HUMAN FACTORS · SELECTION & ASSESSMENT

情境判断测验与结构化面试

Situational Judgment Tests & Structured Interviews

招飞与升级选拔真正想筛的,不是"知道多少",而是"在信息不全、时间紧迫、后果真实的情境里会怎么做"。 情境判断测验(SJT)把判断变成可计分的选项,结构化面试把经历变成可追问的证据。 两者都不完美,但组合起来,能把"会背标准答案的人"和"真做过决定的人"区分开。

4类评分键
8类评分者误差
2套选拔组合
18章系统拆解
◈

一、为什么选拔要考"判断"而不是"考知识"

知识可以补,技能可以练,判断很难在短时间内重塑。选拔的成本结构决定了:越早识别出"判断方式不合适"的人, 后续的训练资源与安全风险就越低。这一章先把"判断"拆成可观察的层次。

1.1 三层能力结构:知识、技能、判断

K

知识层(Knowledge)

Declarative knowledge

规章、程序、机型系统、气象原理。可以用笔试、口试、计算机答题测量,特点是"对/错"边界清楚。

  • 可短期突击,可背诵
  • 测量成本低,评分客观
  • 无法预测真实运行中的取舍
S

技能层(Skill)

Psychomotor & procedural skill

操纵、扫视、喊话、检查单执行、自动化录入。可在模拟机与程序中观察,特点是"熟练度"可分级。

  • 需要重复练习与反馈
  • 可在模拟机中标准化观察
  • 受情境压力影响明显
J

判断层(Judgment)

Decision & prioritization

在信息不全、目标冲突、时间压力下如何排序、取舍、求助、放弃。没有唯一正确答案,只有"更好/更差"的解法。

  • 难以直接观察,只能通过行为样本推断
  • 受价值观、经验、人格与组织文化共同影响
  • 正是 SJT 与结构化面试的主战场
核心区分:知识题问"是什么",技能题问"怎么做",判断题问"先做什么、放弃什么、为什么"。 用知识题去筛判断,会得到"很会考试但不会决策"的候选人;用判断题去筛知识,会误伤基础薄弱但可培养的人。

1.2 飞行判断为什么难以直接测量

飞行判断有三个"不":不唯一(同一情境可有多种可接受解法)、不即时(后果往往延后显现)、 不可重复(真实运行不能为了评估而重演)。这决定了选拔只能采用"行为样本"的思路: 用一个标准化情境,诱发一段可观察的选择行为,再据此推断未来的判断倾向。

标准化情境→ 诱发选择行为→ 按锚点计分→ 多工具交叉验证→ 推断判断倾向

这条链条上每一环都会损失信息:情境不够真实、行为不够充分、锚点不够清楚、交叉验证不足。 SJT 与结构化面试分别在不同环节补强:前者扩大情境覆盖面,后者提高行为证据的深度。

1.3 两类工具的分工

SJT 擅长什么

  • 一次施测覆盖大量情境,抽样效率高
  • 选项标准化,评分客观、可批量
  • 适合筛"价值观与优先级"的底线
  • 可反复使用、可做等值版本

结构化面试擅长什么

  • 追问真实经历,验证"是否真做过"
  • 观察表达、归因、反思与担当
  • 可针对岗位定制维度与锚点
  • 能发现自相矛盾与过度包装
常见误区:把 SJT 当成"心理测试",把面试当成"聊天"。 前者需要严格的评分键与信度证据,后者需要严格的结构化与锚定评分。两者都不是靠感觉打分的工具。
▣

二、SJT 的定义与题型

情境判断测验(Situational Judgment Test)的核心是"给情境、给选项、给反应指令"。 它的测量对象不是知识记忆,而是在特定情境下的优先级排序与行动选择。

2.1 三个组成部分

一道 SJT 题目的解剖

情境(Stem):描述一个具体的、与岗位相关的事件,包含角色、时间、资源、冲突与压力。好的情境有"钩子"——某个必须取舍的点。

选项(Options):通常 3–5 个,彼此不是"对/错",而是"更优/次优/不可接受"。选项要覆盖不同的行为逻辑,而不是同一个意思换说法。

反应指令(Response instruction):决定测量意图。常见三种:

  • "应该怎么做"(knowledge-based):测的是"知道什么是对的",接近知识判断。
  • "你会怎么做"(behavioral tendency):测的是行为倾向,但更容易受印象管理影响。
  • "最有效/最无效"(most/least effective):强制排序,降低"全都选好"的社交赞许倾向。

2.2 题型谱系

题型作答方式主要测量失真风险适用场景
单选最佳 从 4–5 项中选最合适的一项 优先级判断、程序边界 中 可被"标准答案"训练 初筛、大批量施测
最有效/最无效 同时选出最好与最差 区分度更高的排序能力 较低 强制取舍 关键维度、复测
排序题 对 4–6 个行动排序 处置顺序、时间优先级 中 部分排序可猜 应急程序、威胁排序
多选/多响应 "以下哪些做法可以接受" 边界识别、合法解法集 较高 倾向多选 规章边界、运行决策
开放式 写一段处置思路 推理质量、完整性 中 评分成本高 小样本、高岗位
多媒体/模拟 看视频/听通话后作答 情境理解、信息提取 较低 更接近真实 升级选拔、复训

