglichkeiten der Datenerhebung sein mögen, es ist immer wünschenswert, die Gültigkeit und Zuverlässigkeit zu testen. Gültigkeit bezeichnet den Grad, in dem ein Test misst, was er messen möchte, und somit eine angemessene Interpretation der Ergebnisse ermöglicht.

Wir entwerfen eine Testmaßnahme unter Berücksichtigung der spezifischen Zwecke. Daher kann die Gültigkeit nur im Hinblick auf den Testzweck bewertet werden. Zum Beispiel könnten wir wissen, wie sich die Messungen der Stichproben auf die Bevölkerung zu einem bestimmten Thema auswirken.

Oder wie die Scores den Erfolg einer zukünftigen Aufgabe vorhersagen oder wie ein bestimmtes Instrument ein Merkmal misst. Dies sind Beispiele für Inhalte, Vorhersagen und die Gültigkeit von Konstruktionen. Davon abgesehen haben wir auch gleichzeitig Gültigkeit. Wir werden alle diese mit den folgenden spezifischen Beispielen erklären.

Inhaltsgültigkeit:

Inhaltliche Gültigkeit ist der Grad, in dem ein Test einen beabsichtigten Inhaltsbereich misst. Es hat zwei Bereiche: Artikelgültigkeit und Stichprobengültigkeit. Artikelgültigkeit misst den beabsichtigten Inhaltsbereich und Stichprobengültigkeitstestproben im gesamten Inhaltsbereich. Die Gültigkeit des Inhalts wird durch Experten beurteilt, während die Gültigkeit der Stichprobe im Rahmen statistischer Tests beurteilt wird.

Nehmen wir zur Veranschaulichung an, dass wir zur Messung der Zufriedenheit der Mitarbeiter einen strukturierten, geschlossenen Fragebogen entwickelt haben. Der Gültigkeitstest des Artikels bestimmt, inwieweit die Fragebogenelemente für die Messung der Zufriedenheit der Mitarbeiter gültig sind. Mit anderen Worten, es wird festgestellt, ob die Fragebogenelemente für das Verständnis der Mitarbeiterzufriedenheit gültig sind oder nicht. In ähnlicher Weise müssen wir für die Stichprobengültigkeit verstehen, ob die gezogenen Stichproben die Grundgesamtheit richtig darstellen oder ob ein Stichprobenfehler vorliegt.

Konstruktvalidität:

Die Konstruktgültigkeit misst den Grad eines Tests im Kontext eines hypothetischen Konstrukts. Um einen Test der Konstruktvalidität zu verarbeiten, müssen wir eine Reihe unabhängiger Studien durchführen, um die Glaubwürdigkeit zu ermitteln. Der Prozess ist offensichtlich nicht so einfach.

Es erfordert ein gründliches Verständnis der verschiedenen statistischen Tests und der Übereinstimmung der Tests im Kontext von Hypothesenkonstrukten. Angenommen, wir möchten messen, ob Stichproben den Anreizsystemen nicht gerecht werden. Wenn wir unsere Hypothese entsprechend gestalten, können wir den Übereinstimmungsgrad mit Kendalls Konkordanzprüfung messen. In ähnlicher Weise könnten wir an der Messung des Indifferenzgrades im Zusammenhang mit AN OVA (Varianzanalyse) interessiert sein, bei der der Grad in Bezug auf biographische Merkmale von Proben gemessen wird.

Gleichzeitige Gültigkeit:

Es misst die gleichzeitige Gültigkeit, um zu verstehen, wie der Grad eines Testergebnisses mit einem anderen zusammenhängt. Die anderen Testergebnisse können bereits festgelegt sein oder können die Bewertungen sein, die bei gleichzeitig verabreichten Tests erhalten werden, oder sie können ein bestehendes gültiges Kriterium sein. Sie wird durch Bestimmung eines Gültigkeitskoeffizienten ermittelt.

Wenn der Gültigkeitskoeffizient hoch ist, sagen wir, der Test hat eine gute gleichzeitige Gültigkeit. Zum Beispiel könnten wir daran interessiert sein, zu messen, wie ein bestimmtes Trainingsprogramm die technischen Fähigkeiten und auch die Fähigkeiten der zwischenmenschlichen Beziehungen verbessert.

Während die Verbesserung der technischen Fähigkeiten in eine gesteigerte Leistung für die Arbeit umgesetzt wird, entwickeln die Fähigkeiten der zwischenmenschlichen Beziehungen bessere zwischenmenschliche Beziehungen. In dieser Situation messen wir gleichzeitig beide abhängigen Variablen, dh die Verbesserung der technischen Fähigkeiten und die Veränderung der zwischenmenschlichen Beziehungen in Bezug auf das Training.

Prognostische Validität:

Prädiktive Validität misst den Grad einer Testmessung, um den Erfolg einzelner Proben in einer zukünftigen Situation vorherzusagen. Sie wird mit einem Gültigkeitskoeffizienten bestimmt, indem die Beziehung zwischen den Testergebnissen und einigen Erfolgsfaktoren in einigen zukünftigen Situationen ermittelt wird. Wenn der Gültigkeitskoeffizient hoch ist, sagen wir, dass die Vorhersagekraft gut ist. Zum Beispiel können wir die allgemeine Fähigkeit der Angestellten beurteilen, um den Erfolg ihrer Leistung am Arbeitsplatz vorhersagen zu können.

Zuverlässigkeit:

Es misst die Zuverlässigkeit oder Vertrauenswürdigkeit eines Bewertungsinstruments. Es ist der Grad, bis zu dem ein Test konsequent misst, was er messen möchte. Die Zuverlässigkeit wird numerisch als Koeffizient ausgedrückt. Ein hoher Koeffizient zeigt eine hohe Zuverlässigkeit an. Hohe Zuverlässigkeit zeigt minimale Fehlervarianz an. Zuverlässigkeit ist einfacher als die Beurteilung der Gültigkeit.

Test-Retest, Äquivalentformen und Zuverlässigkeit der Split-Half-Werte werden alle durch Korrelation bestimmt. Test-Retest-Zuverlässigkeit ist der Grad, zu dem die Bewertungen über die Zeit konsistent sind. Zuverlässigkeit kann auch als Standardmessfehler ausgedrückt werden. Der Standardmessfehler (Grad der Abweichung) ist eine Schätzung der Häufigkeit, mit der Fehler einer bestimmten Größe zu erwarten sind.

Ein kleiner Standardfehler der Messung zeigt eine hohe Zuverlässigkeit an und ein großer Standardfehler der Messung zeigt eine geringe Zuverlässigkeit an. Inwieweit die Leistungsbewertungen der Mitarbeiter durch die Anwesenheit eines HR-Auditteams beeinflusst werden, das sich nicht auf das Merkmal bezieht, wird anhand der Test-Retest-Zuverlässigkeit gemessen.

In einem System mit mehreren Ratings wird die Bewertung der Leistung der Mitarbeiter durch die Bewerterzuverlässigkeit oder die Zuverlässigkeit der Prüfer bestimmt. Wie verschiedene Teile eines einzelnen Bewertungsinstruments zu ähnlichen Schlussfolgerungen hinsichtlich der Leistung der Mitarbeiter führen, wird an der Zuverlässigkeit der internen Konsistenz gemessen.