HR团队：让技能测试效度符合审计要求，每次评估仅需5美元
技能测试效度是指测试能够衡量其声称要衡量的内容，且测试分数能够真正预测某人的工作表现。首要步骤是进行岗位分析，可由您自行开展，也可参考供应商技术手册中已记录的分析，以证明测试内容与实际岗位任务相符。这一证据也是招聘人员在EEOC统一指南下所需的法律基准。
内容摘要：
- 效度声明必须有详细的岗位分析、样本量数据以及将分数与实际工作表现相关联的证据支撑，才具有可信度。
- 标准化条件下的统一测试管理以及对特殊安排的记录，对于避免偏见声索和确保公平至关重要。
- 信度本身不能保证效度，但没有信度，效度便无从建立；测试必须产生稳定的结果，才能准确预测表现。
- 内部一致性、预测效度系数等心理测量学细节，应以完整、透明的测试手册形式提供，以确保评估能够通过法律和操作层面的审查。
- 具备内置监控与记录功能的自动化、岗位专属评估——例如 Talent Approved 的平台——能够简化效度管理流程，并在规模化招聘中降低法律风险。
目录
- 技能测试效度：每位招聘人员应掌握的关键术语
- 如何逐步建立技能测试效度
- 保持测试管理的公平性与无偏性
- 数字背后的真实含义
- Talent Approved 如何支持技能测试效度
- 技能测试效度中人人都会忽略的部分
- 将技能测试效度付诸实践
- 深入了解效度验证的参考资源
- 参考来源
- 常见问题
技能测试效度：每位招聘人员应掌握的关键术语
效度并非单一概念，它分为四个类别。了解供应商所声称的是哪种效度，以及您实际需要的是哪种效度，将改变您评估测试的方式。
- 表面效度是指测试在候选人或招聘经理眼中呈现的样子。一项看起来像在测打字的打字测试具有表面效度，但仅凭外观可能会产生误导。
- 内容效度检验测试题目是否真正涵盖了该岗位所需的任务。一项基于工程团队实际工单构建的编程评估，具有较强的内容效度。
- 结构效度考察测试是否衡量了其所声称的潜在特质，例如解决问题的能力或对细节的关注，而非其他无关内容。
- 预测效度衡量测试分数是否与未来的工作表现相关，这是招聘决策中最有力、最具法律防御力的证据形式。
以上所有内容都离不开信度的支撑——即候选人若重新参加测试，得分应基本相似，且不同评分者对同一答案的评分方式应保持一致。测试可以具有信度而不具备效度，就像一台始终显示重五磅的体重秤——精准，但对于实际用途而言是错误的。然而，测试不可能在没有信度的情况下具有效度。评分不一致会使任何关于预测工作表现的声明都无从信赖。
当供应商向您提出效度声明时，请对照以下简短清单加以核查：其中是否说明了所使用的岗位分析方法？是否报告了样本量？是否呈现了分数与实际表现之间的相关性，而不仅仅是对测试设计的描述？
如何逐步建立技能测试效度
构建具有法律防御力的证据需要遵循一定的顺序，而跳过某些步骤是效度声明在审查中站不住脚的最常见原因。
- 与学科专家共同开展岗位分析。访谈正在从事该岗位工作或负责审核其工作成果的人员，并建立规格表，将每道测试题与具体任务或能力相关联。这将成为您在撰写任何题目之前，内容效度已存在的证据。
- 同步设计题目与评分标准。在试测前（而非之后）制定评分规则，并采用盲评方式——即评分者不知道哪位候选人提交了哪份答案。此步骤可同时保护结构效度并降低评分者偏差。
- 在具有代表性的样本上进行试测。邀请在职员工或具有代表性的候选人群体参与测试，然后计算题目层面的统计数据以及内部一致性指标（如Cronbach's alpha）。对表现不佳的题目进行删除或修改。
- 收集效标关联证据。将试测分数与实际表现指标（如主管评分、产出质量、任职年限等能够反映该岗位成功标准的指标）进行比较，并报告相关系数。这一步骤将设计严谨的测试转化为具有预测效度的工具。
- 整理成技术手册。将岗位分析、题目统计数据、信度系数和效标相关系数汇总在一处，以便在审计或法律挑战中经得起考验。
专业建议： 在签署合同前，而非之后，向任何供应商索取技术手册。如果他们无法按要求提供样本量、学科专家方法论和统计表格，应将此视为危险信号，而非疏忽。
关于认知技能测试的同行评审研究，展示了一项严肃的效度验证研究应包含的统计细节类型：系数alpha、重测相关系数，以及针对具体效标（而非模糊的准确性声明）报告的同时效度数据。这才是您为任何评估工具付费时，值得期待的文档水准。
保持测试管理的公平性与无偏性
书面上的心理测量学合理性意义有限，如果测试的实施方式不一致，就无法发挥作用。操作管控措施才是保持各候选人之间分数可比性的关键，而分数的可比性正是规避法律风险的保障。
- 标准化测试条件：对每位候选人采用相同的时间限制、相同的指导语、相同的环境要求，并尽可能自动记录。
- 提前记录特殊安排程序，与EEOC关于辅助技术和合理调整的指导一致，确保每次请求都以相同方式处理。
- 使用安全的会话监控，以确认候选人在相近条件下作答，同时保护您后续试测数据的完整性。
- 在每个招聘周期结束后，对各人口统计群体进行不利影响检查，并在发现差距时准备好补救方案。
- 设定重新效度验证的触发条件——不仅仅是日历提醒——并将其与岗位职责、使用工具或招聘劳动力市场的重大变化相挂钩。
不一致的监考方式和不均等的特殊安排，是人力资源团队面临偏见声索最常见的来源，比有缺陷的测试内容本身更为普遍。一个能够自动执行标准化并记录偏差的平台，可以在问题演变为投诉之前，消除其中的大部分风险。