题型选择要服从测量目的:如果目标是"筛掉价值观明显不匹配的人",用最有效/最无效题更有效; 如果目标是"区分中高水平候选人的处置顺序",排序题与情境模拟更能拉开差距。

2.3 SJT 到底测的是什么

主流解释认为,SJT 至少混合了三类成分:情境识别(看出关键威胁与冲突)、 程序知识(知道哪些动作合规、哪些越界)、价值排序(安全、效率、面子、准点之间怎么排)。 这三类成分的比例取决于题目与评分键,因此同一套 SJT 在不同岗位上的效度可能不同。

重要提醒:SJT 不是一个"单一构念"测验。报告分数时,应说明它主要覆盖哪些维度, 不能笼统地说"这人 SJT 分数高,所以判断力强"。
◇

三、评分键的四种构造

同一道情境题,用不同的评分键会得到不同的"正确答案"。评分键决定了这套测验在测什么, 也决定了它的效度证据能不能站得住。

3.1 共识键(Consensus Key)

由一组"有经验的人"(现职机长、教员、检查员)独立作答,取多数选择或平均排序作为参照。 它的逻辑是:经验共识即标准。优点是贴近运行实际、容易被一线接受; 风险是共识可能包含行业惯性甚至错误做法,且高度依赖样本构成。

使用边界:共识键必须记录样本来源、人数、独立性(是否互相讨论过)。 若样本全部来自同一家公司同一机型,得到的"标准"很可能只是这家公司的文化,而不是行业标准。

3.2 理论键(Theoretical Key)

从胜任力模型、规章原则或训练大纲推导出"应然"答案,例如"安全优先于准点""不确定时先建立共同情景意识"。 优点是逻辑清晰、可解释、可跨公司迁移;风险是脱离具体情境,变成"政治正确"的空话, 候选人容易学会"选最安全的那句"。

3.3 专家键与混合键

专家键由少数资深专家(检查员、试飞员、航医、运行管理者)给出判断,适合高专业度、 高后果的情境。混合键则把共识与理论结合:先按理论确定"不可接受的下限", 再按共识确定"在可接受范围内的优劣排序"。实践中,混合键往往最稳。

评分键构造方式优点主要风险适用
共识键 现职人员独立作答取多数 贴近运行、接受度高 可能固化错误惯例;样本偏差 成熟岗位、稳定程序
理论键 由模型/规章/大纲推导 可解释、可迁移 易空泛;易被"背答案" 价值观底线、初筛
专家键 少数资深专家判定 专业深度高 主观性集中;难以复核 高后果、复杂情境
混合键 理论定下限 + 共识定排序 兼顾合规与实战 构造成本高;需持续维护 招飞、升级、关键岗位

3.4 一个示例:同一题、三种键的分歧

教学示例 · 情境题与评分键

非真实考题

情境:你作为副驾驶,在进近准备阶段发现机长输入的复飞高度比进近图低。机长表示"我一直这么飞,没问题"。此时离开始进近还有 8 分钟。

选项:

A. 不再讨论,尊重机长决定,进近中自己多留意。
B. 明确指出与进近图不一致,请机长复核并共同查图。
C. 直接向管制求证复飞高度。
D. 落地后再在讲评中提出。

三种键的判定:

理论键:B 最优(先建立共同情景意识、以文件为依据);C 可接受但越过了机组内部沟通;A、D 不可接受(把已知风险留到空中/落地后)。

共识键:若受访机长多数选 B,则 B 为标准;若某公司文化倾向"不挑战机长",共识可能把 A 排得更高——这正是共识键需要警惕的地方。

混合键:先以理论键排除 A、D(违反基本 CRM 原则),再在 B、C 之间按共识与专家意见排序,通常 B 高于 C。

结论:评分键不是技术细节,而是价值声明。它决定了这套测验奖励"敢说话"还是"听话"。 在招飞与升级中,评分键必须能够被审计、被解释、被申诉。
▤

四、信效度边界与失效模式

SJT 有用,但它的用处有明确上限。把上限讲清楚,比夸大效度更能保护选拔的公信力。

4.1 信度的天然上限

SJT 由多个"彼此独立的小情境"组成,每个情境只提供很窄的行为样本。这带来两个后果: 一是内部一致性通常不会很高,因为题目本来就在测不同侧面; 二是重测稳定性受练习与记忆影响,同一套题短期内重复施测会虚高。

  • 题目越多,覆盖越广,但作答疲劳与随意作答增加。
  • 情境越具体,真实性越高,但可迁移性越低。
  • 选项越"合理",区分度越低;选项越极端,越容易被排除。

