情境判断测验与结构化面试
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。
一、为什么选拔要考"判断"而不是"考知识"
1.1 三层能力结构:知识、技能、判断
知识层(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
技能层(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
判断层(Judgment)
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
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。
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
二、SJT 的定义与题型
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。
三、评分键的四种构造
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。
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。
四、信效度边界与失效模式
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
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"。
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"。
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 |
五、结构化面试的工程化
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。
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
六、STAR 与追问法
6.1 STAR 的四段
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
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。
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。
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。
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。
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
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 |
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。
八、评分者误差全景
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。
九、校准与质量控制
9.1 评分者培训的四块内容
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"。
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"。
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"。
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
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 |
十、招飞选拔中的组合使用
10.1 四道闸门
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 |
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
11.1 三类证据的权重
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。
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。
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。
11.3 升级评估日时间线
十二、防止"标准答案表演"
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。
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
十四、工具对照与组合矩阵
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 |
十五、自测题
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。
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。
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。
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。
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。
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。
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。
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。
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"。
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 |
十七、检查单
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?
十八、参考来源
方法与测量文献
- 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.
- 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.
- Campion, M. A., Palmer, D. K., & Campion, J. E. (1997). A review of structure in the selection interview. Personnel Psychology.
- Schmidt, F. L., & Hunter, J. E. (1998). The validity and utility of selection methods in personnel psychology. Psychological Bulletin.
- 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.
- Huffcutt, A. I., & Arthur, W. (1994). Hunter and Hunter (1984) revisited: Interview validity for entry-level jobs. Journal of Applied Psychology.
- 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
- International Civil Aviation Organization, Manual of Civil Aviation Medicine (Doc 8984).
- International Civil Aviation Organization, Annex 1 — Personnel Licensing.
- 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.
- 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.
- 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).