数字背后的真实含义
没有数字支撑的效度声明，不过是一种营销噱头。以下是这些数字应呈现的样子，以及如何在没有统计学学位的情况下读懂它们。
Cronbach's alpha衡量内部一致性，对于选拔测试，您通常希望看到的数值在0.70至0.90之间。低于该范围，则测试可能测量的不止一件事，或根本无法一致地测量任何内容。题目难度和区分度统计数据告诉您某道题是否过易、过难，或无法区分优秀候选人与薄弱候选人。区分度较差的题目应在试测阶段进行修改或删除，而不是保留在正式测试中。
预测效度系数通常是最难解读的数字，因为即使测试分数与工作表现之间的相关性不高，在规模化招聘中也可能具有实际价值。在人才测评领域，0.20至0.35的相关系数通常被认为是可靠的信号，而超过0.35对于大多数岗位技能评估而言则属于异常强劲的水平。
| 指标 | 告诉您什么 | 粗略解读 |
|---|---|---|
| Cronbach's alpha | 测试题目的内部一致性 | 选拔测试的典型值为0.70至0.90 |
| 题目区分度 | 某道题是否能区分表现强弱的候选人 | 低值或负值提示该题需要修改 |
| 预测效度系数 | 分数与工作表现之间的相关性 | 在大多数招聘情境中，0.20至0.35是可靠的信号 |
一份值得信赖的技术手册应包含样本量、用于构建内容的学科专家流程，以及完整的统计表格，而不仅是概括性的文字描述。当您在内部构建招聘评分报告时，应将原始分数与其所参照的基准一并呈现，以便招聘经理真正理解"100分中得了72分"对该岗位意味着什么。
Talent Approved 如何支持技能测试效度
手动构建上述证据需要数周时间。Talent Approved 的 Magic Create 功能可在几分钟内将职位描述或技能清单转化为结构化的岗位专属评估，将测试内容直接映射到关键任务上——这正是我们 AI 技能评估指南中所阐述的内容效度基础工作，而大多数团队往往会跳过这一步。内置的反作弊工具、屏幕与摄像头监控以及会话回放功能，可自动实现管理标准化，有效应对引发不利影响投诉的具体实施漏洞。AI 生成的摘要和候选人排名，为您提供审计人员和法务团队所要求的文档记录。如需了解更多关于构建岗位专属内容的信息，请参阅岗位专属测试的构建方式。
技能测试效度中人人都会忽略的部分
大多数关于技能测试效度的建议止步于定义层面。招聘人员学会了内容效度与预测效度的区别，点头称是，然后继续使用申请人跟踪系统捆绑提供的任何评估工具。这便是差距所在：效度理论被视为学术内容，而操作层面——测试如何实施、监控与重新验证——几乎得不到任何关注，尽管这恰恰是大多数法律风险实际存在的地方。
研究实际支持的结论是：一项心理测量学上近乎完美的测试，若以不一致的方式实施，便不是一项具有法律防御力的测试。标准化与文档记录与题目背后的统计数据同等重要。如果招聘团队必须在有限时间内做出取舍，应优先投入岗位分析和管理管控，而非追求略高一点的alpha系数。
另一个被高估的观念，是认为效度是一次性的成就。岗位职责会变化，劳动力市场会转移，三年前针对不同候选人群体所验证的测试，可能会悄然停止衡量它曾经衡量的内容。像安排合规审计一样，将重新效度验证纳入您的日历计划——因为这实际上就是一种合规审计。
— Jimmie
将技能测试效度付诸实践
Talent Approved 正是为本文所介绍的工作流程而构建的：岗位分析、试测、标准化管理以及证据采集，无需大多数效度验证工作所要求的数周手动设置。
无需拼凑电子表格、学科专家访谈和独立的监考工具，Talent Approved 的 Magic Create 功能可在几分钟内从职位描述生成岗位专属测试，并为每位参加测试的候选人自动锁定标准化、有监控的考试管理流程。无需订阅承诺，每完成一名候选人评估收费5美元，这意味着成本随您实际招聘量动态调整，而非作为固定支出列入账目。访问 Talent Approved 平台，观看实时演示，并查阅您的法务或合规团队在下一轮招聘前所需的文档资料。
深入了解效度验证的参考资源
- 美国心理学会的测试资源解释了为何效度与特定用途相关联，而非测试的一般属性。
- ACT 的 WorkKeys 技术文档展示了一份完整的供应商手册在实践中的样式。
在轻信任何效度声明之前，请向供应商索取样本量、学科专家方法论和统计表格。
参考来源
常见问题
用简单的语言解释，技能测试效度是什么？
它是测试分数能够真正预测或反映其所声称要衡量的岗位技能的证据，通常通过EEOC指南下的内容效度、结构效度或预测效度研究来呈现。
测试信度与效度有何不同？
信度是指测试在不同施测时机和评分者之间产生一致分数的能力，而效度是指这些分数确实衡量了预期招聘决策所需的正确内容。
我应该向测试供应商索取哪些资料？
在签署合同前，请索取其技术手册，包括岗位分析方法论、样本量、题目统计数据以及预测效度相关系数。
技能测试应多久重新进行一次效度验证？
每当岗位职责、所需技能或劳动力市场发生重大变化时，应重新进行效度验证；即使没有重大变化，也应设定定期审查，以便及早发现效度漂移。
AI 生成的评估能否具有法律防御力？
可以，前提是平台记录了岗位分析、统一了管理方式并监控了作弊行为；Talent Approved 的 Magic Create 和会话回放功能正是为自动采集上述证据而构建的。