4.2 效度的三类证据

1

内容证据

题目是否来自真实工作分析、是否覆盖关键维度、专家是否认可。没有工作分析支撑的 SJT,只是"出题人的想象"。

2

构念证据

SJT 分数与哪些能力/特质相关、与哪些不相关。若它与一般认知能力高度重合,那它测的其实还是"聪明"。

3

效标证据

分数能否预测训练表现、检查通过率、运行事件。这是最有说服力、也最难得的一类证据,需要多年数据积累。

4.3 五类典型失效模式

失效模式表现机制缓解
标准答案表演 高分者面试中却说不清理由 选项可被培训/背题;测到的是"知道该选什么" 加入最无效选项、开放追问、与行为证据交叉验证
社会赞许倾向 所有人偏向"最安全、最配合"的选项 选项差异不够;作答者揣摩出题人意图 均衡选项吸引力;设置"两难"而非"对错"
情境—岗位错配 题目考的是机长决策,候选人却是零经验 情境超出候选人经验范围,只能靠猜 按岗位分层设计;用"如果你遇到"而非"你曾经"
文化偏差 某些文化背景下"挑战权威"被系统性扣分 评分键隐含单一文化价值 跨文化复核评分键;区分"表达方式"与"行为实质"
练习效应 复测分数明显上升但能力未变 题目曝光、记忆残留 建立等值题库;限制曝光;不把复测当能力增长
边界声明:SJT 适合做"筛"和"排序",不适合单独做"淘汰"。 任何单一工具的高分或低分,都不足以决定一个人的职业命运;必须与结构化面试、模拟机表现、训练记录共同使用。
◎

五、结构化面试的工程化

结构化面试不是"按提纲聊天",而是一套可复制的测量流程:同样的维度、同样的题目、同样的追问规则、同样的评分锚点。 结构化的目的不是让面试变僵硬,而是让不同候选人得到可比较的对待。

5.1 从工作分析到维度

维度不能凭印象定。正确顺序是:工作分析 → 关键事件 → 行为维度 → 题目 → 锚点。 例如"升级机长"的维度可能包括:威胁识别与优先排序、机组管理与喊话、规章边界意识、 压力下的沟通、对自身局限的承认、带飞与教学意愿。每个维度都要能被行为观察,而不是抽象名词。

判定标准:一个维度如果无法写出"高分行为长什么样、低分行为长什么样", 它就不适合进入结构化面试,应先退回工作分析。

5.2 题本结构

题型提问方式测什么追问重点
过去行为题"请讲一次你……的经历"真实经历、行为习惯细节、时间线、你的原话
情境假设题"如果……你会怎么做"判断逻辑、价值排序依据、备选方案、放弃条件
技术深挖题"为什么这个程序要这样设计"知识深度、系统理解边界条件、失效后果
反思题"你最近一次判断失误是什么"自我认知、学习能力归因方式、后续改变
价值观题"安全与准点冲突时你怎么排"底线、组织匹配具体例子、例外条件

5.3 结构化的五个"同"

  • 同维度:所有候选人考同一组维度,不因背景临时加减。
  • 同题目:核心题目固定;可有少量等值替换题,但需预先标定。
  • 同顺序:题目顺序一致,避免前题暗示后题。
  • 同追问规则:什么情况下追问、追问几层、追到什么为止,事先写死。
  • 同锚点:评分标准一致,评分表在面试前发给所有评分者。

结构化不等于"照本宣科"。允许的自然互动包括:澄清问题、控制节奏、处理紧张情绪; 不允许的是:临时换题、暗示答案、对不同人用不同标准。

5.4 面试官分工

主考官(Chair)

  • 控制流程与时间
  • 负责核心维度提问
  • 处理突发与公平性申诉
  • 不主导评分讨论

辅助考官(Assessor)

  • 独立记录行为证据
  • 负责追问细节
  • 独立打分,不先看他人分数
  • 在共识环节提出分歧
关键设计:主考官与辅助考官先独立评分、再讨论。 若先讨论后打分,第一个开口的人会锚定所有人,独立性就消失了。
✦

六、STAR 与追问法

STAR 是"把经历讲完整"的框架,不是"把答案讲漂亮"的模板。 真正拉开差距的不是候选人会不会用 STAR,而是面试官会不会追问到 STAR 撑不住的地方。

6.1 STAR 的四段

Situation 情境→ Task 任务→ Action 行动→ Result 结果

四段的价值在于强制候选人交代"背景—责任—动作—后果"。但 STAR 只保证结构完整, 不保证内容真实。一段编造的经历,同样可以套进 STAR。

6.2 STAR 的四个失效点

1

团队成果个人化

"我们决定了""我们处置了"——到底哪一句是你说的?哪一个动作是你做的?不追问,就无法区分参与者与主导者。

2

结果替代过程

用"结果很好"掩盖"过程侥幸"。结果好不代表判断好,可能只是运气好或别人兜住了。

3

抽象化叙述

"我加强了沟通""我提高了意识"——没有时间、没有原话、没有具体动作,等于没说。

4

事后合理化

把当时的犹豫、错误、绕路,重写成一条"我早有判断"的完美故事。这是记忆重构,不是撒谎,但同样失真。

6.3 五种追问

追问工具箱

① 澄清式:"你说的'及时'具体是提前多久?当时高度多少?"——把形容词换成数字与场景。

② 证据式:"这句话是你说的还是机长说的?原话大概是什么?"——定位行为归属。

③ 边界式:"如果当时他不接受,你下一步会怎么做?"——测底线与备选方案。

④ 反事实式:"如果天气再差一点,你还会做同样决定吗?"——测条件敏感性。

⑤ 角色式:"如果你坐在机长位置上,你会怎么处理这个副驾驶?"——测换位与领导视角。

教学示例 · 一次追问如何击穿"标准答案"
以下对话为教学设计,不对应真实候选人
候选人
"我发现机长进近速度偏大,就及时提醒了他,最后我们安全落地。"
追问 1
"偏大多少?当时在什么高度?你怎么看出来的?"——如果答不出具体量级,说明"发现"可能是事后叙述。
追问 2
"你提醒的原话是什么?机长怎么回应?"——测是否真的发生了对话,以及沟通方式。
追问 3
"如果机长说'我知道,你别管',你会怎么办?"——测边界:是沉默、坚持、还是升级到复飞标准。
追问 4
"落地后你们讲评了吗?机长怎么评价你的提醒?"——测反思与关系处理,防止"我永远正确"的叙事。

6.4 追问的伦理边界

追问的目的是获取证据,不是制造压力表演。应避免:连续打断、诱导性提问("你是不是觉得机长错了")、 把假设当事实("你当时是不是害怕")、以及超出岗位相关性的私生活探询。 对涉及健康、用药、家庭等敏感信息,应明确告知用途与保密范围,必要时转由航医专业渠道处理。

▥

七、锚定评分与行为锚

锚定评分(Behaviorally Anchored Rating Scale, BARS)的核心,是用"可观察的行为"替代"主观的印象"。 锚点写得越具体,评分者之间的差异越小。

7.1 锚点的写法

差的锚点是形容词:"优秀、良好、一般、较差"。好的锚点是行为描述: "在高负荷阶段主动复诵关键指令,并在发现偏差时用标准喊话指出,同时给出一个可执行的建议"。 锚点应描述做了什么,而不是看起来怎样。

有效锚点

  • 可观察:能被第三方看到或听到
  • 可区分:不同等级对应不同行为
  • 岗位相关:来自真实关键事件
  • 不含推断:不写"他很有责任心"

无效锚点

  • 人格标签: "成熟稳重""情商高"
  • 模糊程度词: "较好""基本合格"
  • 结果绑定: "没出事所以好"
  • 双重标准: 不同考官理解不同

7.2 示例:一个维度的五级锚

等级行为锚点(以"威胁识别与优先排序"为例)证据要求
5 优秀 在情境早期识别出主要威胁与次要威胁,明确排序依据,并给出一个可执行的优先动作与备选方案 需有具体情境、明确取舍、可复述的理由
4 良好 识别主要威胁,排序基本合理,但备选方案不完整或未说明放弃条件 需有主要威胁与排序
3 合格 能识别明显威胁,排序依赖经验套用,缺少对冲突目标的权衡 需有至少一个具体威胁
2 待发展 只关注单一威胁,忽略时间压力或资源限制;排序理由空泛 需有具体遗漏点
1 不合格 未识别关键威胁,或选择明显违反程序/安全底线的动作 需有明确违规或漏判证据
使用规则:评分时先记行为证据,再对照锚点定级;不允许"先有印象、再找证据"。 证据栏空白的分数一律视为无效。

7.3 分数合成

常见三种合成方式:等权加总(适合维度重要性接近时)、加权(对安全底线维度加权)、 门槛制(任一关键维度低于阈值即不通过,不论总分多高)。航空选拔通常需要门槛制: 沟通分数再高,也不能抵消"规章边界"不合格。

警惕:总分制会把"致命短板"平均掉。一个在"诚信"上得 1 分、其余全 5 分的候选人, 平均分仍然很好看。关键维度必须单列门槛。
⚠

八、评分者误差全景

评分者不是仪器。误差不是"不认真",而是认知系统的正常产物。 只有把误差命名、量化、设计对冲,评分才可能稳定。

8.1 八类常见误差

误差机制典型表现对冲设计
光环效应一个突出优点扩散到所有维度"英语好,所以判断力也强"分维度独立评分;先记录后定级
相似性偏差偏好与自己相似的人同校、同乡、同机型背景高分多考官;结构化维度;盲评部分信息
对比效应与前一位候选人比较而非与标准比较前一个很强,后一个显得差严格对照锚点;分散安排;校准样本
宽严不一个人打分习惯偏松或偏紧某考官从不低于 4 分统计监控;校准会;分数标准化
中央趋势不愿给极端分所有人都在 3 分附近强制分布讨论;锚点强化区分
首因效应最初印象主导后续判断开场紧张就被判"心理素质差"延长观察;多情境;记录后续证据
近因效应最后表现覆盖整体结尾一句漂亮话拉高总分全程记录;按时间轴复盘
刻板印象按群体标签推断个体年龄、性别、院校、前雇主标签盲评;评分者培训;申诉机制

8.2 误差不是"态度问题"

多数误差发生在无意识层面。要求评分者"更公正"并不能消除误差; 有效的是结构:固定维度、固定锚点、独立评分、多人复核、统计监测。 这也是为什么结构化面试的评分者一致性通常高于非结构化面试——不是人变了,是流程变了。

设计原则:不要试图消灭误差,而要让它可被发现。 只要每个分数都能追溯到行为证据,误差就会从"暗箱"变成"可讨论的分歧"。
◐

九、校准与质量控制

校准不是"统一口径"这么简单,它包含评分者培训、锚点演练、分歧剖析与持续监控四个环节。

9.1 评分者培训的四块内容

1

维度理解

每个维度是什么、不是什么、与相邻维度的边界在哪里。重点是"防止维度漂移"。

2

行为记录

练"只记事实、不写评价"。例如记"他在 3 分钟内未回应副驾驶的两次提醒",而不是"他很固执"。

3

锚点演练

用录像/文字案例共同打分,比较差异,逐条对照锚点解释"为什么是 3 不是 4"。

4

误差识别

让评分者能叫出光环、对比、宽严、中央趋势的名字,并在自己的评分里发现它们。

9.2 校准会怎么开

第一步 · 独立评分
所有评分者先独立看同一段材料、独立打分,不交流。
第二步 · 亮分与分歧定位
只公布分数分布,不公布姓名;找出差异最大的维度。
第三步 · 证据对账
各自读出自己记录的行为证据,检查"分数是否有证据支撑"。
第四步 · 锚点回看
回到锚点文本,确认分歧来自"证据不同"还是"锚点理解不同"。
第五步 · 修订锚点
若锚点本身有歧义,修订锚点,而不是强求评分者妥协。

9.3 持续监控指标

指标看什么异常信号动作
评分者宽严同一考官的平均分与总体平均分之差长期偏高或偏低个别辅导、锚点复训
维度间相关各维度分数是否"全都一样高"相关过高,提示光环检查记录质量、拆分维度
分数分布是否集中在中间区分度不足强化锚点差异、增加情境
预测效度选拔分数与后续训练/检查表现长期无相关回看维度与题目设计
说明:以上指标只用于质量改进,不应用于对个别候选人"翻旧账"。 任何用于淘汰的分数,都必须有可复核的证据链。
✈

十、招飞选拔中的组合使用

招飞面对的是"没有飞行经历"的候选人,因此工具的重心不在"你做过什么",而在"你会怎么想"。 组合的逻辑是:先用低成本工具扩大筛面,再用高成本工具做深度判断。

10.1 四道闸门

基础条件与健康→ 认知与知识潜质→ SJT 情境判断→ 结构化面试→ 模拟体验/飞行潜质

前两道闸门成本低、可批量;后两道成本高、样本小。SJT 放在面试之前,可以把面试资源集中在"判断模式可能有风险"的候选人身上; 结构化面试放在模拟体验之前,可以先用低成本方式验证动机、学习意愿与压力反应。

10.2 招飞维度映射

维度SJT 可覆盖结构化面试可覆盖模拟体验可覆盖
规章与边界意识高中中
压力下的优先级高高高
沟通与喊话意愿中高中
学习与反思能力低高中
动机稳定性低高低
操纵协调与注意分配低低高
组合原则:每个关键维度至少要有两种不同工具覆盖。 只靠一种工具覆盖的维度,一旦工具失真,就没有交叉验证。

10.3 零经验候选人的特殊处理

对没有运行经验的候选人,SJT 情境不能假设他们知道机型细节,应聚焦"可迁移的判断逻辑": 信息不足时是否主动求证、面对权威是否敢表达、出现差错是否先保护飞机再解释。 结构化面试则应大量使用"学习经历、团队冲突、失败经验"等非航空情境,测的是行为模式,不是航空知识。

招飞组合的三条底线

  • SJT 不作为唯一淘汰依据,必须与面试或模拟体验交叉验证。
  • 面试必须结构化,避免"考官喜欢就过"。
  • 任何涉及健康与心理的评估,交由具备资质的专业人员,选拔评分者不越界做临床判断。
▲

十一、升级与机长选拔中的组合使用

升级选拔与招飞相反:候选人已经有大量可观察记录。此时工具的作用不是"发现潜质",而是"验证是否已经在行为中稳定出现"。

11.1 三类证据的权重

1

历史运行记录

航线检查、LOSA 观察、QAR 事件、教员讲评、复训表现。权重最高,因为是真实运行中的行为。

2

模拟机评估

标准化情境下的处置与 CRM。可观察、可重复,但受"考试状态"影响,未必等于日常表现。

3

SJT 与结构化面试

补齐记录看不到的维度:价值排序、对自身局限的认识、带教意愿、冲突处理。

11.2 升级选拔的维度重点

  • 权威使用:是否能清晰下达指令,也能在被质疑时重新评估,而不是压制或退缩。
  • 威胁与差错管理:是否主动预判、提前布防,而不是事后补救。
  • 对副驾驶的培养:是否愿意解释、放手、复盘,而不是自己包办。
  • 规章边界:在准点、旅客、公司压力下,是否仍能守住底线。
  • 自我校准:是否承认自己会疲劳、会犯错,并有具体对冲手段。
关键区分:升级不是"技术最好的人当机长",而是"能让整个机组更安全的人当机长"。 技术维度可以用模拟机测,带教与权威维度必须靠结构化面试与历史记录。

11.3 升级评估日时间线

教学示例 · 机长升级评估日
流程为教学设计,不代表任何公司实际制度
08:00
材料审阅:评估组阅读候选人近两年的检查记录、LOSA 观察与教员评语,标出"需要验证的行为"。
08:40
SJT:40 分钟,覆盖权威使用、威胁排序、规章边界、带教意愿四个维度。
09:40
结构化面试:两位考官独立评分。围绕"你带过最难的副驾驶""你最近一次被纠正""你如何处理准点压力"追问。
11:00
模拟机:含 CRM 场景,观察指令清晰度、质疑回应、复飞决策与讲评能力。
14:00
共识会:先各自独立打分,再逐维度对账;分歧处回看证据,不以"资历"压分。
15:30
反馈:告知结果与依据;对未通过者给出可执行的下一步,而不是一句"再等等"。
◒

十二、防止"标准答案表演"

候选人会学习。只要题目固定、答案可背、评分可猜,"表演"就必然出现。 对策不是把题藏起来,而是让"表演"无法持续——因为真实行为需要细节、一致性与边界。

12.1 表演的三种形态

形态表现识别线索对策
背题式答案标准、结构完整、缺少细节追问即卡壳;所有例子都"很典型"深挖时间、数字、原话
人设式全程展现"沉稳、负责、安全第一"无缺点、无犹豫、无失败问失败、问被纠正、问边界
迎合式快速揣摩考官偏好并调整说法前后观点随提问方向摆动设置相反立场;记录观点变化

12.2 设计层对策

  • 强制取舍:用"最有效/最无效",让"全都重要"失效。
  • 两难情境:安全与准点、程序与旅客、服从与质疑,逼出真实排序。
  • 意外问题:在面试中插入未预告的情境,观察即时反应而非准备好的答案。
  • 反向计分:部分题目中"看起来最正确"的选项并非最优,防止机械选"最安全"。
  • 行为证据门槛:没有具体细节的回答,按锚点只能给中低分。

12.3 过程层对策

面试官应主动制造"不一致"的机会:同一维度用两种问法;先问"你怎么做",再问"你实际做过什么"; 先让候选人自评,再用具体事件检验。真实的人会有细节、有例外、有不确定;表演的人往往过于流畅、过于完整。

重要边界:面试官的任务是"判断证据是否充分",不是"判断他是否在撒谎"。 不要依据表情、语气、眼神做诚信判断——这类线索的可靠性很低,且容易滑向偏见。 证据不足时,结论应是"本维度不予采信",而不是"此人不诚实"。

12.4 组织层对策

可以做

  • 题库定期等值更新,控制曝光
  • 多考官、多工具交叉验证
  • 评分表与锚点对候选人公开
  • 记录证据、允许申诉复核

不要做

  • 用"性格测试"替代行为证据
  • 以单题表现决定去留
  • 把"表达流畅"等同于"判断好"
  • 让同一考官连续面试十小时
◷

十三、教学示例:一次完整的选拔日

把工具放进真实流程,才能看出设计的缝隙。以下是一条从签到到反馈的完整时间线,重点标注"哪里最容易失真"。
教学示例 · 招飞选拔日(24 名候选人)
流程与人数为教学设计,不对应任何具体机构
07:30
签到与身份核验。告知全天流程、评分方式、申诉渠道;签署信息使用同意书。风险点:若此时透露题目方向,后面所有分数都会被污染。
08:00
认知与知识潜质测试。标准化机考,统一指导语,统一计时。风险点:设备差异与网络延迟会制造无关误差。
09:30
SJT 施测。65 分钟,含最有效/最无效与排序题。施测前说明"没有唯一正确答案,请按你真实会做的选择"。风险点:若指导语暗示"选最安全",结果会系统性偏高。
11:00
结构化面试(分组)。每组 25 分钟,两位考官独立记录与打分。题目固定,追问按规则。风险点:上午最后几组容易受疲劳影响,出现"宽严漂移"。
13:30
模拟体验。基础操纵、注意分配、指令复诵。观察的是"可训练性"与"压力反应",不是"飞得好不好"。风险点:把模拟体验当成技术考试,会误伤零经验候选人。
15:00
评分整合。各环节独立完成后汇总;关键维度设门槛;对分歧项回看证据。风险点:先看总分再看维度,会让短板被平均掉。
16:00
结果与反馈。告知通过/待定/不通过;对未通过者说明"哪类证据不足",不披露具体题目。风险点:反馈含糊会破坏组织公信力,也会让候选人无法改进。
17:00
当日复盘。统计各考官宽严、各维度分布、题目异常作答;记录需要修订的锚点。这一步常被省略,但它决定了下一次选拔是否更准。
设计要点:一整天的流程里,真正决定质量的往往不是题目,而是指导语一致性、评分独立性、疲劳管理、复盘闭环。 这四点做不到,再好的题目也会被流程吃掉。
▦

十四、工具对照与组合矩阵

没有"最好的工具",只有"在这个岗位、这个阶段、这个维度上更合适的工具"。 下表用于做组合决策,不用于给工具排名。

14.1 四类工具对照

维度SJT结构化面试评估中心模拟机
施测成本低中高高
单次覆盖人数大小很小很小
情境真实性中中高很高
行为深度低高很高高
抗"背答案"弱中强强
可审计性强(选项固定)中(依赖记录)中强(可录像)
最适合初筛、价值观底线经历验证、动机多维综合判断技术—CRM 整合

14.2 组合矩阵

目标第一道第二道第三道决策方式
招飞初筛认知/知识潜质SJT结构化面试SJT 设门槛,面试做排序
招飞终选结构化面试模拟体验综合评议关键维度双工具覆盖
机长升级历史记录审阅SJT + 面试模拟机关键维度门槛制
教员选拔教学观察结构化面试试讲/带飞教学能力单列门槛
复训/复飞专业评估模拟机航线观察由专业人员做适航结论
边界声明:本文讨论的是选拔工具的设计与使用逻辑,不构成任何规章解释、医学判断或执照处置建议。 涉及健康、心理与执照的评估,应由具备资质的专业人员依现行有效规章执行。
✎

十五、自测题

十道题覆盖本文的核心判断。先自己想,再展开答案。
1. 为什么说 SJT 不适合单独作为淘汰依据?
查看答案与解析

答案:因为单次 SJT 只提供有限的行为样本,且容易受标准答案训练、社会赞许倾向与文化偏差影响。它适合筛与排序,必须与结构化面试、模拟机或历史记录交叉验证。

2. 共识键最大的风险是什么?
查看答案与解析

答案:把行业惯性甚至错误惯例固化为"标准"。若样本来自单一公司、单一机型,得到的可能只是这家公司的文化,而不是可迁移的判断标准。

3. "最有效/最无效"题型为什么比单选更抗表演?
查看答案与解析

答案:它强制在两个方向做取舍,不能"全都选好";同时要求候选人理解选项之间的相对优劣,而不只是识别一个明显正确的选项。

4. 结构化面试的"五个同"指什么?
查看答案与解析

答案:同维度、同题目、同顺序、同追问规则、同锚点。目的是让不同候选人得到可比较的对待,而不是让面试变得机械。

5. STAR 框架能保证回答真实吗?
查看答案与解析

答案:不能。STAR 只保证结构完整,编造的经历同样可以套进四段。真实性要靠追问细节、行为归属、时间线与多源验证。

6. 为什么要先独立评分、再开共识会?
查看答案与解析

答案:防止第一个发言者锚定所有人。先独立打分能保留真实分歧,共识会才有"对账"的价值;否则只是互相附和。

7. 光环效应该用什么设计对冲?
查看答案与解析

答案:分维度独立评分、先记录行为证据再定级、多考官复核。核心是切断"一个优点扩散到所有维度"的通道。

8. 为什么关键维度要用门槛制而不是总分制?
查看答案与解析

答案:总分制会把致命短板平均掉。例如诚信或规章边界得极低分,其他维度再高也不应通过。门槛制保护的是底线。

9. 面试官可以凭表情判断候选人是否撒谎吗?
查看答案与解析

答案:不应这样做。表情与语气的可靠性很低,且容易滑向偏见。正确做法是判断"证据是否充分",证据不足时结论是"本维度不予采信"。

10. 招飞与升级选拔在工具组合上的根本差异是什么?
查看答案与解析

答案:招飞缺少运行记录,主要靠"潜质与判断逻辑"推断;升级有大量历史记录,工具的作用是验证关键行为是否已稳定出现。前者重预测,后者重验证。

◈

十六、术语表

中英对照,按文中出现顺序排列。释义以通用行业含义为主。
中文英文简要释义
情境判断测验Situational Judgment Test (SJT)用标准化情境与选项测量判断倾向的测验
评分键Scoring Key判定各选项优劣的依据,分共识、理论、专家、混合等类型
反应指令Response Instruction决定作答方式的指导语,如"应该做"或"你会做"
最有效/最无效Most/Least Effective强制在两个方向取舍的题型
社会赞许倾向Social Desirability倾向给出被社会认可而非真实的回答
印象管理Impression Management有意塑造他人对自己的印象
结构化面试Structured Interview固定维度、题目、追问规则与锚点的面试
行为锚定等级评分Behaviorally Anchored Rating Scale (BARS)用可观察行为描述各分数等级的评分法
光环效应Halo Effect一个突出特征扩散到其他维度的判断偏差
相似性偏差Similarity Bias偏好与自己背景相似的候选人
中央趋势Central Tendency评分集中于中间等级、缺乏区分度
评分者一致性Inter-rater Reliability不同评分者对同一对象评分的一致程度
效标效度Criterion Validity测验分数与后续工作表现的相关程度
增量效度Incremental Validity在已有工具之上额外提供的预测能力
评估中心Assessment Center多练习、多评估者、多维度的行为评估方法
说明:本表只提供理解本文所需的通用含义,不替代任何规章、手册或专业标准中的正式定义。
☑

十七、检查单

分为四部分:工具设计、施测过程、评分质量、结果使用。可直接打印用于自查。

17.1 工具设计检查

设计阶段

  • 是否完成了岗位工作分析,并据此确定维度?
  • 每个维度是否都有可观察的高/低分行为描述?
  • SJT 情境是否来自真实关键事件,而非凭空想象?
  • 评分键是否记录了来源、样本与构造逻辑?
  • 选项是否覆盖不同行为逻辑,而不是同义改写?
  • 是否存在"看起来最正确"的诱导性选项?
  • 面试题本是否固定,追问规则是否写死?
  • 关键维度是否设置了独立门槛?

17.2 施测过程检查

执行阶段

  • 指导语是否统一,且未暗示答案方向?
  • 计时、设备、环境是否一致?
  • 候选人是否被告知评分方式与申诉渠道?
  • 考官是否避免了临时换题与暗示?
  • 是否安排了足够的休息,防止评分者疲劳?
  • 敏感信息的采集是否说明了用途与保密范围?

17.3 评分质量检查

评分阶段

  • 是否先独立评分,再讨论?
  • 每个分数是否都有对应的行为证据?
  • 是否存在跨维度的"一律高分"或"一律低分"?
  • 分歧是否回到锚点文本对账,而不是靠资历压服?
  • 是否记录了当日各考官的宽严与分布异常?
  • 是否有锚点需要修订,并进入下一轮更新?

17.4 结果使用检查

决策阶段

  • 是否避免了用单一工具决定去留?
  • 关键维度是否按门槛制执行?
  • 是否区分了"证据不足"与"此人不合适"?
  • 反馈是否具体到"哪类证据不足、下次如何改进"?
  • 是否保留了完整的评分记录与证据链,以备复核?
  • 涉及健康与心理的结论,是否交由专业人员作出?
最后底线:选拔工具的合法性来自"可解释、可复核、可申诉"。 任何无法说明"为什么给这个分"的评分,都不应进入决定职业命运的决策链。
▤

十八、参考来源

方法与测量文献

  1. McDaniel, M. A., Morgeson, F. P., Finnegan, E. B., Campion, M. A., & Braverman, E. P. (2001). Use of situational judgment tests for predicting job performance. Journal of Applied Psychology.
  2. Christian, M. S., Edwards, B. D., & Bradley, J. C. (2010). Situational judgment tests: Constructs assessed and a meta-analysis of their criterion-related validities. Personnel Psychology.
  3. Campion, M. A., Palmer, D. K., & Campion, J. E. (1997). A review of structure in the selection interview. Personnel Psychology.
  4. Schmidt, F. L., & Hunter, J. E. (1998). The validity and utility of selection methods in personnel psychology. Psychological Bulletin.
  5. Smith, P. C., & Kendall, L. M. (1963). Retranslation of expectations: An approach to the construction of unambiguous anchors for rating scales. Journal of Applied Psychology.
  6. Huffcutt, A. I., & Arthur, W. (1994). Hunter and Hunter (1984) revisited: Interview validity for entry-level jobs. Journal of Applied Psychology.
  7. Paulhus, D. L. (1998). Interpersonal and intrapsychic adaptiveness of trait self-enhancement. Journal of Personality and Social Psychology.

行业与运行参考

  1. International Civil Aviation Organization, Manual of Civil Aviation Medicine (Doc 8984).
  2. International Civil Aviation Organization, Annex 1 — Personnel Licensing.
  3. 中国民用航空局《民用航空人员体检合格证管理规则》(CCAR-67)及相关咨询通告.
  4. 中国民用航空局《大型飞机公共航空运输承运人运行合格审定规则》(CCAR-121)及相关训练要求.
  5. 公司《运行手册》《训练大纲》与机型相关手册(具体程序与标准以此为准).
说明:本文只引用文献与文件的名称及确定存在的原则性结论,不给出未经核实的具体条款号与统计数值。 文中所有情境、对话与流程均为教学示例,不对应任何真实候选人、公司或事件。 涉及健康、心理与执照处置的内容,须交由具备资质的专业人员依现行有效规章判断,本文不构成医疗或航医建议。